本发明涉及生物反应过程系统辨识,尤其涉及一种基于改进lamb算法的谷氨酸发酵过程辨识方法。
背景技术:
1、谷氨酸发酵过程是一种高度复杂的生物反应过程,其表现出多种非线性特性,不同类型的发酵过程具有不同的特点,同时其具有非线性环节和多输入等干扰导致系统较为复杂,故具有很高的研究价值。为了更好的对谷氨酸发酵过程进行研究,因此需要为谷氨酸发酵过程建立系统模型,同时辨识所建立模型的参数。为此,不少学者们也提出了不同的辨识方法,如:梯度下降算法、最小二乘算法和支持向量机法等。
2、梯度下降算法使用简单且计算迅速,但往往会收敛不到最优解,实用效果不佳;最小二乘法是一种简便高效适用于线性模型的算法,但存在对数据敏感、对非线性关系拟合效果差和对异常值敏感的问题,在使用时需选择并考虑其假设条件需要经验性;支持向量机在处理高维数据时表现优异,具有较强的泛化能力,但对大规模数据敏感,核函数选择较为敏感,计算复杂度高,在调整参数时面临很大的困难。
3、如何解决上述技术问题为本发明面临的课题。
技术实现思路
1、本发明的目的在于提供一种基于改进lamb算法的谷氨酸发酵过程辨识方法,本发明提出的改进lamb算法是一种基于自适应矩估计优化的随机梯度类算法,因为其计算量远小于智能算法,故辨识速度高,同时计算精度远好于传统梯度优化算法,能较好的适用于对谷氨酸发酵过程的参数辨识。
2、本发明是通过如下措施实现的:具体包括以下步骤:
3、步骤1)建立谷氨酸发酵过程的多输入单输出wiener-oear模型。
4、步骤2)构建改进lamb算法的辨识流程。
5、作为本发明提供的基于改进lamb算法的谷氨酸发酵过程辨识方法进一步优化方案,所述步骤1)的具体建模步骤如下:
6、步骤1-1)构建谷氨酸发酵过程的多输入单输出wiener-oear模型:在式(1)中,y(t)为系统的输出,w(t)为系统输入白色噪声,是系统第n个输入的无干扰输出:
7、
8、其中xi(t)和w(t)分别表示为:
9、
10、
11、是系统的线性部分输出,同时也是不可测的中间变量:
12、
13、ai(z-1),bi(z-1)和c(z-1)是关于后移算子z-1的多项式:
14、z-1y(t)=y(t-1),
15、
16、
17、
18、步骤1-2)根据式(2)、(3)和(4)可以得到输出y(t)与输入ui(t)、中间变量干扰项w(t)和误差v(t)之间的关系,其中,
19、
20、
21、对干扰部分w(t)的定义如下:
22、
23、式(1)可以重新表示为:
24、
25、代入(3)和(4)可以得到:
26、
27、其中,参数估计向量η和系统输入输出数据向量分别为:
28、
29、
30、
31、作为本发明提供的基于改进lamb算法的谷氨酸发酵过程辨识方法进一步优化方案,所述步骤1)的模型为多输入单输出wiener-oear系统的模型。
32、作为本发明提供的基于改进lamb算法的谷氨酸发酵过程辨识方法进一步优化方案,所述步骤2)构建改进lamb算法的辨识流程的具体步骤如下:
33、步骤2-1)将溶解氧浓度和氧摄取率作为谷氨酸发酵过程模型的输入数据,谷氨酸浓度为输出数据;
34、步骤2-2)定义适应度函数
35、
36、其中:ld是数据长度,是系统输出的估计值,y(t)是系统的实际输出值;
37、步骤2-3)根据式(6)对适应度函数求梯度:
38、
39、步骤2-4)根据式(7)求出改进lamb算法一阶矩估计和二阶矩估计的改进参数值ζ1(t),ζ2(t):
40、
41、步骤2-5)根据式(8)求出改进lamb算法的无偏一阶矩估计和无偏二阶估计数值
42、
43、步骤2-6)根据式(9)选择适当收敛性限制参数r:
44、
45、步骤2-7)根据式(10)求出参数估计向量
46、
47、步骤2-8)判断是否达到最大递推次数ld,若没有达到,程序跳转到步骤2-2),若达到,进入步骤2-9);
48、步骤2-9)输出辨识所得参数估计向量完成参数辨识。
49、与现有技术相比,本发明的有益效果为:
50、(1)本发明建立了谷氨酸发酵过程参数辨识的模型,将溶解氧浓度和氧摄取率作为输入数据,利用改进lamb算法对该模型参数进行辨识。由图4和图5可知,该算法可以很好的辨识模型参数。
51、(2)相比lamb算法,改进lamb算法对一阶矩估计算式中的第二项加上一个根据时间逐渐减小的一个系数,使得加快其在前期的收敛效果,同时增加一个随递推时间不断变化的动态扰动因子,提高其全局搜索能力,让其跳出次优解,同时因为参数为自适应的,故以往梯度数据也会减弱对当前时刻一阶矩估计和二阶矩估计的影响,因此就会使得收敛速度得到提升。
52、(3)改进后的lamb算法能够更好地辨识多输入单输出非线性系统,辨识精度高,参数估计误差小。这也说明本辨识方法对于谷氨酸发酵过程有较好的适用性。
1.一种基于改进lamb算法的谷氨酸发酵过程辨识方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于改进lamb算法的谷氨酸发酵过程辨识方法,其特征在于,所述步骤1)的建模步骤如下:
3.根据权利要求1所述的基于改进lamb算法的谷氨酸发酵过程辨识方法,其特征在于,所述步骤2)构建改进lamb算法的辨识流程的具体步骤如下:
4.根据权利要求2所述的基于改进lamb算法的谷氨酸发酵过程辨识方法,其特征在于:步骤1-2中得到的新的参数估计向量η为:
5.根据权利要求3所述的基于改进lamb算法的谷氨酸发酵过程辨识方法,其特征在于:所述的改进lamb算法的改进方法为加入动态变化的权值ζ1(t),ζ2(t)。