PSO-SVR算法在发酵过程控制中的应用

• 作者: 吴晓鹏 徐保国 王海霞 陈树
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量回归(SVR) 状态预估 粒子群优化(PSO)算法 L-天冬酰胺酶Ⅱ
• 年，卷（期）: 2007,（19）
• 所属期刊栏目: 工程与应用
• 页码范围: 214-216
• 页数: 3页
• 分类号: TP391
• 字数: 3141字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.19.061

摘要

针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的支持向量机软测量模型.考虑到该支持向量回归模型的复杂性和推广能力的好坏很大程度上取决于其3个参数(ε,C,γ)能否取到最优值,采用粒子群算法实现对参数(ε,C,γ)的同时寻优.在此基础上,以L-天冬酰胺酶Ⅱ为对象,建立其基于PSO-SVR的发酵过程产物浓度状态预估模型.发酵罐控制结果表明:该模型具有很好的学习精度和泛化能力,可实现对L-天冬酰胺酶Ⅱ产物浓度的实时在线预估.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐保国	江南大学通信与控制工程学院	277	2198	22.0	30.0
2	陈树	江南大学通信与控制工程学院	40	155	8.0	9.0
3	王海霞	江南大学通信与控制工程学院	5	33	3.0	5.0
4	吴晓鹏	江南大学通信与控制工程学院	7	93	5.0	7.0