-
公开(公告)号：CN118430685A
公开(公告)日：2024-08-02
申请号：CN202410508034.5
申请日：2024-04-25
申请人： 华东理工大学 , 桂林电子科技大学 , 亚波光子(深圳)科技有限公司
IPC分类号： G16C20/30 , G16C20/70 , G06N3/0464 , C12Q3/00
摘要： 本发明公开了一种酿酒酵母乙醇发酵过程智能反馈补料控制方法，包括对光谱进行采样，获取采样光谱；将所述采样光谱输入基于光谱扩增的二维卷积神经网络中；采用均方误差作为损失函数，使用Adam优化器在训练拉曼浓度预测模型时更新网络权重，得到最优解，对拉曼浓度预测模型进行更新。本方法通过拉曼浓度预测模型能够学习、调整，提高分类准确率，对生物反应器中酿酒酵母乙醇发酵过程中的葡萄糖浓度、甘油浓度和乙醇浓度进行实时在线预测。相对比常规检测方法，检测快速且对发酵过程几乎没有影响，减少染菌风险，并且能够实现在线监测如乙醇等挥发性物质浓度，还可以在线监测葡萄糖和甘油等非挥发性物质浓度，弥补了检测原理上的不足。
-
公开(公告)号：CN114492072A
公开(公告)日：2022-05-13
申请号：CN202210137282.4
申请日：2022-02-15
申请人： 华东理工大学
IPC分类号： G06F30/20 , G06F113/08
摘要： 本申请提供了一种用于工业规模生物反应器内流场环境缩放设计的方法，包括输入、静态模拟、动态模拟，输出；在所述输入步骤中，输入内置参数和条件参数；在所述静态模拟步骤中，对所述内置参数和条件参数进行计算，得到静态模拟结果；在所述动态模拟步骤中，对所述静态模拟结果、内置参数和条件参数进行循环迭代直至所述循环迭代终止，得到动态模拟结果；在所述输出步骤中，输出所述静态模拟结果和动态模拟结果；本申请还提供了一种采用了上述方法的系统。本申请提供的缩放设计方法及系统可实现对于发酵过程中关键代谢参数动态变化的观测。
-
公开(公告)号：CN116798507A
公开(公告)日：2023-09-22
申请号：CN202310411779.5
申请日：2023-04-17
申请人： 华东理工大学
摘要： 本发明涉及一种基于机器学习的质粒发酵变温过程预测方法及系统，所述方法包括如下步骤：对发酵数据进行预处理以构建特征矩阵；基于构建的特征矩阵，进行预测模型算法的选择；对所选的预测模型算法进行超参数优化；对所述特征矩阵进行特征因子分析并建立生物学约束；结合生物学约束，利用所选的预测模型将温度作为预测参数进行整个发酵过程的温度预测。与现有技术相比，本发明实现质粒发酵变温过程智能化，摆脱了对人工发酵经验的依赖，同时避免了人为操作上的失误，提高生产效率，降低了生产成本。
-
公开(公告)号：CN116523040A
公开(公告)日：2023-08-01
申请号：CN202310475677.X
申请日：2023-04-28
申请人： 华东理工大学
摘要： 本发明涉及一种基于神经网络实现青霉素发酵过程知识图谱构建的方法，其中，该方法包括以下步骤：获取青霉素生产数据，计算被测变量和质量变量之间的互信息，并引入随机变量通过神经网络进行错误发现率FDR估计处理；将获取到的优选变量集利用PCM编码进行根本原因诊断，消除PCM计算合集变量中间接因果关系的影响，以此生成青霉素发酵过程关键变量知识图谱。本发明还涉及一种相应的装置、处理器、存储器及其存储介质。采用了本发明的该基于神经网络实现青霉素发酵过程知识图谱构建的方法、装置、处理器、存储器及其存储介质，通过结合已有知识进行分析，对已有的专家经验进行补充，进而生成知识图谱，对发酵生产过程更好的生成提供了有力的指导。
-
公开(公告)号：CN115410657A
公开(公告)日：2022-11-29
申请号：CN202210921099.3
申请日：2022-08-02
申请人： 华东理工大学
摘要： 本发明是燃料乙醇发酵过程菌丝体浓度、乙醇浓度和葡萄糖浓度时间序列预测方法。本方法构建基于多项式回归算法的发酵结束时间预测模型，建立了发酵结束时间与初始条件之间的数学关系。通过时间尺度的缩放，变换不同批次数据的时间序列达到统一的标准结束时间。本方法建立基于XGBoost算法的菌丝体浓度预测模型。将所获得的菌丝体浓度与生长速率作为补充的机理知识添加到乙醇和葡萄糖浓度的预测模型中。本方法建立人工神经网络的动力学参数模型，其可以根据时间变量和环境变量提供动力学参数。将其融合入前面的菌丝体浓度、乙醇浓度和葡萄糖浓度预测模型中，可以实现不同初始条件下，菌丝体浓度、乙醇浓度、葡萄糖浓度的时间序列预测。
-
公开(公告)号：CN118709110A
公开(公告)日：2024-09-27
申请号：CN202410871922.3
申请日：2024-07-01
申请人： 华东理工大学
IPC分类号： G06F18/2433 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明涉及一种基于神经网络针对青霉素发酵过程实现故障诊断处理的方法，包括以下步骤：获取青霉素生产数据并进行数据预处理；搭建基于神经网络的故障诊断模型并初始化参数，使用预处理后的数据训练模型并测试，优化参数以得到青霉素发酵过程故障诊断模型；利用故障诊断模型对数据进行故障诊断，以获得青霉素发酵过程故障诊断分类结果，判断故障类型。采用了本发明的基于神经网络针对青霉素发酵过程实现故障诊断处理的方法、装置、处理器及其计算机可读存储介质，通过使用监督对比损失函数，增强不同故障类别数据之间的差异性，便于更好地提取故障相关特征，更好地提取数据特征进而进行故障诊断，提高工业生产可靠性与安全性。
-
公开(公告)号：CN1823787A
公开(公告)日：2006-08-30
申请号：CN200510112303.3
申请日：2005-12-29
申请人： 华东理工大学 , 上海颖兴生物科技有限公司
IPC分类号： A61K31/575 , A61P35/04
摘要： 本发明公开的是以开发抑制癌细胞浸润转移为目的治疗药物，将灵芝中分离纯化获得的灵芝酸T(ganoderic acid T)和灵芝酸Me(ganoderic acid Me)应用于癌细胞浸润转移的治疗中。此两种分离纯化物，不仅能抑制肿瘤细胞增殖，同时具备有效抑制癌细胞浸润转移的作用。本发明提出该天然提取物可作为新型抗癌细胞浸润和转移的药物。
-
公开(公告)号：CN118711706A
公开(公告)日：2024-09-27
申请号：CN202410623006.8
申请日：2024-05-20
申请人： 华东理工大学
摘要： 本发明涉及一种基于互信息和注意力机制实现青霉素发酵过程变量选择处理的方法，包括以下步骤：获取青霉素生产数据，计算测量变量和质量变量之间的互信息MI，去除与质量变量不相关的测量变量；建立基于注意力机制的预测模型，设置保留变量数量，去除MI选择的变量中的冗余变量，得到优选的变量；定义线性解释模型，基于KernelSHAP的Shapley分析来评估优选变量的贡献。本发明还涉及一种用于实现基于互信息和注意力机制进行青霉素发酵过程变量选择处理的装置、处理器及其存储介质。采用了本发明的该基于互信息和注意力机制的青霉素发酵过程变量选择方法，通过MI和注意力机制优选质量相关变量，有效降低了模型复杂度和数据的冗余度，提高了质量指标的预测精度。
-
公开(公告)号：CN116665795A
公开(公告)日：2023-08-29
申请号：CN202310466275.3
申请日：2023-04-27
申请人： 华东理工大学
摘要： 本发明涉及一种厌氧乙醇发酵过程中物质反应速率的预测方法，本方法通过比生长速率μ的变化情况来预测不同底物浓度和产物浓度条件下各物质的比消耗或比生成速率的变化情况。与现有技术相比，本发明可以在最少过程代谢调控机制认识和实验数据需求的基础上，基于构建的热力学原理的过程模型，以预测厌氧培养下酿酒酵母不同比生长速率下，乙醇生成过程中涉及原料、产品、产热等速率之间的化学计量学关系。基于此，本方案中构建的基于热力学的黑箱模型可以对稳态与动态条件下的厌氧乙醇发酵过程变化提供良好的预测。
-
公开(公告)号：CN118410707A
公开(公告)日：2024-07-30
申请号：CN202410518610.4
申请日：2024-04-28
申请人： 华东理工大学
IPC分类号： G06F30/27 , G06N3/047 , G06N3/0499 , G06N3/0985 , G06F18/15 , G06F18/21 , G06F18/25 , G16B40/00 , G06F123/02
摘要： 本发明涉及一种结合贝叶斯超参数优化的基于R‑K的机理数据融合软测量方法。其中，该方法包括以下步骤：获取工业过程数据与先验主方程，利用先验主方程和龙格库塔(R‑K)推导出质量变量的递归求解方程，建立包含已知部分与未知部分的质量变量预测的机理模型；对机理模型中未知部分使用工业过程数据，利用深度神经网络(DNNs)求解，并采取贝叶斯超参数优化方法，确保神经网络超参数最优；最后，在测试中，通过质量变量求解方程和DNNs预测的黑箱部分，进而递归预测后续时间的质量变量，得到完整的软测量模型框架。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.087 秒)
