谷氨酸发酵工艺参数的模式识别优化设计

谷氨酸发酵

一

生物工程学报树‘曲用

一月

,

谷氨酸发酵工艺参数的模式识别优化设计徐驰,

中国科学院上海冶金研究所

上海

。。

陈超菊

王焕章,

孙剑萍广东

广东肇庆星湖味精集团公司

要应用模式识别调优法对谷氨酸发酵的各项可控工艺参数如值温度风量进行优化设计以多维空间图象处理技术揭示模式空间的可视优化区结合等模拟法从低维映照平面逆照到高维原始空间设计了若干组优化工艺条件经生产试验后补充新的生产记录再行设计新的数学模型对比试验表明按模式识别优化设计的工艺条件优化设计方案已操作糖酸转化率提高产酸率提高罐产量提高投人实际生产应用该方法对降低原料单耗产品成本具有很大潜力摘,,,。

,

,

,

,

。

,

,

,

。

。

、

。

关镇词

谷氨酸

,

发酵

,

优化设计

,

模式识别“

模式识别调优技术是国家科委应用于化工转化率、、

七五

”、

“

八五

”

期间重点推广的科技成果。

,

已广泛

冶金等行业,、

。

将这一技术应用于发酵行业是一次新的尝试,

谷氨酸发酵过、

程涉及诸多工艺因素

这些工艺因素之间互相制约,

它们与调优目标。,

如产酸率

糖酸,

产量

发酵周期等,

之间不存在直接的对应关系既能提高产酸率、

对谷氨酸发酵过程而言,

优。

化设计必须考虑多目标优化如果光调整某一工艺参数

糖酸转化率,

同时又希望缩短生产周期,

往往满足了某一调优目标,

却不能满足另一调优目标。

甚至

顾此失彼

。

有鉴于此

,

在本项研究中综合性考虑多变量的相互关系给出各种工艺参数的最佳组合

在满足多个调优目

标的前提下找出最佳工艺优化区

模式识别调优方法和模型〔〕是人模式识别又称图象识别是随着计算机技术发展起来的一种信息处理技术,

,

‘

,

工智能的一种,

,

已广泛应用于文字识别

、

指纹识别〔一‘。

、

遥感图象识别等,

。

近年来,

,

,

我们将,

模式识别方法应用于工艺过程的优化设计,

由于模式识别调优技术以生产批报记录有明显功效。

作依据不需进行大量试验工作基本上不改动原有生产设备因而见效快成本低对降低原材料单耗墓本原理

在高维模式空间中,、

质量改善和提高产量

收率

每一个工艺过程被看作是一个样本点。

,

对应于不同目标值的大,

量工艺过程就成了模式空间中弥散分布的点群若干类别置,,

按照不同的目标值。

可以将样本划分为,

根据

“

物以类聚

”

的原理

,

性质相近的样本在模式空间中亦分布在相近的位运用适当的数学方法,一

而性质不同的样本在模式空间中则分布在不同的区域,目

比如

降维方法

可以将高维空间图象映照成人们可视的二维或三维图象,

从而可以找到高产,

醚奎塑丝些速塑学模型反馈到该工艺中去本文于年月日收到。

则使生产过程攀在高产酸率区定

同时

1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

谷氨酸发酵

期

徐驰等

谷氨酸发酵工艺参数的模式识别优化设计。

亦能找出影响该工艺过程的主要影响因素区的方式,

如该优化区为开放式

,

则可以通过外延优化。

使产品质量

、

产量在优化区的基础上向更高的优化目标发展。

计算步骤

本工作中应用的模式识别调优方法分为三大步骤线抽提有用信息等得出对分类,、

从发酵过程的实际批报记录、、

、

曲

并经数据预处理包括数据标准化变量加权变量替代变量筛选判别最有用的特征变量集为使得出的数学模型便于实际操作在筛,、

、

选特征变量时

,

既要包括对分类,

判别起主要影响的那些变量如,

,

同时选定的特征变量数

也不宜过多运用各种合适的模式识别方法映工艺过程性质的模式空间照平面上设定若干优化点干套优化的工艺参数组合,

,

,

非线性映射等,

建立最能反在映

并通过降维方法,、

找出对优化区最敏感的映照平面,

并将这些优化点逆映照到原始数据空间三个步骤完成后。

以设计出一套或若

将优化设计的方案进行考核试验,

考核试

验的生产批报记录加入原来的训练集数据之中符合设定目标的优化设计方案

重复上述三步

。

经几次反馈

,

即可得到

计算结果样本和特征变量及数据预处理以每罐发酵过程作为一个样本在特征变量选择中。

,

必须包括可测可控变量

,

包括

底液的理化指标及有关的操作

参数

如温度。

、

风量

、

值等为,

。

为了简化模型和得出的,

模型便于可操作二阶段了,

,

将发酵过程分为三个阶段

一

小时为第一阶段

一

小时为第

小时至结束为第三阶段了

选用的特征变量

列表如下‘

了

‘

底液透光率写

初糖浓度

底液

二级种培养

净增值

第一阶段值均值

第二阶段值均值

值

结束时

值

了

第三阶段值均值

第一阶段风量

第二阶段风量

第三阶段风量

第一阶段温度

第二阶段温度均值

第三阶段温度

均值

均值

均值

均值

均值

调优目标包括产酸率发醉周期

糖酸转化率

产量

写

小时

共收集原始数据集

批生产批报作为原始数据集

一

。

为了使原始数据范围趋向一致对,

俨

,

进行标准差标准化处理,

俨一

’

一叉,

,

1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

谷氨酸发酵

生曰

物月一

工

程

学

报八

卷

一

,

卜

浦曰

州

浦卜

寸咤、

尸叫

帅的

沂

户洲

哈缺

瞬

曰

,

次

洲

卜

旧

寸

仍

争‘的。』。』目创工卜二一工怂』的若日

次

洲

哪

寸

月

卜】

州

的

口勺尸州

仍》力

卜

对

仍

州娜李椒释裂粗界华状世

工。袱

、】

阅

公

的

们

的哪

。

。

浦洲

卜

工伪

。

卜

卜

岁国

尸叫

浦

口的

。

的

仍们

洲

。

吧

口

州叫〕

尸州

呼

浦洲

仍工尸司

洲

的

瞬

。

卜

。

卜

的仍

二

哪仍

寸的

浦

卜

卜

叫帅

工

甫

公护州

亡门

卜户州

的

卜

一仍

,

岁

翻

吧

〕

工

。

浦

寸

仍

的

州仍

昌

户,

卜

尸叫

的

的

囚

目书

】

咬妇

、】

浦

,

‘约。

工

瞬仍匀

的

呼

的

。

曰的

寸

洲

浦

咨盏

分

侧尸州

公尸叫

今】呀州

户州

尸叫

洲

洲

。

的

的

洲

卜】州尸叫

的

咤口尸叫‘

尸刊

卜

的

侧

。

叮

哪

曰工

。

洲

工

沂浦浦浦浦浦浦浦浦

沂浦浦者蜻

“

亡

卜

卜

仲

1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

谷氨酸发酵

期,,,,

徐驰等

谷氨酸发酵工艺参数的模式识别优化设计

一二,一去式中’

“

‘

甲山灯明胃“月‘

,

,‘。

、,’

,

,

“子‘

下一山二

士

又下

,

,

,‘

,、

川

、

“

尸一,,

二“

、

、

‘’

模式识别与显示分析

“

一

,

’

…“‘

“

一一

‘

’

…

本工作中应用了主成分分析法将,

〔〕,

这是模式识别中较为广泛

应用的一种线性映射即,

个特征变量组合成,

个主成分。

,

在,

维模式空间对样本集进行分割批生产批报的实际情况,

。

在模式识别小时第。

中建立合理的评判准则很重要三类样本显然,

根据

,

按糖酸转化率和发酵在第二。。

周期双目标将样本分为三类第一类样本糖酸转化率笋,

发酵周期成

糖酸转化率,

写

,

发酵周期,

小时,

。

其余则为第二类样本

类样本中有的糖酸转化率虽高但发酵周期长有的发酵周期虽短但糖酸转化率较低很,

就原始数据集而言

第一类样本是较优样本,

而第三类样本则属较差样本。

为了增加模式空间的可分性

可对变量加权

,

以突出某些特征变量

权因子

,

取该

变量的类间偏差

习

’

和类内偏差

习。

’

之比

习艺由于主成分为求矩阵,

‘

,

,

一

,

…

一

,

…

’

,

一

,

是

个特征变量的线性组合

,

若用矩阵表示为见表、。。

可先求出特征变量的相关系数矩阵。

计算表明、

,

这些特征

变量之间没有明显的线性相关直接的对应关系,、

每个特征变量与糖酸转化率,

产量

产酸率之间亦没有如第三阶段的,

可见光调整某一参数对调优目标影响不大

个别参数

值

温度

对发酵周期有影响

糖酸转化率

、

产酸率与产量之间有明显的线性相关。,

但上述三个目标与发酵周期之间不存在明显相关性用雅可比方法计算

矩阵的特征值和特征向量其方法是通过一系列正交相似变换入,,

使…

矩阵对角化

。

它的对角元素即为所求的特征值,

而特征向量即是

矩阵

。

将。

孟值按大小依次排列

使

入

入

…

称它们所对应的特征向量分别记为,,

,

,

,

为了将高维模式空间中。

个样本映射到二维平面,,

可选择其中二个特征向量构成。

映射平面

若选择的特征向量为,

则各样本点在该映射平面的坐标值为一

第一主成分射平面个区域。

一岛,

,

第三主成分

图

给出以第主类

,

,

构筑的映

在此映射平面中

较优样本

第一类

和较差样本

清晰地分布在二

。

其中·

孑,,

·

·

一,,

·

·

一·

·

一·

·

一

·

。

,。

,

,

,

一,·

一·

。

十,

。

·

。

·

厂可由图

·

·

在该图中第一类样本和第三类样本区之

间可用一直线,

一

,

分开该直线一,

。

在高维模式空间中实际上是一超平面

,

、

求出

。

令

一

一一

1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

谷氨酸发酵

生

物二。

工

程

学一·

报·

卷。

则

一

,

一,

一一

一

。

一

·

,

一

·

一

一

一

二、、、、一

沪￡一

份

一

,

‘肠

一

一

一

图

主成分分析结果

样本

,

第

,

主成分

,

之〕

一。‘

欲使样本落入优化区数与优化目标之间的关系式均值为言之,

一要求该样本的的下方,

△

值小于…,

—,

。

由此可建立各工艺参,

由于各工艺参数,

,

,

,

,

已经标准差标准化处理,

其,’

。

,

由

方程可知

,

要达到,

则为。,

,

,

‘

,

,

,

,

,,

“

’

宜高于实际操作平均值无论是底液的,

而带正系数的,。

。

,

,

,

则宜低于实际操作平均值

。

简

值还是发酵过程的

值

,

宜比原定工艺参数要低

而发酵过

程的温度和风量

则比原定工艺参数要高,

逆映照法优化设计工艺参数由图可看出从左上到右下的箭头代表了优化方向、

从糖酸转化率低

、

发酵周期,

较长的区域到糖酸转化率高

发酵周期较短的区域,

。

可以认为。

在箭头的外延方向存在

着一个比现有的第一类样本区更佳的优化区参数不宜波动过大等点,

右下角

考虑到实际操作的可行性,

工艺,,

,

因而采用逐步微调的方式,

即在第一类样本区的外围设定。

方

如经生产试验证实有效,

则可再向右下角外延

为求解。

、

、

、

等点所对个优化点

应的有关工艺参数需将二维平面上的点逆映到多维原始数据空间在本文中采用法模拟计算最佳工艺参数的位置,,

其计算方法在文中已作报道组工艺参数,,,

‘〔,

。

根据设定的。

可模拟计算出相对应的

,

…

,

由前述的标准差标准

1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

谷氨酸发酵

期

徐驰等,

谷氨酸发酵工艺参数的模式识别优化设计

化公式

即可得到各点所对应的实际操作工艺参数

见表,

。

如

点

禁

,

一

币

。

,

,

一

…

,

表

模拟计算的优化工艺参数孟,

,

丁

了

了

‘

日

了

了

了

了

全

了一

了

一一艺

一一一

一一一

一一一

一月

一八

,

一八‘

「

一

一

。

—

一一一

〔

一

一

一一,

‘

根据上述优化设计方案并结合发酵工艺实际情况制定实际生产工艺规程据,

。

批试验祥本统计批用糖减少

,

糖酸转化率提高。

,

罐产量提高。

线

,

产酸率提高。

,

单

优化设计方案已投入实际应用,

模式识别调优技术

为生化行业提高产品质量和产量开辟了新的途径

参〔〕〔〕徐

考,

文,

献,

〔〕徐〔〕徐

驰张嘉法金属学报驰等应用科学学报驰等中国有色金属学报,,

、

,

增刊,

,

,

,

,

,

,

〔〕

,

口,

。

了

刀

,

山脚

,

,,

,

一

,了

刀子护

沉之

,

阅

,之

,

“,

刀

,

,

,

,

一

,

,

,

·

,

,

,

,

,

1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

本文来源：https://www.bwwdw.com/article/6dhq.html