金霉素是一种四环类广谱抗生素，是金色链霉菌发酵过程的次级代谢产物，是掺入动物饲料中的八大抗生素产品之一。金霉素具有抑菌、饲料利用率高、促进动物生长、肌体残留量少、生产成本较低、技术相对成熟等特点，多年来一直是饲料工业中用量最大的抑菌促生长剂。但是金霉素是一种典型的次级代谢产物，其微生物合成机制十分复杂，反应机理很难准确构建，科学家们也仍然在积极探索金霉素生化过程的反应机理。因此要获得金霉素的高产率，除了精心进行金色链霉菌菌株的选育以及研发更适宜菌株生长的培养基外，对发酵生产过程进行优化控制是一种性价比较高的可有效促进菌株新陈代谢的方法。由于微生物发酵过程是分子水平上的遗传特性、细胞水平上的代谢调节和反应器工程水平上的传递特性综合过程的结果，其发酵过程存在时变、非线性、大滞后和不确定性的特性。本论文的研究工作是针对金霉素发酵过程，运用人工智能、信息技术以及机器学习技术研究软测量建模方法，基于软测量模型研究发酵过程的优化控制策略。现将研究工作归纳如下：1.针对发酵过程一些不可在线检测的（或难测的）变量，提出一种基于数学模型估计和推理的软测量建模方法。软测量建模方法是基于生产过程可检测的物理参数、化学参数（或生物参数），通过建立机理模型、数据驱动模型或混合模型预报不可在线检测的过程变量。通过分析软测量建模过程中的基本步骤，如数据筛选、滤波、标准化以及模型的验证方法等，提出了建立性能可靠、鲁棒性和泛化能力强的软测量模型的方法，并将其应用于金霉素发酵过程的氨基氮、生物效价和总糖浓度测量。2.在金霉素发酵过程中，氨基氮、生物效价和总糖浓度三个变量是整个发酵过程中无法在线检测但又非常重要的过程参数。本论文采用局部建模与全局建模方法，综合运用广义回归神经网络（Generalized Regression Neural Network, GRNN）预测模型、输出递归小波神经网络（Output Recurrent Wavelet Nerual Network, ORWNN）预测模型和自组织特征映射与最小二乘支持向量机（Self-Organizazing feature Map+LeastSquare Support Vector Machine, SOM+LSSVM）混合预测模型，对这三个关键变量建立了软测量模型，实现了发酵过程中可在线预测这三个变量的变化状态，为金霉素发酵过程实现优化控制奠定基础。3.在金霉素发酵过程中，当有其他的杂菌微生物侵入时，会引起发酵液染菌，如果染菌严重会导致酵液污染并排放掉发酵液（即倒罐），这将浪费大量的生产原料，引起的生产秩序的混乱以及由于未及时消毒灭菌而引起其他生产罐发生染菌，将会造成不可估量的重大经济损失。本论文基于DSmT(Dezert-Smarandeche Theory)理论，运用信息融合技术对发酵过程中的多种可以间接反映过程染菌的信息进行组合，获得一些重要的染菌综合特征信息，通过现场数据进行仿真模拟实验，可有效地预报发酵过程是否被染菌，从而提高生产过程的安全性。4.在金霉素发酵过程中，经常会发生一些异常故障，这些都会影响生产正常运行。本论文分析了金霉素发酵过程最常见的三种故障，即补糖计量罐故障、pH电极故障和溶解氧电极故障，提出了基于即时学习算法与分级核偏最小二乘法和多向混合高斯模型与分级核偏最小二乘法的故障检测和诊断模型。试验结果表明，该模型可获得良好的故障检测和诊断效果。5.金霉素发酵过程属于多阶段间歇补料的批量生产过程，在生产过程中的每个阶段都对菌体生长有不同的期望和要求。为了实现金霉素发酵过程的优化控制，提高金霉素产品的产量和质量。本论文研究了发酵过程可进行自动阶段划分的算法，提出了对不同阶段进行补糖速率的优化控制方法，基于生产效益函数，实现了对发酵生产过程进行优化调度，使发酵生产过程的周期达到最优。金霉素发酵过程是一个复杂的生化过程，在无法准确建立内部机理模型的条件下，要实现发酵罐的优化控制是一个具有挑战性的课题。基于对金霉素发酵输入输出特性的研究分析，运用软测量技术建立了难测参数的软测量模型，提出了发酵罐补糖速率优化控制算法。并基于Labview2010和SQL Server2010软件平台开发了一套金霉素发酵过程优化控制系统，通过实际应用表明，该系统确保了金霉素发酵过程的正常运行，提高了生产企业的自动化水平，减轻了工人的劳动强度，增加了企业的经济效益。