虾青素因其强抗氧化性被广泛应用于保健品、化妆品等领域,而雨生红球藻则是提取虾青素的最理想材料。随着市场对虾青素的需求量越来越大,提高虾青素的质量与产量成为了国内外的研究热点,藻液pH值作为影响雨生红球藻培养的环境因素之一也受到了广泛重视。雨生红球藻培养对藻液pH值有严格要求,藻液pH值的过高或过低都会抑制其生长,因此想要提高虾青素的产率,对藻液pH值控制系统进行研究至关重要。首先,本文对藻液pH值影响雨生红球藻培养的原因进行了解释,并根据pH值的中和特性以及酸碱中和反应过程中的电荷守恒定律对藻液pH值控制系统分别搭建了静态模型和动态模型;然后对神经网络的模型、结构进行简单概述,以BP神经网络为例,对其算法进行详细推导,并总结计算步骤。第二,分析BP神经网络在过程控制中存在的不足,针对不足,提出了附加动量项法、自适应学习速率法、拟牛顿法、共轭梯度法、LM算法5种对BP神经网络的改进方式;重点提出了动量因子和固定参数的自适应调整公式对LM算法进行优化,然后利用MATLAB软件对上述5种改进的BP神经网络算法进行自拟非线性函数的逼近能力仿真对比分析。仿真结果表明,改进的LM-BP神经网络算法收敛速度最快,非线性逼近能力最强。第三,利用MATLAB软件分别对本文设计的改进的LM-BP神经网络PID控制器和传统PID控制器进行仿真分析。仿真结果表明,本文设计的改进的LM-BP神经网络PID控制器调节时间更短、无系统振荡且超调量小以及抗干扰能力更强。最后,本文根据实验室前期在小环境培养雨生红球藻时对光照强度和藻液pH值的实验探究结果设计了适合本实验室研究使用的柱状光生物反应器,并将PID控制器和改进的LM-BP神经网络PID控制器应用于藻液pH控制系统,进行实验探究。实验结果表明,改进的LM-BP神经网络PID控制器调节时间更短,控制精度更高。