微藻生長速率調節的人工神經網絡模型參考伺服控制器的製作方法

2023-05-13 20:04:11

專利名稱：微藻生長速率調節的人工神經網絡模型參考伺服控制器的製作方法
技術領域：
本發明涉及一種自動調控微藻生長速率的方法，主要針對微藻產業中微藻生長以及相關代謝產物的控制與調節。
背景技術：
由於在微藻的生長過程中可以產生許多有價值的代謝產物，如生物能源類物質——生物柴油、H2等，生物營養類物質——蛋白質、脂肪和維生素等，同時在生長過程中產生O2，並分解利用水體中各種不同的汙染物，所以在人工環境下培養微藻，已經廣泛地應用於工業、農業、商業、國防和空間技術等領域，是目前國內外研究的熱點問題。因為微藻有 益代謝產物的產生和淨化水體功能總是與其生長密切相關的，因此如何對微藻的生長過程進行有效地控制是目前微藻產生面臨的關鍵問題。微藻的生長是複雜過程，其培養裝置系統通常具有高度的非線性、時變性和不確定性，運行過程常常也不會固定在穩定的操作點上，而且在運行過程中會受到各種內部變化和外部擾動的影響，因此傳統的方法如開環控制和PID控制等，都無法有效地對微藻生長進行有效控制，從而導致其產量受到影響。而微藻培養系統非線性控制器的模型同樣難以通過解析和綜合的方法加以確定，或者通過該方法得到的控制器魯棒性和自適應性比較差，很難滿足不斷變化的情況。目前人工神經網絡(ANN)已經成功地運用到複雜系統的辨識與控制當中，由於多層感知器具有全局逼近的功能，使得它在對非線性系統建模和對一般情況下的非線性控制器的實現方面普遍應用。因此在我們運用人工神經網絡模型參考控制(ANN-MRC)方法研製微藻培養系統的閉環控制器，使微藻在其中能夠受控地生長，並具有良好的動態響應和抗擾動性能，對我國的微藻產業發展具有重要的意義。

發明內容
本發明的目的是建立控制微藻(S. platensis)生長速率的控制器,使微藻在人工環境下能夠嚴格精確地受控生長。為達到上述目的，採取的技術方案是通過改變微藻光合作用的2個主要因子一培養系統光強(LED光源)和曝氣速率來調節微藻的生長速率，進而對微藻培養系統中各個反應的速率進行有效調節。為實現自動控制，在MatLab/Simulink中建立ANN-MRC控制器的仿真模型，並通過MatLab/Real-Time Workshop生成C代碼嵌入到單片機中，對ANN-MRC控制器進行快速原型設計，作為實際控制器，通過分光光度計在線測量微藻培養系統中微藻的含量，並把它作為反饋信息，傳輸到ANN-MRC控制器，以電壓脈寬調節方式改變施加在培養系統上的LED光強，並調節曝氣管電磁閥的閥心位置和氣壓改變曝氣速率，影響微藻光合速率，進而影響其生長速率，從而達到自動調控微藻培養系統中微藻生長的目的。儘管本發明是針對S. platensis的ANN-MRC控制器，但其他微藻可以在其具體生長特性的基礎上，對控制器的結構和參數加以校正即可。


圖I為本發明自動調控微藻培養系統中微藻生長方法流程圖；圖2為本發明建立的微藻生長人工神經網絡模型參考伺服控制器結構圖。
具體實施例方式下面結合附圖對本發明的具體實施方式
作進一步詳細的描述。I.基於數值仿真的ANN-MRC控制器設計ANN-MRC控制器結果包括I個參考模型和2個人工神經網絡，I個ANN(ANNjd)用於微藻培養系統的模型辨識，另一個ANN(ANN_ctrl)用於控制器的設計。首先基於數據 訓練ANN_id，並把它作為微藻培養系統的模型來代替其原型進行控制器開發，然後根據需求指定I個狀態空間模型作為參考模型，最後ANN_ctrl被訓練成為高度自適應和魯棒性的控制器，調節ANN_id的輸入，使它的輸出能夠跟蹤參考模型的輸出，並與之保持一致，這意味著具有ANN-MRC控制器的閉環微藻自動控制培養系統將與參考模型具有高度的行為相似性。(I)ANN系統辨識微藻培養系統的輸入和輸出分別是光強、曝氣速率和培養系統中微藻的生長速率，通過同時記錄施加在培養系統上光強、曝氣速率的變化和微藻的生長速率的響應獲得輸入-輸出時域實驗數據，這些長時間的實驗數據被分成2個部分，一部分用於ANN_id學習和訓練，其他用於ANN_id泛化能力的檢驗和測試。(2)模型參考控制器設計在訓練ANN_ctrl作為PBR控制器之前，通過根軌跡和Bode圖法，在S. platensis的生長速率對光強和曝氣速率的響應特徵(如延遲時間、上升時間、峰值時間、超調量和穩定時間等)的基礎上，構建一個在控制作用下對階躍輸入具有理想動態響應的狀態空間形式的參考模型。ANN_ctrl學習和訓練的數據是由參考模型和ANN_id對相同的隨機階躍輸入產生的響應得到的，並把它們分成3組一訓練、確證和測試樣本，綜合運用動態反向傳播法、前期終止法和數值仿真對ANN_ctrl進行離線訓練逐漸減少ANN_id和參考模型輸出之間的差異，避免過訓練，極大增強ANN_ctrl的泛化能力。2.基於實時仿真的閉環PBR研製在通過實驗數據和數值仿真對ANN-MRC控制器進行了設計之後，用微藻培養系統原型取代ANN-MRC中的ANN_id構成硬體在迴路(HIL)的結構用於執行實時仿真去進一步校核和確證，並對控制器快速原型化設計。除了一個運行ANN-MRC控制器仿真模型的主機夕卜，HIL包括其他外圍設備，如O2傳感器、數字放大器、數據採集板(NI PCI-6221 37-pin)和物理執行器幅寬調節(PWM) LED光源，等等。實時仿真的基本流程如下當培養系統中微藻的生長速率與參考速率不一致時，傳感器將監測到這一情況，將它反饋到ANN-MRC控制器仿真模型中，並立刻產生由LED的PWM電源和曝氣管電磁閥執行的控制信號去加速或抑制S. platensis的生長，從而使其生長速率逐漸與參考速率一致，並對控制作用具有良好的動態響應性能。同時ANN-MRC控制器可根據實際控制效果進行進一步的優化。
權利要求
1.微藻培養系統中用於微藻生長速率調節的人工神經網絡模型參考伺服控制器，其特徵在於 (1)無論微藻培養系統內部結構和動態特性如何複雜，都可以利用人工神經網絡，在實驗數據的基礎上，通過其自組織、自適應地學習和訓練對系統進行快速精確的模型辨識； (2)根據微藻的生長特性與培養系統的物理特徵，以及預定的微藻生長對控制因子的響應性能，構建ー個理想的參考模型，用於人工神經網絡模型參考伺服控制器的研製； (3)根據在相同階躍輸入下，根據微藻系統的人工神經網絡模型和參考模型之間的響應差異，去訓練另ー個人工神經網絡，作為控制器； (4)將MatLab/Simulink平臺的數值仿真與實時半實物仿真技術相結合,完成人工神經網絡模型參考伺服控制器的數值仿真設計和快速原型設計。
2.如權利要求I所述方法，其特徵在於通過人工神經網絡技術，辨識微藻培養系統的輸入ー輸出「黑箱」模型，該方法具有能夠對複雜系統進行快速建模和極強的容錯性的優點。
3.如權利要求I所述方法，其特徵在於運用人工神經網絡方法建立控制器，具有強大的自組織性、自適應性、魯棒性和容錯性，以及在線學習訓練的能力，能夠在微藻培養系統內外複雜的變化條件下，對人工神經網絡進行適應性的學習，快速辨識系統模型，訓練控制器，穩健地調節微藻的生長。
4.如權利要求I所述方法，其特徵在於運用MatLab/Simulink數值仿真對控制器進行理論數位化研製，離線訓練人工神經網絡——辨識系統和研製控制器，並檢驗模型的有效性及控制的可行性。
5.如權利要求I所述方法，其特徵在於運用MatLab/Simulink實時仿真對實際微藻培養系統中的微藻生長速率進行控制，對人工神經網絡模型參考伺服控制器仿真模型進行快速原型設計，使微藻的生長速率能夠得到穩健地控制，並對控制作用具有良好的動態響應性能，並將人工神經網絡模型參考伺服控制器仿真模型生成C代碼，嵌入單片機使其成為實際的微藻培養系統中微藻的生長速率控制器。
全文摘要
本發明涉及一種自動調控微藻培養系統中微藻生長速率的高效魯棒控制器，主要針對我國微藻產業中利用微藻進行產O2、H2、蛋白質、脂肪、生物柴油，以及廢物處理等過程控制的問題。本發明在利用人工神經網絡對微藻培養系統進行模型辨識，並提出一個合適的參考模型基礎上，運用MatLab/Simulink通過離線訓練的方式建立了具有高度魯棒性、自組織和自適應性的人工神經網絡模型參考伺服控制器的仿真模型，運用MatLab/Real-time Workshop將仿真模型快速原型設計為實際控制器。通過對系統中微藻生長速率的在線監測，反饋調節LED光強和曝氣管空氣流速影響微藻的生長速率，使它能夠跟蹤參考濃度，並對控制作用具有良好的動態響應性能，從而實現微藻培養系統中對微藻生長速率自動控制的目的。
文檔編號G05B19/042GK102736540SQ20121019263
公開日2012年10月17日 申請日期2012年6月12日 優先權日2012年6月12日
發明者劉紅, 周瑞, 張厚凱, 李明, 胡大偉 申請人:北京航空航天大學