摘要：微生物发酵过程具有高度的非线性和时变性，其内在机理非常复杂，很多重要的过程变量不能在线测量，导致发酵过程的建模和控制非常困难，所以人们通常在发酵过程中采用模糊控制。本文讲述了微生物发酵过程中模糊控制器的设计过程。

　　关键词：模糊控制;微生物发酵;模糊控制器

　　中图分类号：TP273+.4文献标识码：A

　　模糊控制是一种应用广泛的智能控制方法，其核心是描述控制器动态行为的模糊控制规则，规则的制定往往依赖该领域专家和操作人员的先验知识。当人们对某个过程的认识不全面时，就不能制定出完备的控制规则，且隶属函数参数一旦确定下来，就缺乏在线学习能力，不适应被控对象变化的需要，从而会严重影响控制效果。

　　1 模糊控制概述

　　模糊控制是以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量及模糊逻辑推理作为控制算法的数学工具，使用计算机来实现的一种智能控制。模糊控制技术的理论基础的核心是模糊推理理论，即用语言描述的控制规则。模糊控制技术的特点：

　　(1)直接采用语言型控制规则，设计中不需要建立被控对象的精确数学模型，使得控制机理与策略易于接受，便于应用;

　　(2)系统语言控制规则具有相对的独立性，利用这些控制规律间的模糊连结，容易找到折衷的选择，使控制效果优于常规控制器;

　　(3)有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平;

　　(4)鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。

　　2模糊控制系统的组成

　　一般地说，模糊控制系统是指那些与模糊概念和模糊逻辑有直接关系的系统，它由模糊化、模糊规则库、模糊推理机和反模糊化四部分组成。

　　2.1模糊化

模糊器可以定义为由一实值点到U上的模糊集的映射。常用的模糊器有三种：单值模糊器、高斯模糊器、三角形模糊器。

　　2.2模糊库规则

　　模糊库规则由若干模糊推理规则组成的，其模糊推理规则形式为：

：IF e IS AND ec IS ，THEN u IS

其中代表规则库中的第i条规则;e和ec为输入;u为输出;，，分别为相应语言变量的语言值。

　　2.3 模糊推理机

　　模糊推理机利用模糊逻辑原理将模糊规则库中的IF-THEN规则组合成一个从输入空间U上的模糊集到输出空间V上的模糊集之间的映射。常用的模糊推理机有乘积推理机和最小推理机。

　　2.4 去模糊化

去模糊化环节是将模糊推理得出的控制输出语言值通过解模糊器转化为驱动执行机构动作的精确值。解模糊器定义为由上的模糊集(模糊推理机的输出)向清晰点的一种映射，常用的解模糊器主要有以下两种：重心解模糊器和中心平均解模糊器。

　　3 模糊控制器的设计

　　模糊控制器与经典控制器不同，它不是建立在对系统的数学分析基础上的，而是根据经验来确定它的各个参数和控制规则，然后在实际系统中进行调整，模糊控制器的设计包括以下几个方面：

　　(1)确定模糊控制器的输入变量和输出变量：

　　(2)设计模糊控制器的控制规则;

　　(3)确定模糊化和非模糊化的方法;

　　(4)选择模糊控制器的输入变量以及输出变量的论域并确定模糊控制器的参数;

　　(5)编制模糊控制算法的应用程序。

　　通常我们将输入变量的个数称为模糊控制器的维数。模糊控制器的维数越高，控制越精细，分辨率越高。但维数过高，模糊控制规则就会变得过于复杂，控制算法的实现相当困难，如图1所示为双输入单输出模糊控制系统的框图。

　　图1 双输入单输出模糊控制系统框图

系统反馈的变量包括产物浓度P(t)、菌体浓度X(t)和基质浓度S(t)。控制器输出的操作量为通风量W(t)，以及在谷氨酸发酵过程进行到第20时刻进入到流加糖阶段时，加入的流加糖的速率L(t)。对于通风量控制器，选择可以反映产酸率的发酵过程两个重要的状态变量产物浓度P(t)和菌体浓度X(t)与给定值的差值()和()作为控制器的输入、。对于流加糖控制器，则选择产物浓度P(t)和残糖浓度S(t)与给定值的差值()和()作为控制器的输入、，来确定流加糖液的速率。

　　控制器的设计需要运用遗传算法进行优化训练，以找到合适的网络参数。而在在线控制时则运用误差反向传播的方法进行在线调节，以增强控制器的自适应能力。

　　参考文献：

　　[1]李海波.发酵过程建模与研究及其软件设计[D]，无锡：江南大学，2005

　　[2]阎平凡，张长水.人工神经网络与模拟进化计算[M]，北京：清华大学出版社，2000，291.302.

　　[3]易继楷，侯媛彬.智能控制技术[M]，北京：北京工业大学出版社，2001，104—120.

　　[4]焦李成.神经网络系统理论西安[M]，西安：西安电子科技大学出版社，1990，12.