首页|基于改进DPC的青霉素发酵过程多模型软测量建模

基于改进DPC的青霉素发酵过程多模型软测量建模

Multi-model soft sensor development for penicillin fermentation process based on improved density peak clustering

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
青霉素发酵过程具有较强的非线性、时变性、阶段性和不确定性,基于单一的软测量模型对产物浓度进行在线估计,难以满足系统对模型精度的要求.针对上述问题,提出一种改进密度峰值聚类的多模型软测量建模方法来估计青霉素发酵过程中的产物浓度.首先,引入相似度函数代替欧氏距离计算样本点的k近邻,并且计算样本点与其k近邻之间的共享近邻,进而利用样本点的k近邻及共享近邻重新定义样本点的局部密度.其次,利用样本点之间的k近邻关系来重新定义样本点的分配策略;通过改进的聚类算法得到各聚类子集,分别建立基于最小二乘支持向量机的软测量模型.Pensim仿真平台的验证结果表明,改进的聚类算法能够更加准确地对样本数据进行聚类,从而有效提高青霉素发酵过程软测量模型的估计精度.

刘聪、谢莉、杨慧中

展开 >

江南大学教育部轻工过程先进控制重点实验室,江苏无锡214122

改进密度峰聚类 算法 软测量 模型 发酵

国家自然科学基金国家自然科学基金江苏省自然科学基金

6140316661773181BK20140164

2021

10.11949/0438-1157.20200802

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2021.72(3)
  • 5
  • 19