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高。生物反应过程是一个复杂的反应过程，其非线性、强耦合、多变量等问题严重影响了生产过程的自动化控制，特别是一些反映生物反应品质的关键生化参量难以实现在线测量，已成为生物反应过程优化控制的重点难题。目前，由于受生物传感技术发展水平的限制，发酵过程中生物量的检测大多采用离线测量的方法。这种方法不仅滞后大而且容易污染发酵液。当下已有的在线测量生物量传感器价格昂贵、维护费用高无法满足大规模生产的要求。随着计算机技术的发展和软测量技术的出现，应用软测量技术研究发酵过程中关键生物量在线估计等问题已取得一定成效。　　 本文以赖氨酸发酵过程为研究对象，通过对最小二乘支持向量机建模及其参数优化方法的研究，建立了基于混沌粒子群的混合核最小二乘支持向量机(CPSO-混合核LS-SVM)软测量模型，并对基质浓度、菌体浓度以及产物浓度等赖氨酸发酵过程中的关键生化变量进行了预测。仿真实验结果表明，该模型能够，有效逼近真实值，且具有较高的预测精度。本文所做的主要研究工作及研究成果如下:　　 (1)通过大量阅读文献以及对赖氨酸过程工艺的分析，本文采用了基于LS-SVM的软测量建模方法，并针对传统单RBF核的局限性，采用全局核函数与局部核函数相结合的混合核函数代替传统单RBF核，建立软测量模型。　　 (2)针对最小二乘支持向量机软测量建模优化问题，通过对粒子群算法以及混沌概念的研究，本文采用了一种带极值扰动的混沌粒子群优化算法对混合核最小二乘支持向量机软测量模型的参数进行优化处理。　　 (3)利用实际赖氨酸发酵实验数据，分别利用不同种核函数进行最小二乘支持向量机软测量建模，仿真结果表明，本文采用的基于混沌粒子群的混合核最小二乘支持向量机软测量模型较之传统的单RBF核模型具更好的拟合精度和泛化能力，可以对赖氨酸发酵过程中关键生化变量进行实时在线软测量。