王斌，王孙安
（西安交通大学机械工程学院,710049, 西安)
摘要：针对生物发酵过程中温度控制难以建模的问题,基于非线性自回归滑动平均(NARMA)模型,设计了神经网络自回归滑动平均(NNNARMA)模型.利用径向基神经网络逼近NARMA模型中的映射关系,对神经网络的输出进行了二阶低通滤波,用变异率可调节的遗传算法优化了NARMA模型中的延时参数以及神经网络的输出滤波参数.应用该方法建立了生物发酵过程的温度控制模型,该模型在上温、中温和下温的误差相对于Elman神经网络模型分别减少了38.9％、13.5％和61.3％.该方法具有一定的可操作性,能够较好地解决生物发酵过程中的温度控制建模问题．
关键词：非线性系统;建模;生物发酵
中图分类号：TP273文献标识码：A
文章编号： 0253９８７Ｘ（２００4）070737０4