基于聚类与改进主元回归的赖氨酸发酵软测量建模及应用的任务书.docx

基于聚类与改进主元回归的赖氨酸发酵软测量建模及应用的任务书
一、研究背景与意义
赖氨酸是一种重要的氨基酸，在家禽、家畜等方面具有广泛的应用。赖氨酸生产是通过发酵工艺实现的，因此了解发酵过程中关键因素及其相互作用，对于优化发酵工艺、提高赖氨酸产量具有重要意义。软测量技术是一种基于数据分析、统计学和数学模型等方法，实时监测和预测复杂工艺过程的技术手段。软测量技术可以直接使用过程数据，通过数学方法对数据进行分析、统计和建模，从而实现对过程的实时监测和预测控制。
现有的软测量技术在赖氨酸发酵过程监测和预测控制方面已经有所应用。但是，目前存在以下问题：（1）数据预处理方法在特征提取及去噪方面存在不足，导致建模精度不高；（2）建模方法单一，难以捕捉时间序列数据的动态变化特性；（3）建模方法与实时控制策略脱节，难以实现实时调控。
因此，本研究旨在基于聚类与改进主元回归的软测量技术，对赖氨酸发酵过程进行建模和预测控制。通过将聚类方法应用于数据预处理，探究不同数据处理方法对建模精度的影响；将改进的主元回归方法应用于建模，并引入实时控制策略，实现对赖氨酸发酵过程的在线监测控制，为优化发酵工艺提供有力的技术支持。
二、研究内容和方法
1.数据采集与预处理
本研究将采集赖氨酸发酵过程中温度、PH值、溶氧量、罐内压力等重要参数，构建数据采集系统。对采集的数据进行预处理，包括数据清洗、特征提取等步骤。对于特征提取，将采用小波变换、主成分分析等方法，提取数据中的重要信息。
2.数据聚类方法分析
本研究将探究不同聚类方法对赖氨酸发酵过程的建模精度的影响。常见的聚类方法包括k-means、层次聚类等。通过对不同聚类方法应用于本研究建模过程中的数据集，比较不同方法的效果，并选择合适的聚类方法作为后续建模的数据预处理方法。
3.改进主元回归方法分析
本研究将采用改进的主元回归方法（improvedprincipalcomponentregression,IPCR）进行建模。与传统的主元回归方法相比，IPCR方法引入光谱校正方法对数据进行更准确的处理，改善了建模精度。同时，IPCR方法通过引入惯性权重措施解决了主元关联性的问题，能够更好地捕捉时间序列数据的动态变化特性。
4.算法实现和应用
本研究将通过MATLAB等软件实现数据预处理、聚类、IPCR建模等操作，实现对赖氨酸发酵过程的建模和预测控制。最终，将应用该算法进行赖氨酸发酵过程的软测量建模及辅助实时控制。
三、预期成果
1.基于聚类与改进主元回归的赖氨酸发酵过程软测量建模方法；
2.建模方法的在线监测控制策略，并在实验验证过程中获取预期效果；
3.研究成果将通过论文、会议报告等形式进行发布。
四、研究计划和预算
1.研究计划
阶段
研究内容
计划时间
1
赖氨酸发酵过程数据采集系统构建及数据预处理
1个月
2
聚类算法分析及比较
2个月
3
改进主元回归算法实现及建模
3个月
4
实时监测控制方法及应用
2个月
5
论文撰写与提交
2个月
总计
10个月
2.预算
硬件设备采购：10000元
研究人员工资：50000元
测试试剂及耗材：20000元
其他费用：10000元
总计：90000元
五、参考文献
Chen,Y.,Huang,Y.,Wang,W.,Zhang,J.,&Wu,X.(2019).Softsensingoflysinefermentationbasedonincrementalparameterlearningsupportvectormachine.JournalofChemicalTechnologyandBiotechnology,94(6),1909-1919.
Ding,Y.,Xiong,S.,Li,M.,Hu,Z.,&Ai,Z.(2017).Aself-organizingruleinductionalgorithmbasedimprovedmultiplekernellearningsoftsensingmodelingforlysinefermentation.Computers&ChemicalEngineering,96,48-62.
Zhang,X.,Li,W.,Li,Y.,&Liu,F.(2020).AnovelPCA-basedsoftsensormodelforlysinefermentation.JournalofProcessControl,93,1-13.