随着发酵生产L-赖氨酸的规模不断扩大,传统的人工手动调控方法已难以满足L-赖氨酸规模化、节约化生产的需求,迫切需要对发酵过程进行先进的优化,控制L-赖氨酸实际发酵过程中,为获得最佳的优化控制效果,智能控制理论和方法都对过程参量的准确性、实时性提出了更高要求,因此如何实时获取L-赖氨酸发酵过程中的过程参量是优化控制的前提和基础,已经成为L-赖氨酸规模化、节约化生产的关键。由于L-赖氨酸发酵过程内部机理复杂,动力学呈现强烈的非线性,某些关键参量(菌体浓度、基质浓度和产物浓度)难以直接在线测量。目前,这些关键参量的获取还是采用传统的离线、分析和化验的手段,导致最终获取的关键参量存在测量延时和数据误差,严重制约了L-赖氨酸生产过程的实时优化控制效果,阻遏了其产业化规模化的生产进程。针对L-赖氨酸发酵过程存在的上述问题,本文研究设计了一种基于模糊神经网络逆方法的关键参量(菌体浓度、基质浓度和产物浓度)软测量建模方法。通过研究分析L-赖氨酸发酵过程工艺机理,给出了L-赖氨酸发酵过程的简化动力学模型,对动力学模型的可逆性进行了分析,在此基础上建立了基于粒子群优化算法的模糊神经网络逆L-赖氨酸发酵过程软测量模型,实验仿真验证了该方法的有效性,能够实现L-赖氨酸发酵过程的在线实时准确预测。为将该软测量算法应用于实际L-赖氨酸发酵过程,在Visual C++集成开发环境下设计开发了L-赖氨酸发酵过程远程监测的系统软件(LY-APC)。软件基于L-赖氨酸发酵过程在线测量和离线分析数据,嵌入构建的逆软测量COM组件(模糊神经逆软测量算法),对直接可测过程参量的远程采集、处理和关键过程参量的实时在线预测。同时,针对L-赖氨酸发酵过程过程监测系统的硬件要求,采用标准硬件模块,设计了L-赖氨酸发酵过程远程智能监测系统,操作系统移植了嵌入式实时操作系统,并设计了相关硬件电路和软件程序。最后在总结全文的基础之上,提出有待进一步研究的课题以及在未来该项技术的展望。