孙丽娜,黄永红,王应海

(1.苏州工业园区职业技术学院 机电工程系,江苏 苏州 215123;2.江苏大学 电气信息工程学院,江苏 镇江 212013)

海洋生物酶发酵过程非常复杂,具有非线性、多变量、强耦合性的特点,基质质量浓度、菌体质量浓度、酶活是反映海洋生物酶发酵进程的关键生物参数,由于受硬件检测技术的限制,这些参数难以实时在线测量,这严重影响了发酵过程的优化控制[1-6]。近年来,许多学者对这些参数的测量问题进行了深入研究,发现软测量技术是解决上述问题的有效途径。

常用的软测量方法有神经网络法、回归分析法和状态观测器法。在众多神经网络中,BP神经网络应用比较广泛,但是,BP神经网络具有收敛速度慢、容易陷入极小、隐含层节点难以确定的缺点[7-8]。广义回归神经网络(Generalized regression neural network,GRNN)克服了BP神经网络的一些缺点,具有结构简单、学习速度快、逼近能力强的特点,在许多领域得到了广泛应用。何琴等[9]采用GRNN对烤烟的主要化学成分与感官质量进行了建模,验证了GRNN的建模效果优于BP神经网络,即使在训练集样本数据较少时,GRNN的预测准确度仍然很高;周敏等[10]利用GRNN对具有高维非线性特性的液位控制器系统进行回归预测建模,验证了所建立的模型预测结果稳定、稳健性好。兰海涛等[11]构建了基于GRNN的边坡稳定性评价的模型,获得满意的建模效果;林喆等[12]构建了基于GRNN的油纸绝缘变压器的寿命预测模型,得到了精度理想的预测效果;张荣标等[13]将GRNN应用于化学需氧量的在线检测,验证了GRNN具有较强的泛化能力和较高的检测精度。……