发酵过程分阶段建模与补料优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 发酵过程分阶段建模研究现状 | 第9-10页 |
| 1.2.1 分阶段建模研究现状 | 第9-10页 |
| 1.2.2 神经网络在发酵过程中的应用 | 第10页 |
| 1.3 发酵过程补料优化研究现状 | 第10-12页 |
| 1.3.1 补料优化研究现状 | 第10-11页 |
| 1.3.2 遗传算法在补料优化中的应用 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 人工神经网络和遗传算法的基本原理 | 第14-26页 |
| 2.1 人工神经网络 | 第14-19页 |
| 2.1.1 神经网络概述 | 第14-15页 |
| 2.1.2 BP神经网络 | 第15-16页 |
| 2.1.3 BP神经网络算法及结构 | 第16-19页 |
| 2.2 遗传算法 | 第19-22页 |
| 2.2.1 遗传算法的基本概念 | 第19页 |
| 2.2.2 遗传算法的基本原理和操作 | 第19-21页 |
| 2.2.3 遗传算法的基本流程 | 第21-22页 |
| 2.3 人工神经网络与遗传算法的结合 | 第22-25页 |
| 2.3.1 神经网络与遗传算法结合的概念 | 第22-23页 |
| 2.3.2 神经网络与遗传算法优化的具体步骤 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于BP神经网络的发酵过程分阶段建模 | 第26-42页 |
| 3.1 毕赤酵母表达重组蛋白发酵过程概述 | 第26-30页 |
| 3.1.1 毕赤酵母表达重组蛋白发酵工艺流程 | 第26-27页 |
| 3.1.2 发酵过程的主要影响因素 | 第27-29页 |
| 3.1.3 发酵过程阶段划分与各阶段特性 | 第29-30页 |
| 3.2 基于BP神经网络的菌体生长阶段模型的建立 | 第30-33页 |
| 3.2.1 获取样本 | 第30页 |
| 3.2.2 数据处理 | 第30-31页 |
| 3.2.3 设计BP神经网络结构 | 第31-33页 |
| 3.2.4 神经网络训练 | 第33页 |
| 3.3 基于BP神经网络的产物生成阶段模型的建立 | 第33-36页 |
| 3.3.1 菌体浓度模型的建立 | 第34-35页 |
| 3.3.2 产物浓度模型的建立 | 第35-36页 |
| 3.4 菌体生长阶段的仿真实验及结果分析 | 第36-38页 |
| 3.5 产物生成阶段的仿真实验及结果分析 | 第38-41页 |
| 3.5.1 菌体浓度模型 | 第38-39页 |
| 3.5.2 产物浓度模型 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于遗传算法和BP神经网络的补料优化研究 | 第42-58页 |
| 4.1 发酵过程的生产方式 | 第42-44页 |
| 4.1.1 分批发酵 | 第42页 |
| 4.1.2 连续发酵 | 第42-43页 |
| 4.1.3 分批补料发酵 | 第43页 |
| 4.1.4 毕赤酵母表达重组蛋白发酵过程生产方式 | 第43-44页 |
| 4.2 菌体生长阶段补料工艺优化 | 第44-46页 |
| 4.2.1 选取决策变量 | 第44-45页 |
| 4.2.2 建立优化模型 | 第45-46页 |
| 4.3 产物生产阶段补料工艺优化 | 第46-48页 |
| 4.3.1 选取决策变量 | 第46-47页 |
| 4.3.2 建立优化模型 | 第47-48页 |
| 4.4 实验仿真及结果分析 | 第48-56页 |
| 4.4.1 菌体生长阶段 | 第48-51页 |
| 4.4.2 产物生成阶段 | 第51-56页 |
| 4.5 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文 | 第64-66页 |
| 致谢 | 第66页 |
