基于注意力LSTM的多阶段发酵过程集成质量预测

摘要：

考虑到发酵过程的动态特征对阶段划分的影响,为提高模型预测精度,提出一种基于注意力LSTM的多阶段发酵过程质量预测方法.首先,将原始三维数据沿批次展开,对每个时间片矩阵进行偏最小二乘(PLS)分析得到表征过程变量的得分矩阵和表征质量变量的得分矩阵,采用仿射传播(AP)聚类算法将联合得分矩阵进行聚类,实现第1步划分;然后,采用encoder-decoder模型将表征过程动态性的动态特征提取出来,采用AP算法对其进行第2步划分;最后,综合分析两步划分结果,将生产过程划分为不同的稳定阶段和过渡阶段,对划分后的各个阶段分别建立注意力长短期记忆(LSTM)集成质量预测模型.将该方法应用到青霉素发酵仿真数据和大肠杆菌实际生产数据进行验证,结果表明了所提出方法的可行性和有效性.

关键词：发酵过程;多阶段;偏最小二乘;动态性;过渡;质量预测

所属期刊栏目：37

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;北京市自然科学基金;北京市自然科学基金;山东省重点研发计划项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：616-624