基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
青霉素发酵过程是一个严重非线性、时变、复杂的动态过程,发酵过程中一些关键参数(如菌体质量浓度Px、基质质量浓度ps和产物质量浓度(pP)难以通过常规仪表在线测量,这些参数的获取非常耗时和困难.提出一种基于粒子群模糊神经网络逆(PSO-FNN逆)的软测量方法.首先给出青霉素发酵过程数学模型,然后根据逆系统理论证明其可逆性,在此基础上构建基于PSO-FNN逆的青霉素发酵软测量模型,最后通过仿真验证该方法性能.仿真结果表明:PSO-FNN逆的青霉素发酵软测量方法能够结合基于发酵机制和纯数据驱动2种软测量方法的优点,对不直接可测的关键参数实现在线软测量,较PSO-BPNN逆和PSO-BPNN软测量方法具有更高的预测精度和更强的预测能力.
推荐文章
基于改进DPC的青霉素发酵过程多模型软测量建模
改进密度峰聚类
算法
软测量
模型
发酵
基于PSO-SVM逆的赖氨酸发酵过程软测量
粒子群算法
支持向量机
逆扩展模型
L-赖氨酸发酵
青霉素发酵过程优化控制问题及方法研究
青霉素
发酵过程优化
建模方法
优化控制
模糊支持向量机在青霉素发酵中的应用
支持向量机
模糊
菌体浓度
距离
序列最小优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSO-FNN逆的青霉素发酵软测量方法
来源期刊 南京工业大学学报(自然科学版) 学科 工学
关键词 发酵 软测量 粒子群模糊神经网络 逆系统
年,卷(期) 2011,(6) 所属期刊栏目
研究方向 页码范围 77-81
页数 分类号 TP301.6
字数 2888字 语种 中文
DOI 10.3969/j.issn.1671-7627.2011.06.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄丽 江苏大学电气信息工程学院 17 142 7.0 11.0
2 孙玉坤 70 555 13.0 19.0
3 嵇小辅 江苏大学电气信息工程学院 41 524 13.0 22.0
4 马长华 江苏大学电气信息工程学院 15 351 10.0 15.0
5 仇毅 江苏大学电气信息工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (56)
共引文献  (55)
参考文献  (8)
节点文献
引证文献  (2)
同被引文献  (12)
二级引证文献  (2)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(15)
  • 参考文献(2)
  • 二级参考文献(13)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
发酵
软测量
粒子群模糊神经网络
逆系统
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京工业大学学报(自然科学版)
双月刊
1671-7627
32-1670/N
大16开
南京市浦珠南路30号
1979
chi
出版文献量(篇)
3082
总下载数(次)
9
总被引数(次)
24308
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导