生物技术作为21世纪经济发展的关键技术之一,在化工、医药卫生、农林牧渔、轻工食品、能源和环境等行业和领域都发挥着越来越重要的作用。随着生物技术的迅猛发展,生物工程的规模不断扩大,生物工程对自动控制技术的要求越来越迫切。生物反应过程依赖于多个环境因子,具有非线性、多变量、强耦合等特征,内部机理非常复杂,特别是一些直接反映生物反应品质的关键生化参量无法在线实时检测,成为制约生物反应过程优化控制的瓶颈问题,严重影响了生物反应过程的自动化生产。生物反应过程的先进检测和控制技术已成为生物工程领域的重要研究内容,其研究对于提高装备自动化水平,促进生物工程技术革新,提高生产效率和经济效益,培育生物新品种等都具有重大意义。论文在国家高技术研究发展计划“基于模糊神经逆的生物反应过程软测量方法及优化控制研究(2007AA04Z179)”、高等学校博士学科点专项科研基金“基于模糊神经逆的生物反应过程软测量方法及优化控制(20070299010)”等项目资助下开展研究,基于数据驱动方法,建立了生物反应过程菌体浓度、基质浓度、产物浓度等关键生化参量的混沌粒子群最小二乘支持向量机(CPSO-LSSVM)软测量模型；提出了基于广义预测控制(GPC)与粒子群(PSO)滚动优化的生物反应过程闭环控制方法；基于.NET开发平台和C#语言,开发了具有关键生化参量软测量、在线优化控制等功能的工程化软件,并以氨基酸类典型菌种赖氨酸为例,开展了相关的实验研究。主要研究工作如下：1.针对生物反应过程关键生化参量无法在线检测的难题,提出生物反应过程不可直接测量参量的数据驱动软测量建模方法。将最小二乘支持向量机(LS-SVM)的非线性函数逼近能力、混沌运动的随机性和遍历性、带极值扰动粒子群(tPSO)的全局优化能力等优势有机结合,建立了典型生物反应过程菌体浓度、基质浓度和产物浓度等关键参量的CPSO-LSSVM软测量模型,并与常规LS-SVM、BP神经网络等软测量方法进行了对比研究,结果表明,CPSO-LSSVM软测量方法具有建模精度高、泛化能力强、收敛速度快等一系列优点。2.针对生物反应过程多变量、非线性、机理模型难以获得等难题,提出基于数据驱动的生物反应过程精确化模型建立方法。基于反应过程数据,以径向基函数(RBF)为核函数,建立典型反应过程的LS-SVM (?)(?)线性控制模型,并基于采样点线性化方法,建立了典型反应过程的分段线性精确化模型,模型具有结构简单、精度高等优点。3.以分段线性精确化模型为参考模型,提出了基于广义预测控制的生物反应过程连续流加补料控制方法,实现典型生物反应过程的在线优化控制；提出基于PSO优化的预测控制律设计方法,解决基于Diophantine方程的传统预测控制律设计方法存在的难以获得最优解、计算复杂度高等难题,有效提高了生物反应过程优化控制的实时性与控制精度。4.基于.NET平台和C#语言,给出了CPSO-LSSVM软测量、广义预测控制等核心算法的实现策略,研发了典型生物反应过程的智能化、模块化测控软件系统。系统具有温度、压力、溶氧等物理参量测量、菌体浓度、基质浓度和产物浓度等生化参量软测量、多变量优化补料控制等功能。性能稳定,可靠性高。