10.3969/j.issn.1001-4160.2007.07.007
基于粒子群优化神经网络(PSO-BPNN)算法在发酵过程控制中的研究
针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的PSO-BPNN软测量模型.鉴于标准BP神经网络收敛太慢的缺点,运用PSO算法来优化网络权值,在此基础上,以饲料用β-甘露聚糖酶为对象,建立其基于PSO-BPNN的发酵过程产物浓度状态预估模型.发酵罐控制结果表明:该模型具有很好的学习精度和泛化能力,可实现对β-甘露聚糖酶产物浓度的实时在线预估.
BP神经网络、状态预估、粒子群(PSO)算法、β-甘露聚糖酶
24
TP391(计算技术、计算机技术)
国家高技术研究发展计划863计划2003AA241160
2007-09-10(万方平台首次上网日期,不代表论文的发表时间)
共3页
885-887