间歇发酵非线性混杂动力S系统及参数辨识

来源 :辽宁科技大学 | 被引量 : 0次 | 上传用户:epwangke96
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文以微生物(克雷伯氏杆菌)在厌氧条件下歧化甘油生产1.3-丙二醇(1.3-PD)的间歇发酵过程为背景,针对胞外甘油和胞内1.3-PD的跨膜运输方式机理不清和3-羟基丙醛(3-HPA)对微生物、底物甘油和胞外产物(1.3-PD、乙酸和乙醇)的抑制不明等问题,分别建立相应的非线性混杂动力S系统。然后,以胞外物质浓度计算值和实验值的最小二乘误差为性能指标,建立非线性混杂动力S系统的参数辨识模型。最后,利用惯性权重线性递减的改进粒子群优化算法对该辨识模型求解,以分析和推断甘油和1.3-PD最有可能的跨膜运输方式组合及3-HPA对微生物、底物甘油和胞外产物(1.3-PD、乙酸和乙醇)是否具有抑制作用。研究一方面丰富和发展了非线性混杂系统、S系统和系统辨识等理论;另一方面,为深入理解克雷伯氏杆菌发酵过程中的胞内代谢途径提供了数值参考,进而为1.3-丙二醇的大规模产业化生产提供理论指导。因此,该研究项目具有一定的理论意义与应用价值。本论文的研究内容与取得的主要成果可概括如下:(1)首先,在3-HPA对菌种、底物和胞外产物没有抑制作用的前提下,基于甘油微生物歧化过程还原途径酶催化S系统动力学模型,根据甘油和1.3-PD可能存在的9种跨膜运输方式组合,建立相应的非线性混杂动力S系统,并证明该系统速度矢函数的Lipschitz连续性及线性增长性、系统解的存在唯一性和解关于参数的连续可微性等性质。其次,以胞外物质浓度计算值和实验值的平均相对误差为性能指标,以非线性混杂动力S系统为约束条件,建立关于离散变量和连续变量的混杂动力S系统的参数辨识优化模型,并证明该模型的可辨识性。最后,利用惯性权重线性递减的改进粒子群算法对该辨识模型进行求解,推断出甘油和1.3-PD最有可能的跨膜运输方式均是主被动运输相结合,并且胞外物质浓度计算值和实验值的平均相对误差下降了2%-3%,说明该模型较好地模拟了间歇发酵过程。(2)基于上述甘油和1.3-丙二醇的跨膜运输方式均是主被动运输相结合时的S系统模型,建立包含3种情形的非线性混杂动力S系统及其参数辨识模型,分析3-HPA对微生物、底物甘油和胞外产物(1.3-PD、乙酸和乙醇)的抑制影响。然后,利用惯性权重线性递减的改进粒子群算法对该辨识模型进行求解,依目标函数最小值,推断出3-HPA对微生物、底物甘油和主要产物胞外1.3-PD,乙酸和乙醇均具有抑制影响。(3)在模型的分析过程中,对于含有离散变量和连续变量的参数辨识模型的难辨识性,利用两类变量的相互独立性将其分解为关于离散变量的子辨识模型和连续变量的子辨识模型进行求解。同时由于非线性混杂动力S系统具有很强的非线性性,目前为止无法有效获取关于参量的解析解,因此本文采取常微分方程数值解的方法,并利用C++语言编程,Matlab画图软件进行数值模拟,获取该辨识问题较满意的数值解,从而确定最合理的系统。
其他文献
学位
玉米是重要的粮、经、饲、能多用途作物,需求量大。西南丘陵区作为我国重要的玉米产区之一,风雨灾害频发,常常引起玉米的大面积倒伏,严重影响玉米产量的形成和机械化收获。有
多铁材料是一种新型多功能材料,其在多功能电子设备、传感器和数据存储等领域都有着广阔的应用前景。在众多的多铁材料中,GaFeO3(GFO)由于具有较高的居里温度,实际应用性强,而引
2012年发现了一个新的层状超导体Bi4O4S3,它是第一个BiS2基新型层状超导体,超导转变温度为4.5K。它属于四方结构,空间群为I4/mmm,为s波配对的多频带超导体。它属于电子型掺杂的第
本文采用混合球磨的方法制备原料粉体,通过添加不同含量的Nb2O5、SrCO3、SiO2、Bi2O3等氧化物,选择不同的烧结温度,分别制备不同的TiO2压敏陶瓷样品,测试样品的压敏电压、非
线偏振光经过某些透明晶体后,其偏振面绕着光轴转动一定角度,这种现象称为旋光现象,转过的角度叫做旋光角,我们把测量旋光角大小的仪器称为旋光仪。目前常见的旋光仪的测量原理一
多连通超导体系中表现出的宏观量子现象具有广泛的应用价值。在介观超导体中,即样品尺寸与超导相干长度或穿透深度可比拟,超导性质受到样品几何尺寸的显著影响,量子限制效应显现
动力系统是描述系统状态变量随时间变化的数学模型。由于动力系统重要的理论价值与广泛的应用性,受到了众多国内外学者的关注。在理论研究与实际应用中,稳定性是作为主要的控制
在过去的几十年里,T-S模糊系统受到了越来越多的关注。最主要是因为它的简洁、方便和容易掌握。还有就是它可以有效地把复杂的非线性系统表示为线性模型。在这之中,关于T-S模糊
近年来,基于数据的控制方法已吸引了广大学者的注意力,使其成为了控制领域的研究热点之一。由于工业技术的迅猛发展,现代工业过程变得越来越复杂,规模也变得越来越庞大。例如,化学