基于IGA-SVM的发酵过程建模及优化控制

doi:10.3778/j.issn.1002-8331.2008.28.062

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (28): 187-189.DOI: 10.3778/j.issn.1002-8331.2008.28.062

基于IGA-SVM的发酵过程建模及优化控制

王鲜芳^1,2,潘丰¹

1.江南大学通信与控制工程学院，江苏无锡 214122
2.河南科技学院信息工程系，河南新乡 453003

收稿日期:2008-04-10 修回日期:2008-05-19 出版日期:2008-10-01 发布日期:2008-10-01
通讯作者: 王鲜芳

Modelling and Optimized Controlling of fermentation process based on IGA-SVM

WANG Xian-fang^1,2,PAN Feng¹

1.School of Communication and Control Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China
2.Department of Information Engineering，Henan Institute of Science and Technology，Xinxiang，Henan 453003，China

Received:2008-04-10 Revised:2008-05-19 Online:2008-10-01 Published:2008-10-01
Contact: WANG Xian-fang

摘要/Abstract

摘要： 利用免疫遗传算法（IGA，Immune Genetic Algorithm）的全局搜索功能和支持向量机（SVM，Support Vector Machine）泛化能力强的特点，选择合适的状态变量，对发酵过程建立动态时变模型。利用该模型和算法对一些不能在线测量的生化状态变量进行在线预估，并对一些关键的操作变量进行了优化。通过对谷氨酸发酵过程的实际应用，验证了该方法的有效性。

关键词: 免疫遗传算法, 支持向量机, 状态变量, 智能控制

Abstract: Utilizing the global search ability of Immune Genetic Algorithm（IGA） and the high generalization ability of Support Vector Machine（SVM），selecting the appropriate state variables，a dynamic time-varying model has been built.Some biochemical state variables which can not be measured on-line would be pre-estimated by using this method，and some operational variables would be optimized.It is proved that the method is efficiency through the practical application of glutamic acid fermentation process.

Key words: Immune Genetic Algorithm（IGA）, Support Vector Machine（SVM）, state variables, intelligence control

王鲜芳^1,2,潘丰¹. 基于IGA-SVM的发酵过程建模及优化控制[J]. 计算机工程与应用, 2008, 44(28): 187-189.

WANG Xian-fang^1,2,PAN Feng¹. Modelling and Optimized Controlling of fermentation process based on IGA-SVM[J]. Computer Engineering and Applications, 2008, 44(28): 187-189.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[6]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	孔松涛，刘池池，史勇，谢义，王堃. 深度强化学习在智能制造中的应用展望综述[J]. 计算机工程与应用, 2021, 57(2): 49-59.
[11]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[12]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[13]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[14]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[15]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.

基于IGA-SVM的发酵过程建模及优化控制

Modelling and Optimized Controlling of fermentation process based on IGA-SVM

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics