

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、目前,微生物發(fā)酵工業(yè)基本采用手動(dòng)操作和經(jīng)驗(yàn)控制,效率及可靠性都比較低,發(fā)酵過(guò)程的自動(dòng)化程度也不高。發(fā)酵過(guò)程中的在線檢測(cè)對(duì)象,多數(shù)集中在一些物理化學(xué)參數(shù)諸如溫度、壓力、PH值、流量等等,而發(fā)酵過(guò)程關(guān)鍵生物參數(shù)如菌絲濃度,產(chǎn)物濃度等,則受工藝技術(shù)水平限制只能采用離線測(cè)量的方法,無(wú)法滿(mǎn)足發(fā)酵過(guò)程實(shí)時(shí)控制的需求。這使得對(duì)整個(gè)發(fā)酵過(guò)程進(jìn)行最優(yōu)控制變得十分的困難,軟測(cè)量技術(shù)正是解決此問(wèn)題的有效途徑之一。
本文以青霉素發(fā)酵過(guò)程為研究對(duì)象
2、,在軟測(cè)量理論的基礎(chǔ)上,采用模糊C-均值聚類(lèi)(FCM)與最小二乘支持向量機(jī)(LS—SVM)相結(jié)合的方法建立軟測(cè)量模型,并對(duì)菌絲濃度、產(chǎn)物濃度這兩個(gè)重要生物參數(shù)進(jìn)行預(yù)測(cè),同時(shí)實(shí)現(xiàn)了其工程實(shí)用化軟件的開(kāi)發(fā)。仿真結(jié)果表明,本文所建立的模型能夠更加有效、快速地逼近真實(shí)值,預(yù)測(cè)精度較高。本文所做的具體研究包括:⑴在大量閱讀文獻(xiàn)以及對(duì)微生物發(fā)酵機(jī)理進(jìn)行分析的基礎(chǔ)上,論文采用了模糊C-均值聚類(lèi)算法進(jìn)行分類(lèi),并考慮到將多個(gè)模型結(jié)合起來(lái)能夠提高模型的預(yù)測(cè)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)LS-SVM的微生物發(fā)酵過(guò)程軟測(cè)量建模方法研究.pdf
- 基于LS-SVM的工業(yè)過(guò)程軟測(cè)量建模方法研究.pdf
- 基于LS-SVM的軟測(cè)量建模方法研究.pdf
- 基于LS-SVM的紅霉素發(fā)酵過(guò)程軟測(cè)量方法研究.pdf
- 基于LS-SVM的軟測(cè)量建模方法的應(yīng)用研究.pdf
- 生物反應(yīng)過(guò)程的混合核LS-SVM軟測(cè)量建模與應(yīng)用研究.pdf
- 微生物發(fā)酵過(guò)程的LS-SVM軟測(cè)量及工程化技術(shù)研究.pdf
- 基于LS-SVM的混合料粒度分布軟測(cè)量方法研究.pdf
- 基于多模型LS-SVM造紙黑液濃度軟測(cè)量.pdf
- 基于LS-SVM的復(fù)雜工業(yè)過(guò)程故障診斷方法研究.pdf
- 基于LS-SVM的半圓拱形巷道無(wú)線信道建模與預(yù)測(cè).pdf
- 基于LS-SVM的軸承故障趨勢(shì)預(yù)測(cè)方法研究.pdf
- 基于LS-SVM的入侵檢測(cè).pdf
- 青霉素發(fā)酵過(guò)程軟測(cè)量建模方法的研究.pdf
- 基于LS-SVM目標(biāo)識(shí)別的研究.pdf
- LS-SVM的GPU高性能計(jì)算方法研究.pdf
- 基于LS-SVM的多標(biāo)簽分類(lèi)算法.pdf
- 基于LS-SVM的fMRI數(shù)據(jù)分析.pdf
- 基于MPCA-GP的發(fā)酵過(guò)程分階段軟測(cè)量建模方法研究.pdf
- 基于LS-SVM開(kāi)關(guān)磁阻電機(jī)建模及調(diào)速系統(tǒng)控制研究.pdf
評(píng)論
0/150
提交評(píng)論