随着酒精发酵工业在国民经济中的地位日趋重要,对酒精发酵过程的辩识研究已成为该领域的重要课题。由于发酵过程具有复杂的非线性、时变性和动态性,传统的建模方法不能十分有效地对其进行辩识。要保证它正常、高效的运行,如何对其建立准确有效的模型就显得尤为重要。　　本文以实验室的发酵实验平台为背景,在查阅了大量国内外文献的基础上,简述了酒精发酵过程的工艺流程,采用正交试验对工艺进行优化设计。根据实验室的实际硬件设备及发酵实验要求,应用工控机(实验室由普通PC机代替)和SIEMENS PLC构成发酵过程两级计算机集散控制系统,实现了对设备运行的自动控制、过程参数的采集与监视、数据的分析与处理等功能。系统实际运行情况表明整个控制系统满足整个酒精发酵实验过程。　　酒精发酵过程中,发酵液的pH值是非常重要的发酵参数之一,既影响细胞的生长,也影响产物的生成,对pH值进行辩识有利于整个发酵过程的优化,从而能有效提高出酒率。酒精发酵过程是非线性、时变性的动态过程。一方面,利用常规辩识方法对pH值进行建模无法准确描述其动态特性。另一方面,常规神经网络的权值学习是梯度下降法,在训练过程易陷入局部极小,并且训练速度慢。针对这些问题,本文通过改进的动态递归神经网络对pH值进行建模研究。通过在动态递归神经网络中引入滤波项来学习该递归神经网络的权值,能有效地解决常规网络在权值学习过程中的问题。通过实验验证了该算法在pH值建模中的有效性,并与BP神经网络模型进行比较,表明改进的动态递归网络建模效果要明显优于BP神经网络。　　最后,以发酵动力学为基础,从设备的供氧和菌体的耗氧角度出发,深入阐述了发酵过程的另一关键变量溶解氧。建立了酒精发酵过程的菌体生长模型以及溶解氧与操作变量(搅拌速度和通气量)的关联模型。通过对关联模型的分析发现该模型对整个过程具有指导意义。