摘 要:随着生物技术的快速发展，微生物的发酵在国民经济中发挥越来越大的作用，但青霉素发酵过程具有高度的非线性、时变性和不确定性，重要变量难以在线测得，从而导致发酵过程的优化变得很困难．青霉素发酵过程是比较经典的微生物发酵生产过程，因此对青霉素发酵过程进行建模和优化控制的研究具有很大的应用价值．
在青霉素发酵过程中，合理的补料速率既能维持菌体的正常生理代谢，又能防止青霉素生产能力的衰退，所以补料控制是对青霉素优化控制的关键，通过有效的控制方法对补料速率进行控制十分重要．本文根据青霉素生产菌的生长机理和青霉素分批发酵过程的动力学特性，在Bajpai等建立的形态学结构动力学模型的基础上，以可在线测量的二氧化碳释放率(CER)为基准，通过单神经元自适应PID控制加糖率，使实际过程的二氧化碳释放率跟踪期望轨迹，建立起青霉素发酵过程的模型，并通过仿真实验，验证了神经网络对青霉素发酵控制的适用性，且调节了单神经元PID自适应控制器的重要参数，改善跟踪性能，并与传统PID控制法进行仿真对比，显示单神经元控制的优越性．
关键词：青霉素；二氧化碳释放率；加糖率；神经元网络
目录
摘要
abstract
第1章 绪论-1
1.1研究背景-1
1.2神经网络的发展-2
1.3本文研究的内容-3
第2章 青霉素发酵过程的模型建立-5
2.1微生物发酵方式-5
2.2青霉素发酵过程-5
2.3发酵过程的影响因素-7
2.3.1与代谢有关的参数-7
2.3.2影响因素-7
2.4发酵过程中各参数间的相互关系-9
2.5青霉素发酵过程建模的原理-9
2.6青霉素发酵过程的模型-10
2.6.1细胞生长动力学模型-10
2.6.2青霉素发酵过程动力学模型-11
2.7青霉素的模型建立-12
2.8本章小结-14
第3章 单神经元自适应PID控制系统-15
3.1人工神经网络的基本概念-15
3.2人工神经网络的特点和分类-16
3.3单神经元自适应PID控制器的实现-17
3.3.1常规PID调节器的离散差分形式-17
3.3.2单神经元自适应PID控制系统的构成及其学习算法-18
3.3.3改进的单神经元自适应PID控制-21
3.4本章小结-22
第4章 青霉素发酵系统的控制与仿真-23
4.1参数及参考轨迹设定-23
4.2常规PID的控制-24
4.3单神经元自适应PID控制-24
4.4单神经元自适应PID控制仿真图-26
4.5本章小结-29
第5章 结论与展望-31
5.1结论-31
5.2不足之处及未来展望-31
参考文献-33
致 谢-35
