【摘要】：目前我國每年主要農作物秸稈產(chǎn)量達7.5~9.94億噸,而農作物秸稈處理方法主要包括:焚燒、還田、飼料、栽培食用菌和沼氣等。但70%的秸稈資源還是作為以稈代煤/直接燃燒。這不僅會破壞地表土壤結構、使地表水分大量蒸發(fā),同時會造成資源浪費和溫室效應。如果能將其中10%生產(chǎn)燃料乙醇,將獲得800萬噸的乙醇產(chǎn)量,節(jié)約糧食300萬噸左右。因此秸稈資源制取燃料乙醇,在解決了資源浪費的同時,保護了環(huán)境,給農民增加創(chuàng)收。隨著秸稈發(fā)酵制取燃料乙醇進程的不斷發(fā)展,生產(chǎn)及規(guī)�；闹饾u擴大,其控制過程也向自動化和智能化轉變,通過對發(fā)酵過程中一些顯示發(fā)酵過程優(yōu)劣的參量進行在線監(jiān)測是實現(xiàn)自動控制的前提和基礎。但由于發(fā)酵內部機理復雜,經(jīng)濟和技術原因都使得一些參量難以在線實時測量,目前傳統(tǒng)方法是將發(fā)酵過程中的產(chǎn)物取出,進行離線化驗。這種方法存在很大的測量延時和誤差,嚴重影響了后期對發(fā)酵過程的觀察和控制�；谏鲜鰡栴},本課題研究設計了一種“多模型軟測量”方法并配套研制了一種基于嵌入式的秸稈發(fā)酵制取燃料乙醇監(jiān)測系統(tǒng),通過軟測量方法,對發(fā)酵過程中難以測量的關鍵參量(乙醇濃度、殘?zhí)呛俊⒕w活性)進行實時在線監(jiān)測。論文首先介紹了秸稈發(fā)酵燃料乙醇的目的及前景,同時指出發(fā)酵過程控制中存在的問題,為后文的研究內容做鋪墊。其次,詳細介紹了本文采用的軟測量算法理論和軟測量平臺軟硬件設計。軟測量理論為:針對單一回歸模型不適應新的工況,運用一種多模型軟測量建模方法,該多模型軟測量包括了核模糊C均值聚(Kernel-based fuzzy c-means algorithm,KFCM)數(shù)據(jù)分理論、最小二乘支持向量機(Least squares vector machine,LS-SVM)建模理論和自適應變異差分進化算法(Adaptive mutation different evolution,AMDE)模型優(yōu)化理論,最終將算法用于秸稈發(fā)酵關鍵參量的軟測量中,通過仿真實驗顯示可以得到合適的懲罰系數(shù)C和徑向基寬度?,優(yōu)化后的算法比傳統(tǒng)方法在優(yōu)化精度和訓練的速度有了明顯的提升。監(jiān)測系統(tǒng)設計包括:STM32F103ZET6最小系統(tǒng)為核心的系統(tǒng)數(shù)據(jù)采集模塊,實現(xiàn)數(shù)據(jù)從發(fā)酵現(xiàn)場采集并傳輸?shù)街骺啬K的任務;ARM11作為主處理器的核心主控模塊,完成了將采集到的數(shù)據(jù)進行分析、軟測量處理、顯示等功能。最后將研制的軟測量平臺運用在秸稈發(fā)酵實際過程中,通過PC機上的模擬和嵌入式平臺上的測試應用,證明了該系統(tǒng)可以完成多模型軟測量算法的移植和秸稈發(fā)酵過程的監(jiān)測。本次課題研究的秸稈發(fā)酵多模型軟測量監(jiān)測系統(tǒng)具有實時監(jiān)測秸稈發(fā)酵關鍵參數(shù)并通過顯示屏顯示的功能,為今后工業(yè)生產(chǎn)過程中難以測量量的監(jiān)測與實時顯示提供了一定的借鑒。
【圖文】：

濃度等參量對最終產(chǎn)物量有著巨大的影響[44]。傳感器方法局限性比較大，且分析儀器價格昂貴，維護保養(yǎng)困難，難以提供實時質量信息作為質量控制的信 ，目前難以實現(xiàn)產(chǎn)業(yè)化。傳統(tǒng)方法是發(fā)酵現(xiàn)場采用人工離線取樣檢測這種方法帶來的后果是滯后時間長、測量誤差大，嚴重影響控制系統(tǒng)的設計化，給提升發(fā)酵過程的生產(chǎn)效率、產(chǎn)品產(chǎn)出與質量帶來了巨大困難，所以迫要一種方法以實時在線檢測這些不可直接測量的關鍵生物量。1 秸稈發(fā)酵過程分析本課題重點研究秸稈發(fā)酵制取燃料乙醇軟測量監(jiān)控系統(tǒng)的設計與實現(xiàn)，因稈發(fā)酵原理與過程在此作簡要說明。秸稈 資源發(fā)酵是利用其含有木質纖維要是纖維素和半纖維素)進行水解得到生物質水解后糖液，再經(jīng)過酵母菌厭吸消耗糖原的同時對糖 生物質原料中的單糖和雙糖轉換為乙醇[48, 49]。

具體秸稈發(fā)酵過程如圖 2.1 所示，因本文重點研究發(fā)酵過程監(jiān)測問題，酵過程做簡要介紹。本課題研究中采用的是同步糖化發(fā)酵法(SSF)，該酶水解和發(fā)酵結合起來，在同一發(fā)酵罐同時進行，纖維素被纖維素酶糖，酵母能及時將糖轉化為乙醇。SSF 方法不僅簡化了流程，而且解決了水解過程帶來的抑制作用，有利于提高纖維素酶解效率和減少酶用量。工藝還具有減少發(fā)酵時間、降低設備投資和減少外部微生物污染等優(yōu) 酵母菌生長特性秸稈發(fā)酵過程中，，酵母菌的生長可分為遲滯期、對數(shù)生長期、穩(wěn)定期和個階段，如圖 2.2 顯示了酵母菌生長特性。從圖中我們可以看出，隨著長酵母菌的數(shù)目越來越多，最直觀的體現(xiàn)就是發(fā)酵產(chǎn)物乙醇的大量產(chǎn)前期、中期與后期酵母菌的生長對環(huán)境有著不同要求并且生長速率上呈階段特征[44, 45]。
【學位授予單位】：江蘇大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TQ223.122;TQ920.6

【參考文獻】

相關期刊論文 前10條

1 朱湘臨;岳海東;孫謐;;基于Bayesian的海洋脂肪酶發(fā)酵過程軟測量建模[J];測控技術;2015年11期

2 梅從立;楊銘;劉國海;;基于證據(jù)合成的高斯過程回歸多模型軟測量方法[J];化工學報;2015年11期

3 劉瑞蘭;徐艷;戎舟;;基于稀疏最小二乘支持向量機的軟測量建模[J];化工學報;2015年04期

4 喬宗良;張蕾;周建新;司風琪;徐治皋;;一種改進的CPSO-LSSVM軟測量模型及其應用[J];儀器儀表學報;2014年01期

5 王叢佼;王錫淮;肖健梅;;基于動態(tài)自適應策略的改進差分進化算法[J];計算機科學;2013年11期

6 錢曉山;陽春華;徐麗莎;;基于改進差分進化和最小二乘支持向量機的鋁酸鈉溶液濃度軟測量[J];化工學報;2013年05期

7 徐松金;龍文;;差分進化優(yōu)化參數(shù)的LSSVM中長期徑流預測[J];科學技術與工程;2012年27期

8 喬立巖;梁宇;趙浩然;朱建平;;基于W5300的以太網(wǎng)接口設計[J];電子測量技術;2012年07期

9 王健偉;宋執(zhí)環(huán);;支持向量機軟測量的嵌入式系統(tǒng)平臺實現(xiàn)[J];控制工程;2011年02期

10 范勤勤;顏學峰;;基于自適應差分進化算法的間歇反應動態(tài)優(yōu)化求解[J];華東理工大學學報(自然科學版);2010年06期

相關博士學位論文 前3條

1 羅隆;污水生化處理系統(tǒng)的軟測量及自適應優(yōu)化控制策略研究[D];華南理工大學;2014年

2 李冬梅;玉米秸稈為原料燃料乙醇制備的關鍵問題研究[D];哈爾濱工業(yè)大學;2008年

3 于濤;基于混合模型的軟測量方法研究及其在發(fā)酵過程中的應用[D];北京化工大學;2006年

相關碩士學位論文 前10條

1 華天爭;秸稈發(fā)酵制取燃料乙醇過程的軟測量與預測控制[D];江蘇大學;2017年

2 莊國坤;秸稈發(fā)酵燃料乙醇過程控制系統(tǒng)研究[D];江蘇大學;2017年

3 周劍波;基于ARM11及Linux的伺服系統(tǒng)測試儀的設計與實現(xiàn)[D];南京理工大學;2017年

4 燕秋麗;玉米秸稈預處理及其酶解發(fā)酵制備生物乙醇的研究[D];暨南大學;2016年

5 程呈;混合多模型曝氣生物濾池污水處理軟測量建模研究[D];安徽工業(yè)大學;2016年

6 白璐;基于嵌入式LINUX的遠程監(jiān)控系統(tǒng)設計的設計與實現(xiàn)[D];大連理工大學;2016年

7 張新勝;基于ARM的一次風流量軟測量儀表研發(fā)[D];華北電力大學;2016年

8 張乾;基于AP聚類的生物發(fā)酵過程軟測量建模方法研究[D];江南大學;2015年

9 王健偉;基于嵌入式系統(tǒng)的在線訓練軟測量平臺[D];浙江大學;2010年

10 徐海霞;多模型軟測量建模方法研究及其在生物發(fā)酵過程中的應用[D];江蘇大學;2009年

本文編號：2619289