公开(公告)号：CN111145838B

公开(公告)日：2023-07-18

申请号：CN201911306506.4

申请日：2019-12-18

Applicant: 江南大学

Inventor： 刘飞 ,  吴宏亮 ,  赵忠盖 ,  李恭新

IPC: G16C20/10 ,  G16C20/70

Abstract: 基于多向数据模型的青霉素发酵过程迭代学习卡尔曼滤波方法，属于间歇生产过程状态估计领域。首先针对青霉素发酵过程选择变量；然后采集生产过程的多批次历史数据建立多向线性变参数模型，并用期望最大化算法估计模型参数，再扩展成含噪声干扰的状态空间形式的多向线性变参数模型；接着基于SS‑MLPV模型构造一个适用于迭代学习卡尔曼滤波的误差模型，将误差模型分解为时间方向子模型与批次方向子模型；最后基于当前间歇发酵过程的青霉素浓度数据，第一批使用卡尔曼滤波对青霉素浓度的状态估计，第二批开始对构建的时间和批次方向的子模型进行ILKF得到误差估计，将不含噪声的SS‑MLPV模型输出与误差估计相加即为青霉素浓度的估计。

公开(公告)号：CN111145838A

公开(公告)日：2020-05-12

申请号：CN201911306506.4

申请日：2019-12-18

Applicant: 江南大学

Inventor： 刘飞 ,  吴宏亮 ,  赵忠盖 ,  李恭新

IPC: G16C20/10 ,  G16C20/70

Abstract: 基于多向数据模型的青霉素发酵过程迭代学习卡尔曼滤波方法，属于间歇生产过程状态估计领域。首先针对青霉素发酵过程选择变量；然后采集生产过程的多批次历史数据建立多向线性变参数模型，并用期望最大化算法估计模型参数，再扩展成含噪声干扰的状态空间形式的多向线性变参数模型；接着基于SS-MLPV模型构造一个适用于迭代学习卡尔曼滤波的误差模型，将误差模型分解为时间方向子模型与批次方向子模型；最后基于当前间歇发酵过程的青霉素浓度数据，第一批使用卡尔曼滤波对青霉素浓度的状态估计，第二批开始对构建的时间和批次方向的子模型进行ILKF得到误差估计，将不含噪声的SS-MLPV模型输出与误差估计相加即为青霉素浓度的估计。