随着生物技术的发展,微生物发酵工程在国民经济和社会经济中的重要作用日益突出。微生物发酵过程是一个具有高度非线性、时变性和迟滞性的生化反应过程,其内在机理非常复杂。采用软测量技术实现发酵过程中难以在线测量的关键生物量参数(如基质中浓度、菌丝浓度、产物浓度等)的预测,对发酵过程进一步的优化控制有着重要的意义。　　 本文以青霉素发酵过程为研究对象,在总结各种软测量建模方法基础之上,对传统模糊神经网络算法进行改进,建立基于动态模糊神经网络的软测量模型。在此基础之上,采用粒子群算法对动态模糊神经网络软测量模型参数进行优化。对青霉素发酵过程的关键生物量参数利用上述软测量模型进行预估。并设计了以PLC作为核心控制器的发酵过程数字化系统。主要研究工作如下:　　 (1)采用动态模糊神经网络建立青霉素发酵过程软测量模型。系统采用高斯隶属度函数和T-范数乘积算子,并利用动态的学习方法实现模糊神经网络结构和参数的辨识。使得软测量模型的复杂度降低,进一步提高了模型的稳定性,仿真结果表明该模型能够以较高的精度预测关键生物量参数。　　 (2)在动态模糊神经网络建模的基础上,采用粒子群算法对模型参数进行优化,同时应用动态学习算法对网络的结构进行优化,实现网络结构和参数的全局优化调整,设计了改进算法的动态模糊神经网络模型。由于结合了粒子群算法的全局搜索功能,仿真结果表明改进的动态模糊神经网络软测量模型能够更加有效、快速地逼近真实值,预测精度较高。　　 (3)将软测量模型应用到实际发酵过程中,设计了以西门子S7-200 PLC作为核心控制器的上下位机控制系统。通过下位机完成现场信号的采集；应用COM技术构建软测量COM组件,集成于上位机VC++开发环境中,实现青霉素发酵过程关键生物量参数的预估、数据的显示、管理等功能。