【摘要】：間歇過(guò)程是生物制藥、精細(xì)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(diǎn),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(dòng)態(tài)性、工藝控制要求高等特點(diǎn)。發(fā)酵過(guò)程是一種典型的間歇過(guò)程,發(fā)酵過(guò)程關(guān)乎經(jīng)濟(jì)發(fā)展和人民生活水平的提高,生物制藥是國(guó)務(wù)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(guò)程的批次不等長(zhǎng)特性、動(dòng)態(tài)特性和多階段特性,研究以往方法在進(jìn)行監(jiān)測(cè)時(shí)存在的問(wèn)題,通過(guò)建立高效高精度過(guò)程監(jiān)測(cè)模型,降低監(jiān)測(cè)的誤報(bào)警率和漏報(bào)警率,保障運(yùn)行安全,做到及時(shí)捕捉發(fā)酵過(guò)程中各檢測(cè)變量的變化,若發(fā)現(xiàn)監(jiān)測(cè)故障,及時(shí)通知工作人員,工作人員通過(guò)調(diào)整發(fā)酵環(huán)境或暫停生產(chǎn),盡可能的提高產(chǎn)物質(zhì)量穩(wěn)定生產(chǎn)或者減少損失,進(jìn)而減少能源消耗和資源浪費(fèi)。研究成果一旦獲得推廣,會(huì)極大地提高發(fā)酵過(guò)程生產(chǎn)的安全性,減少事故的發(fā)生和資源的浪費(fèi),創(chuàng)造較大的經(jīng)濟(jì)效益和社會(huì)效益。本文的主要工作內(nèi)容如下:(1)研究多約束動(dòng)態(tài)時(shí)間規(guī)整方法解決批次間不同步問(wèn)題為了解決發(fā)酵過(guò)程的批次不等長(zhǎng)問(wèn)題,同時(shí)克服傳統(tǒng)DTW算法在處理該問(wèn)題時(shí)導(dǎo)致被切割數(shù)據(jù)和信息丟失、監(jiān)測(cè)樣本變量的之間的相關(guān)關(guān)系和變量交叉相關(guān)關(guān)系發(fā)生變化的問(wèn)題,提出多約束動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping,DTW)方法進(jìn)行發(fā)酵過(guò)程數(shù)據(jù)同步處理,將各發(fā)酵批次的數(shù)據(jù)按照點(diǎn)與點(diǎn)的模式進(jìn)行動(dòng)態(tài)匹配,解決傳統(tǒng)DTW方法長(zhǎng)時(shí)間運(yùn)行造成的故障監(jiān)測(cè)嚴(yán)重滯后問(wèn)題。(2)提出種群多樣性的自適應(yīng)權(quán)重粒子群優(yōu)化的劃分階段方法針對(duì)發(fā)酵過(guò)程的多階段特性,研究聚類算法在進(jìn)行階段劃分時(shí)存在的不足。采用基于種群多樣性的自適應(yīng)慣性權(quán)重的粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法對(duì)仿射傳播(Affinity Propagation,AP)聚類進(jìn)行改進(jìn),指導(dǎo)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(cè)模型,實(shí)現(xiàn)發(fā)酵過(guò)程監(jiān)測(cè)對(duì)基于種群多樣性的自適應(yīng)慣性權(quán)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(guò)程的數(shù)據(jù)樣本進(jìn)行自回歸主元分析(Autoregressive Principal Component Analysis,AR-PCA)建模以消除各階段的動(dòng)態(tài)性及變量間自相關(guān)和互相關(guān)影響,對(duì)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(guò)程監(jiān)測(cè)。(4)大腸桿菌發(fā)酵現(xiàn)場(chǎng)實(shí)驗(yàn)研究理論的提出最終要應(yīng)用在實(shí)踐生產(chǎn)中,為了檢驗(yàn)本文研究方法的實(shí)用性,本文依托大腸桿菌發(fā)酵,將多階段發(fā)酵過(guò)程監(jiān)測(cè)方法應(yīng)用于大腸桿菌發(fā)酵過(guò)程的現(xiàn)場(chǎng),實(shí)驗(yàn)證明,該方法可以大大提高生產(chǎn)過(guò)程的監(jiān)測(cè)效果,當(dāng)生產(chǎn)過(guò)程出現(xiàn)異常時(shí),及時(shí)監(jiān)測(cè)到故障,提高生產(chǎn)效率。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TQ920.6
【圖文】：

- 21 -青霉素發(fā)酵過(guò)程中，各批次持續(xù)時(shí)間為 400h 左右，本文中，每隔 0.5h 對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行一次采樣。圖 2-6 為 Pensim 仿真平臺(tái)參數(shù)設(shè)置發(fā)酵時(shí)間為 396 小時(shí)的操作界面，圖2-7為當(dāng)發(fā)酵過(guò)程持續(xù)時(shí)間設(shè)置為 396小時(shí)時(shí)，各參數(shù)值的變化。圖 2-6 Pensim 仿真平臺(tái)參數(shù)設(shè)置發(fā)酵時(shí)間為 396 小時(shí)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(tái)參數(shù)設(shè)置發(fā)酵時(shí)間為 400 小時(shí)的操作界面，圖 2-9為當(dāng)發(fā)酵過(guò)程持續(xù)時(shí)間設(shè)置為 400 小時(shí)時(shí)，各參數(shù)值的變化。在進(jìn)行青霉素發(fā)酵數(shù)據(jù)采集和監(jiān)測(cè)實(shí)時(shí)，青霉素發(fā)酵過(guò)程實(shí)驗(yàn)變量選取如表 2-1 所示。

青霉素發(fā)酵過(guò)程中，各批次持續(xù)時(shí)間為 400h 左右，本文中，每隔 0.5h 對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行一次采樣。圖 2-6 為 Pensim 仿真平臺(tái)參數(shù)設(shè)置發(fā)酵時(shí)間為 396 小時(shí)的操作界面，圖2-7為當(dāng)發(fā)酵過(guò)程持續(xù)時(shí)間設(shè)置為 396小時(shí)時(shí)，各參數(shù)值的變化。圖 2-6 Pensim 仿真平臺(tái)參數(shù)設(shè)置發(fā)酵時(shí)間為 396 小時(shí)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(tái)參數(shù)設(shè)置發(fā)酵時(shí)間為 400 小時(shí)的操作界面，圖 2-9為當(dāng)發(fā)酵過(guò)程持續(xù)時(shí)間設(shè)置為 400 小時(shí)時(shí)，各參數(shù)值的變化。在進(jìn)行青霉素發(fā)酵數(shù)據(jù)采集和監(jiān)測(cè)實(shí)時(shí)，青霉素發(fā)酵過(guò)程實(shí)驗(yàn)變量選取如表 2-1 所示。

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

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

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

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

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

本文編號(hào)：2774271