近年来，生物工程所占国民经济的比重日益提高，作为其中的一个分支，发酵工业也越来越得到重视，发酵产品也越来越得到人们的青睐，为此我们需要尽可能的对控制系统实行最优控制以便提高产品的数量与质量。然而由于装备落后以及生产过程中充满着非线性、延时性以及一定的耦合性，且存在诸多关键参量无法在线测量，严重影响着发酵过程的最优控制。而软测量技术的问世，使得此类问题有了解决的办法。　　本文在对赖氨酸发酵工艺有所了解的前提下，针对发酵过程里面那些无法在线测量的关键参量，首先建立一个粒子群模糊神经网络软测量的模型，并用该模型对在实验室采集的样本数据进行了仿真预测;其次对发酵过程温度与补料控制进行了相关研究;最后设计了以FPGA为核心的数字控制系统。下面是本文所做的一些相关性的研究工作:　　(1)首先叙述了粒子群算法的由来以及原理，并在其基础之上做了部分改进;之后将模糊逻辑与神经网络相结合组成模糊神经网络，并用改进的粒子群算法直接去优化模糊神经网络的权值;最后将实验室采集的样本数据带入模型进行训练和预测。仿真结果显示基于改进的粒子群算法优化的模型的权值变化更加平滑，预测精度也相对更高，符合实际要求。　　(2)介绍了内模控制的基本原理，并在其基础之上提出了一些改进，最终将其应用于发酵过程的温控系统。仿真结果显示基于改进的内模PID控制的温度响应更加快速，系统的抗干扰性和目标值跟踪特性得到显著改善。　　(3)对于发酵系统的补料控制，提出了一种基于硬件实现的模糊神经网络方法，该方法具有并行实现、实时性以及自学习能力等优点。　　(4)设计了以FPGA为主控制器的数字控制系统，大大提升了系统的处理速度，并根据所需功能，设计了相应的数据采集、串口通信以及输出控制等模块。