【摘要】：間歇過程是生物制藥、精細化工和食品飲料行業(yè)中主要生產(chǎn)方式,但是也因其間歇式的特點,存在著周期性批量生產(chǎn)、物料狀態(tài)和操作參數(shù)呈現(xiàn)動態(tài)性、工藝控制要求高等特點。發(fā)酵過程是一種典型的間歇過程,發(fā)酵過程關乎經(jīng)濟發(fā)展和人民生活水平的提高,生物制藥是國務院確立的七大戰(zhàn)略新興產(chǎn)業(yè)之一,在“京津冀”一體化中將起到重要的支撐作用。課題圍繞生物發(fā)酵過程的批次不等長特性、動態(tài)特性和多階段特性,研究以往方法在進行監(jiān)測時存在的問題,通過建立高效高精度過程監(jiān)測模型,降低監(jiān)測的誤報警率和漏報警率,保障運行安全,做到及時捕捉發(fā)酵過程中各檢測變量的變化,若發(fā)現(xiàn)監(jiān)測故障,及時通知工作人員,工作人員通過調整發(fā)酵環(huán)境或暫停生產(chǎn),盡可能的提高產(chǎn)物質量穩(wěn)定生產(chǎn)或者減少損失,進而減少能源消耗和資源浪費。研究成果一旦獲得推廣,會極大地提高發(fā)酵過程生產(chǎn)的安全性,減少事故的發(fā)生和資源的浪費,創(chuàng)造較大的經(jīng)濟效益和社會效益。本文的主要工作內容如下:(1)研究多約束動態(tài)時間規(guī)整方法解決批次間不同步問題為了解決發(fā)酵過程的批次不等長問題,同時克服傳統(tǒng)DTW算法在處理該問題時導致被切割數(shù)據(jù)和信息丟失、監(jiān)測樣本變量的之間的相關關系和變量交叉相關關系發(fā)生變化的問題,提出多約束動態(tài)時間規(guī)整(Dynamic Time Warping,DTW)方法進行發(fā)酵過程數(shù)據(jù)同步處理,將各發(fā)酵批次的數(shù)據(jù)按照點與點的模式進行動態(tài)匹配,解決傳統(tǒng)DTW方法長時間運行造成的故障監(jiān)測嚴重滯后問題。(2)提出種群多樣性的自適應權重粒子群優(yōu)化的劃分階段方法針對發(fā)酵過程的多階段特性,研究聚類算法在進行階段劃分時存在的不足。采用基于種群多樣性的自適應慣性權重的粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法對仿射傳播(Affinity Propagation,AP)聚類進行改進,指導階段劃分。(3)提出一種基于多階段自回歸主元分析的監(jiān)測模型,實現(xiàn)發(fā)酵過程監(jiān)測對基于種群多樣性的自適應慣性權重的粒子群優(yōu)化(Population Diversity-based Particle Swarm Optimization,PDPSO)AP聚類的多階段發(fā)酵過程的數(shù)據(jù)樣本進行自回歸主元分析(Autoregressive Principal Component Analysis,AR-PCA)建模以消除各階段的動態(tài)性及變量間自相關和互相關影響,對AR模型的殘差矩陣建立主成分分析(Principal Component Analysis,PCA)模型用于發(fā)酵過程監(jiān)測。(4)大腸桿菌發(fā)酵現(xiàn)場實驗研究理論的提出最終要應用在實踐生產(chǎn)中,為了檢驗本文研究方法的實用性,本文依托大腸桿菌發(fā)酵,將多階段發(fā)酵過程監(jiān)測方法應用于大腸桿菌發(fā)酵過程的現(xiàn)場,實驗證明,該方法可以大大提高生產(chǎn)過程的監(jiān)測效果,當生產(chǎn)過程出現(xiàn)異常時,及時監(jiān)測到故障,提高生產(chǎn)效率。
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TQ920.6
【圖文】：

- 21 -青霉素發(fā)酵過程中，各批次持續(xù)時間為 400h 左右，本文中，每隔 0.5h 對實驗數(shù)據(jù)進行一次采樣。圖 2-6 為 Pensim 仿真平臺參數(shù)設置發(fā)酵時間為 396 小時的操作界面，圖2-7為當發(fā)酵過程持續(xù)時間設置為 396小時時，各參數(shù)值的變化。圖 2-6 Pensim 仿真平臺參數(shù)設置發(fā)酵時間為 396 小時的操作界面Fig.2-6 Pensim simulation platform when operation time set to be 396 hours圖 2-8 為 Pensim 仿真平臺參數(shù)設置發(fā)酵時間為 400 小時的操作界面，圖 2-9為當發(fā)酵過程持續(xù)時間設置為 400 小時時，各參數(shù)值的變化。在進行青霉素發(fā)酵數(shù)據(jù)采集和監(jiān)測實時，青霉素發(fā)酵過程實驗變量選取如表 2-1 所示。

青霉素發(fā)酵過程中，各批次持續(xù)時間為 400h 左右，本文中，每隔 0.5h 對實驗數(shù)據(jù)進行一次采樣。圖 2-6 為 Pensim 仿真平臺參數(shù)設置發(fā)酵時間為 396 小時的操作界面，圖2-7為當發(fā)酵過程持續(xù)時間設置為 396小時時，各參數(shù)值的變化。圖 2-6 Pensim 仿真平臺參數(shù)設置發(fā)酵時間為 396 小時的操作界面Fig.2-6 Pensim simulation platform when operation time set to be 396 hours圖 2-8 為 Pensim 仿真平臺參數(shù)設置發(fā)酵時間為 400 小時的操作界面，圖 2-9為當發(fā)酵過程持續(xù)時間設置為 400 小時時，各參數(shù)值的變化。在進行青霉素發(fā)酵數(shù)據(jù)采集和監(jiān)測實時，青霉素發(fā)酵過程實驗變量選取如表 2-1 所示。

圖 2-8 Pensim 仿真平臺參數(shù)設置發(fā)酵時間為 400 小時的操作界面Fig.2-8 Pensim simulation platform when operation time set to be 400 hours

【參考文獻】

相關期刊論文 前3條

1 高學金;崔寧;張亞潮;齊詠生;王普;;基于粒子群優(yōu)化MICA的間歇過程故障監(jiān)測[J];儀器儀表學報;2015年01期

2 齊詠生;王普;高學金;陳修哲;;一種新的多階段間歇過程在線監(jiān)控策略[J];儀器儀表學報;2011年06期

3 袁勝發(fā);褚福磊;;次序二叉樹支持向量機多類故障診斷算法研究[J];振動與沖擊;2009年03期

本文編號：2774271