本文選題：懸浮培養(yǎng)　切入點(diǎn)：軟測(cè)量　出處：《江蘇大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：畜牧養(yǎng)殖業(yè)迅猛發(fā)展,禽流感、口蹄疫等動(dòng)物傳染病隨之暴發(fā)流行,獸用疫苗的市場(chǎng)需求量大幅度增加,采用傳統(tǒng)轉(zhuǎn)瓶培養(yǎng)方式生產(chǎn)疫苗已遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)代畜牧養(yǎng)殖業(yè)的發(fā)展。動(dòng)物細(xì)胞懸浮培養(yǎng)技術(shù)逐步代替?zhèn)鹘y(tǒng)轉(zhuǎn)瓶培養(yǎng)方式,并成為當(dāng)前工業(yè)生產(chǎn)生物疫苗的主流技術(shù),所以,如何應(yīng)用動(dòng)物細(xì)胞懸浮培養(yǎng)技術(shù)實(shí)現(xiàn)疫苗的快速高效生產(chǎn)成為當(dāng)前以及未來(lái)生物制藥領(lǐng)域的焦點(diǎn)和競(jìng)爭(zhēng)核心。動(dòng)物細(xì)胞懸浮培養(yǎng)過(guò)程具有高度的非線性、時(shí)變性等特性,過(guò)程中由于受到傳統(tǒng)物理儀表測(cè)量方法的限制(易染菌、成本高等),一些關(guān)鍵狀態(tài)變量(如葡萄糖濃度、乳酸濃度、細(xì)胞密度等)的實(shí)時(shí)監(jiān)測(cè)嚴(yán)重制約了產(chǎn)物合成從而影響了生物制品的產(chǎn)量和質(zhì)量。而離線測(cè)量又具有一定的滯后性,嚴(yán)重影響了整個(gè)過(guò)程的優(yōu)化控制。軟測(cè)量技術(shù)的出現(xiàn)為解決上述問(wèn)題提供了一種有效途徑。本文針對(duì)BHK-21(乳倉(cāng)鼠腎細(xì)胞)懸浮培養(yǎng)過(guò)程關(guān)鍵狀態(tài)變量難以實(shí)時(shí)測(cè)量的問(wèn)題,提出一種基于直角三角形角度值動(dòng)態(tài)加權(quán)的軟測(cè)量建模方法。首先結(jié)合培養(yǎng)過(guò)程工藝機(jī)理,確定模型的主導(dǎo)變量,然后基于現(xiàn)場(chǎng)采集數(shù)據(jù),應(yīng)用相關(guān)系數(shù)法確定模型的輔助變量,最后建立軟測(cè)量模型。在深入了解支持向量機(jī)、最小二乘支持向量機(jī)和關(guān)聯(lián)向量機(jī)的基礎(chǔ)上,將其與基于直角三角形角度值動(dòng)態(tài)加權(quán)的關(guān)聯(lián)向量機(jī)建模方法進(jìn)行對(duì)比。結(jié)果表明,相比支持向量機(jī)與最小二乘支持向量機(jī),關(guān)聯(lián)向量機(jī)的解具有較好的稀疏性和更高的魯棒性,且模型預(yù)測(cè)精度較高;動(dòng)態(tài)關(guān)聯(lián)向量機(jī)不僅具有關(guān)聯(lián)向量機(jī)的優(yōu)點(diǎn),而且能將工業(yè)過(guò)程的動(dòng)態(tài)特性引進(jìn)模型中,使得預(yù)測(cè)效果更加精確、更能體現(xiàn)工業(yè)過(guò)程的本質(zhì)。為了實(shí)現(xiàn)BHK-21細(xì)胞懸浮培養(yǎng)過(guò)程實(shí)時(shí)監(jiān)測(cè)及優(yōu)化控制,充分利用MATLAB強(qiáng)大的計(jì)算能力和WinCC強(qiáng)大的腳本編程能力,建立基于MATLAB和WinCC混合編程平臺(tái)的BHK-21懸浮培養(yǎng)過(guò)程關(guān)鍵狀態(tài)變量的在線預(yù)測(cè)及實(shí)時(shí)監(jiān)控系統(tǒng),為培養(yǎng)過(guò)程的優(yōu)化控制奠定了基礎(chǔ)。實(shí)驗(yàn)結(jié)果表明,所建監(jiān)控系統(tǒng)能夠?qū)崟r(shí)準(zhǔn)確的進(jìn)行關(guān)鍵狀態(tài)變量的顯示,為進(jìn)一步的優(yōu)化控制提供了充分的工況信息,降低了系統(tǒng)故障概率,從而實(shí)現(xiàn)經(jīng)濟(jì)高效的工業(yè)生產(chǎn)。
[Abstract]:With the rapid development of animal husbandry, avian influenza, foot-and-mouth disease and other animal infectious diseases have exploded, and the market demand for veterinary vaccines has increased substantially. It is far from satisfied with the development of modern animal husbandry. Animal cell suspension culture technology has gradually replaced the traditional flask culture method, and has become the mainstream technology in the current industrial production of biological vaccine. How to use the technology of animal cell suspension culture to realize the rapid and efficient production of vaccine has become the focus and competition core in the field of biopharmaceuticals at present and in the future. The process of animal cell suspension culture has the characteristics of high nonlinearity, time-varying and so on. Due to the limitation of traditional physical instrument measurement methods (easy to infect bacteria, high cost etc.), some key state variables (such as glucose concentration, lactic acid concentration, etc.). The real-time monitoring of cell density has seriously restricted the synthesis of the product and affected the production and quality of biological products. The emergence of soft sensing technology provides an effective way to solve the above problems. In this paper, the key state variables of BHK-21 (neonatal hamster kidney cell) suspension culture process are difficult to measure in real time. A soft sensor modeling method based on dynamic weighting of angle value of right triangle is proposed. Firstly, the dominant variables of the model are determined by combining the process mechanism of culture process, and then the data are collected on the spot. The correlation coefficient method is used to determine the auxiliary variables of the model. Finally, a soft sensor model is established. On the basis of in-depth understanding of support vector machine, least square support vector machine and association vector machine, It is compared with the modeling method of correlation vector machine based on dynamic weighting of angle value of right triangle. The results show that compared with least squares support vector machine, support vector machine is better than support vector machine. The solution of association vector machine has better sparsity and higher robustness, and the prediction accuracy of the model is higher. Dynamic association vector machine not only has the advantage of association vector machine, but also can introduce the dynamic characteristics of industrial process into the model. In order to realize the real-time monitoring and optimization control of BHK-21 cell suspension culture process, we can make full use of the powerful computing power of MATLAB and the powerful scripting ability of WinCC. The on-line prediction and real-time monitoring system of the key state variables of BHK-21 suspension culture process based on MATLAB and WinCC hybrid programming platform is established, which lays a foundation for the optimization control of the culture process. The experimental results show that, The system can display the key state variables in real time and accurately, provide sufficient information for further optimization control, reduce the probability of system failure, and realize economic and efficient industrial production.
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：Q813.11;S859.797;TP277

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧云偉;杜衛(wèi)星;楊光玲;;基于組態(tài)軟件和FP23智能儀表的溫度監(jiān)控系統(tǒng)設(shè)計(jì)[J];價(jià)值工程;2013年20期

2 李群;錢(qián)鐘;范娟;李玉和;;動(dòng)物細(xì)胞懸浮培養(yǎng)技術(shù)在獸用疫苗生產(chǎn)領(lǐng)域中的應(yīng)用[J];中國(guó)畜牧獸醫(yī);2013年06期

3 周欣;程海衛(wèi);王永生;王川慶;楊霞;;動(dòng)物細(xì)胞懸浮培養(yǎng)技術(shù)研究進(jìn)展[J];中國(guó)畜牧獸醫(yī);2012年11期

4 何長(zhǎng)生;王軍;王非;劉華;周迎春;沈艷;占松鶴;陳靜;朱良強(qiáng);曹晉蓉;;不同廠家豬O型口蹄疫滅活疫苗免疫效果監(jiān)測(cè)[J];動(dòng)物醫(yī)學(xué)進(jìn)展;2012年07期

5 梅建國(guó);莊金秋;王金良;王玉茂;丁壯;沈志強(qiáng);;動(dòng)物細(xì)胞大規(guī)模培養(yǎng)技術(shù)[J];中國(guó)生物工程雜志;2012年07期

6 張韌;秦玉明;陳文慶;劉華杰;王建超;高飛;;懸浮培養(yǎng)技術(shù)在生物制藥中的應(yīng)用和展望[J];中國(guó)獸藥雜志;2011年03期

7 朱慶虎;陳弘;秦紅麗;劉蘭剛;康二勇;;動(dòng)物細(xì)胞培養(yǎng)反應(yīng)器的主要操作模式[J];畜牧獸醫(yī)科技信息;2010年10期

8 孫瑜;陳剛;;一種軟測(cè)量模型在線校正方法及應(yīng)用[J];測(cè)控技術(shù);2009年01期

9 趙武;馬建偉;;基于OPC的MATLAB與WINCC實(shí)時(shí)數(shù)據(jù)交換設(shè)計(jì)與實(shí)現(xiàn)[J];通信技術(shù);2008年12期

10 王君;高曉光;;多雷達(dá)站組合三角定位算法研究[J];系統(tǒng)工程與電子技術(shù);2008年11期

相關(guān)博士學(xué)位論文 前5條

1 楊建文;金霉素發(fā)酵過(guò)程軟測(cè)量建模及優(yōu)化控制策略研究[D];北京理工大學(xué);2015年

2 林蔚天;改進(jìn)的粒子群優(yōu)化算法研究及其若干應(yīng)用[D];華東理工大學(xué);2014年

3 周志瑋;動(dòng)物細(xì)胞生物反應(yīng)器關(guān)鍵技術(shù)研究及其結(jié)構(gòu)優(yōu)化[D];哈爾濱工業(yè)大學(xué);2012年

4 李修亮;軟測(cè)量建模方法研究與應(yīng)用[D];浙江大學(xué);2009年

5 劉元花;雜交骨髓瘤細(xì)胞培養(yǎng)模型化研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 吳嘉琪;動(dòng)物細(xì)胞懸浮培養(yǎng)流場(chǎng)動(dòng)力與測(cè)控技術(shù)研究[D];江蘇大學(xué);2016年

2 范苗;基于高斯混合模型的時(shí)變過(guò)程軟測(cè)量建模[D];浙江大學(xué);2015年

3 魏亮;基于人工智能的軟測(cè)量建模方法研究及其在熱工過(guò)程中的應(yīng)用[D];華北電力大學(xué);2014年

4 邵珠貴;基于2DPLPP特征提取的水泥生料分解率動(dòng)態(tài)軟測(cè)量建模[D];東北大學(xué);2014年

5 馬開(kāi)良;基于相關(guān)向量機(jī)的復(fù)合模型在風(fēng)速預(yù)測(cè)中的研究及應(yīng)用[D];蘭州大學(xué);2014年

6 唐苦;基于聚類的多模型動(dòng)態(tài)軟測(cè)量建模方法[D];華東理工大學(xué);2014年

7 李哲;基于半監(jiān)督回歸的多模型在線軟測(cè)量系統(tǒng)研究[D];上海交通大學(xué);2011年

8 劉彥會(huì);基于SVM和RVM的加熱爐鋼溫建模方法研究[D];東北大學(xué);2010年

9 張磊;基于支持向量機(jī)的反垃圾電話技術(shù)研究[D];哈爾濱工程大學(xué);2010年

10 陶玲;石油樹(shù)脂粘度的軟測(cè)量研究[D];上海交通大學(xué);2009年

，

本文編號(hào)：1628348