论文部分内容阅读
本论文在pH-Stat法和DO-Stat法的基础之上建立起了一种新型的用于微生物营养物质流加的反馈流加方式:我们收集了大量pH-Stat法和DO-Stat法培养大肠杆菌和毕赤酵母时不同振动模式的pH和DO数据以及人为造成的基质过量时pH和DO的数据,为了得到DO和pH所有可能出现的变化模式,提高神经网络的通用性,我们在获得的pH和DO的数据上添加了大量随机噪音。将这些数据进行归一化后,利用Matlab数据处理软件建立起了两个人工神经网络(ANNs)识别模型,分别识别出了微生物流加培养过程中DO和pH