微生物发酵工程是现代生物技术及其产业化的基础,随着我国发酵工业迅速发展,对发酵过程自动化程度要求不断提高,因此迫切需要对过程参数进行在线检测与优化控制。然而,受传感器技术发展水平和价格方面因素的限制,目前发酵过程中只有部分物理参数与化学参数实现了工业化的在线检测,而对于发酵过程有着重要影响的生物量参数还未能实现工业化的在线测量。因此,对发酵过程引进软测量技术具有很大的理论与应用价值。本文以谷氨酸发酵过程为研究对象,对谷氨酸发酵过程中重要生物参数进行了软测量建模研究。针对谷氨酸发酵过程具有高度的非线性、时变性和不确定性的特点,本文在详细分析发酵过程软测量建模应用的基础上,利用支持向量机(Support Vector Machine, SVM)对谷氨酸发酵过程中重要生物量参数进行软测量建模研究。SVM理论中,核函数的选择是一个核心问题,通过对核函数的研究,将两个满足Mercer定理的全局核函数与局部核函数线性组合,并通过权系数调节混合核函数中局部核与全局核所起作用,从而使得相应的混合核函数SVM具有较高的预测精度和较好的泛化能力。设计了混合核函数SVM建模的基本步骤,并建立基于混合核函数SVM的谷氨酸发酵过程软测量模型,分别对谷氨酸浓度、残糖浓度和OD值进行预估。仿真结果表明,该模型的学习能力和泛化能力均比单一核函数SVM模型有所提高。在混合核函数SVM模型预估的基础上,为了提高软测量模型的预测精度,利用具有较强全局搜索能力的混沌粒子群(CPSO)优化算法对混合核函数SVM建模过程中的重要参数进行优化调整。该算法由早熟收敛判断与处理机制两部分组成,具有很强的避免局部极小能力,通过函数仿真实验验证该算法的有效性。设计应用该方法的具体步骤,谷氨酸发酵建模结果表明,采用该方法对模型参数进行优化后,建模精度有了进一步提高。