项目名称: 基于混合模型及其校正策略的发酵过程实时优化研究

项目编号: No.61304121

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 牛大鹏

作者单位: 东北大学

项目金额: 22万元

中文摘要: 为了提高发酵过程的生产水平和经济效益,有必要对其优化控制问题进行深入研究。现有的发酵过程优化方法多为基于机理模型的离线优化,由于发酵过程极其复杂且具有慢时变特性,经常出现模型失配及优化结果难以实施等问题。为此,本项目提出开展基于混合模型及其校正策略的发酵过程实时优化研究:根据发酵过程特性,提出采用分时段思想建立其基本机理模型、并利用集成建模方法建立经验模型的混合建模思路,同时对建模过程中的异常数据检测与处理问题进行深入探讨;基于模型预测可信度和参数灵敏度分析的思想,进行混合模型的校正;将模型预测可信度约束作为不等式约束加入发酵过程的动态实时优化模型中,开发高性能的优化算法求解优化问题,并结合可行性分析和迭代学习的思想制定优化结果的实施策略;在发酵实验系统的基础上开发生物发酵过程实时优化控制平台,对所提出的方法进行验证与完善,并面向典型的发酵工业生产过程进行推广应用。

中文关键词: 发酵;混合模型;校正策略;优化控制;参数灵敏度分析

英文摘要: In order to improve production levels and economic benefits of the fermentation process, it is necessary to deeply research its optimal control problems. Current methods for optimization of the fermentation process are mostly off-line, which are based on mechanistic models. However, the models are often not well-matched and the off-line optimization results are difficult to implement, because the fermentation process is extremely complex and has slow time-varying characteristics. In this project, based on hybrid model and its correction strategy, real-time optimization techniques for the fermentation process are proposed: according to specific characteristics of the fermentation process, its multi-phase mechanistic models are established and ensemble modeling methods are used to build the empirical model so as to obtain the hybrid model, while abnormal data detection and processing problems during modeling are deeply investigated; hybrid model correction is carried out on the basis of model prediction reliability and parameter sensitivity analysis; with model prediction reliability constraints being added into the fermentation dynamic real-time optimization model as inequality constraints, high-performance optimization algorithms are developed for the optimization problem, then the implementation strategy of th

英文关键词: fermentation;hybrid model;correction strategy;optimal control;parameter sensitivity analysis

成为VIP会员查看完整内容
0

相关内容

【NeurIPS 2021】 基于置信度校正的可信图神经网络
专知会员服务
20+阅读 · 2021年12月26日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
19+阅读 · 2021年10月3日
专知会员服务
52+阅读 · 2021年9月18日
专知会员服务
92+阅读 · 2021年6月23日
专知会员服务
26+阅读 · 2021年4月22日
专知会员服务
20+阅读 · 2020年10月4日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
专知会员服务
107+阅读 · 2020年5月21日
作业帮基于Flink的实时计算平台实践
AI前线
0+阅读 · 2022年1月27日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
直播预告 | 信息流广告冷启动策略优化
图与推荐
1+阅读 · 2021年11月10日
【SIGIR2021】使用难样本优化向量检索模型
专知
4+阅读 · 2021年4月22日
【Flink】基于 Flink 的流式数据实时去重
AINLP
14+阅读 · 2020年9月29日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
57+阅读 · 2020年7月12日
已删除
将门创投
11+阅读 · 2019年7月4日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
10+阅读 · 2021年2月18日
Arxiv
42+阅读 · 2019年12月20日
小贴士
相关VIP内容
【NeurIPS 2021】 基于置信度校正的可信图神经网络
专知会员服务
20+阅读 · 2021年12月26日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
19+阅读 · 2021年10月3日
专知会员服务
52+阅读 · 2021年9月18日
专知会员服务
92+阅读 · 2021年6月23日
专知会员服务
26+阅读 · 2021年4月22日
专知会员服务
20+阅读 · 2020年10月4日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
专知会员服务
107+阅读 · 2020年5月21日
相关资讯
作业帮基于Flink的实时计算平台实践
AI前线
0+阅读 · 2022年1月27日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
直播预告 | 信息流广告冷启动策略优化
图与推荐
1+阅读 · 2021年11月10日
【SIGIR2021】使用难样本优化向量检索模型
专知
4+阅读 · 2021年4月22日
【Flink】基于 Flink 的流式数据实时去重
AINLP
14+阅读 · 2020年9月29日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
57+阅读 · 2020年7月12日
已删除
将门创投
11+阅读 · 2019年7月4日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员