分批发酵

基于级联动态神经网络模型的遗传算法优化Fedbatch发酵过程

级联RNN模型与改进遗传算法相结合优化补料批次本章研究了生物反应器。利用两个递归神经子模型描述了人工饲料速度与生物量产品之间的复杂非线性关系。基于神经网络模型，采用改进的遗传算法确定平滑的最优进给速度曲线。基于神经网络模型的最佳投料量曲线的最终生物量产量达到了实际产量的99.8%。。。

发酵过程

发酵是微生物学家用来描述通过大规模培养微生物1生产产品的任何过程的术语。该产品可以是细胞本身，称为生物质生产。ii微生物自身的代谢物，指天然或遗传改良菌株的产物。iii微生物外来产品，指重组DNA技术或基因工程菌株的产品。有三种类型的。。。

流程优化

优化控制策略的系统开发补料批次发酵过程生物技术相关行业和学术研究2、7、14都特别感兴趣，因为它可以提高经济和环境效益成本比。许多以生物技术为基础的产品，如医药产品、农产品、特种化学品和生化制品，都是在美联储生产的-分批发酵商业上。补料批次通常优于分批。。。

级联递归神经网络模型的实验验证

本章研究用于模拟台架规模的级联RNN模型补料批次酿酒酵母的发酵。通过使用从不同进给速度剖面的实验中收集的数据进行训练和验证，对模型进行了实验识别。采用数据预处理方法提高神经网络模型的鲁棒性。结果表明，DO级联神经模型的生物量预测能力最好。大量的仿真研究。。。

结论

在这本书中，许多与监测、建模和优化补料批次发酵过程介绍了。该研究侧重于人工智能方法，尤其是RNN和GAs。这两种技术可以单独使用，也可以结合使用，以实现研究中的各种目标。这些方法的最大优点是实现灵活、原型开发速度快和高效益成本比。他们在生物技术过程中的应用。。。

多进料箱

In the case of multiple feeds, the best trajectories were determined for two separate feeds of glucose and glutamine. Again the number of intervals within 10 days and the number of the individuals of a generation were respectively selected as 10 and 1000 (i.e., m 10 and q 1000). Note that the feed rate vector for this case is Vi( g) pii( g) Pi2( g) Pi2m( g) (i 1,2, , q) ( 2.