发酵工程作为生物技术工程化应用的支柱产业,在国民经济和人民生活各方面正发挥着越来越重要的作用。为提高发酵产品的产量和质量,需要对生物发酵过程实施优化控制。然而生物发酵是一个高度非线性的、时变的、强耦合的复杂过程,其中许多关键的生化参量(如菌体浓度、基质浓度、产物浓度)难以实时在线测量,严重制约了发酵过程的优化控制水平。采用软测量技术是目前解决这一问题的有效途径之一。本文针对生物发酵过程关键生化参量难以在线实时测量的问题,主要研究粒子群模糊神经网络软测量方法的工程化应用技术,并将研究成果应用于青霉素发酵过程来验证效果。主要内容如下：　　 ⑴将模糊神经网络和粒子群优化算法结合,提出粒子群模糊神经网络软测量方法,该方法采用模糊RBF网络作为模糊神网络结构,用粒子群优化算法作为模糊神经网络权值的学习算法。并基于该方法建立青霉素的软测量模型,对关键生化参量进行预估。仿真结果表明粒子群算法不仅增强了网络的泛化性能,而且明显缩短网络训练时间,非常符合工程实际的需求。　　 ⑵为了使粒子群模糊神经网络软测量方法更加适应工程化实时性的要求,提出采用粗糙集算法对数据进行预处理,通过属性约简,降低粒子群模糊神经网络的输入维度,提高软测量预测的效率。　　 ⑶为开发粒子群模糊神经网络软测量工程化软件,对模糊神经网络的结构和软测量工程化实现用到的相关算法,包括数据预处理算法、模糊神经网络的模糊化层参数的聚类学习算法、输出层权值的粒子群学习算法等做了详细设计。　　 ⑷设计开发了生物发酵过程监测系统软件(FerMS),并应用于青霉素发酵过程。该软件采用COM技术构建了基于粒子群模糊神经网络的软测量COM组件,然后在Visual C++6.0集成开发环境下,嵌入到软件系统,该软件实现了发酵过程直接可测参量的实时显示、关键生化参量的实时在线预测、历史数据查询以及报警等功能。