2．3基于非线-性系统理论的优化控制
    20世纪60年代以来，非线性系统理论的研究进入了一个新阶段，采用微分几何方法(特别是微分流形理论)设计稳定的非线性优化控制器应用广泛。Szederk6nyi等在发酵过程仿射非线性状态空间模型基础上，采用微分几何方法设计状态反馈控制器，并在连续发酵过程中验证了控制方法的有效性。宋毅芳等在发酵过程仿射非线性数学模型的基础上，采用微分几何线性化理论，把非线性系统转化成一个线性系统，并设计了变结构控制器，减小了微分几何方法对系统模型和参数的依赖，控制系统具有良好的动静态性能。
   将微分几何方法引入控制领域，给非线性系统控制带来了飞跃性发展，但也存在一定的局限。微分几何方法对系统模型精度要求很高，复杂发酵过程模型的不确定性和参数的时变性的存在，使得系统控制性能难以得到保障。
2．4基于人工智能技术的优化控制
   人工智能理论及计算机科学技术的进步促使自动控制向智能控制发展，不断丰富和发展的智能控制技术集成了众多学科的特点，解决了许多传统方法难以解决的复杂系统的控制问题。
  智能控制主要有专家控制、神经网络控制等，近年来，将智能控制用于发酵过程优化取得了较好的效果。Guerreiro等开发了一个用户友好的专家系统用于乙醇生产的大型连续发酵单元，理论计算结果和实际结果之间的差异非常小，系统可靠性较高。sar等将滤波器引入实时编码遗传算法中，解决了流加生物反应器的优化控制问题，滤波器的引入优化了控制曲线，提高了算法的收敛性。刘国海等提出了一种将逆系统与神经网络相结合的发酵过程解耦控制方法，该方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性。
   智能控制方法单独模拟人类智能活动时，存在着各自的局限性，如模糊控制难以建立模糊规则和隶属度函数；神经网络控制难以确定网格结构和规模；专家控制难以进行知识获取、知识自动更新等。为弥补这方面的不足，将各种智能方法交叉应用成为控制领域的研究方向之一。Ye等将3种智能控制系统用于重组蛋白流加发酵过程优化，实验结果表明，采用模糊神经网络控制，最终得到高的重组蛋白输出；设计的耦合神经网络估计器的模糊控制系统，通过控制葡萄糖和半乳糖的补给率，实现了发酵过程优化；模糊恒pH器控制系统用于控制葡萄糖的供给率，获得的细胞密度高达72g／L。采用智能方法对发酵过程进行优化控制，在仿真和实验研究中取得了较好的效果。   
   

 

上一篇：微生物发酵过程优化控制技术进展——5

下一篇：微生物发酵过程优化控制技术进展——7