非線性生化過程的優(yōu)化與控制

前言
第1 章 緒論 1
1.1 生化過程優(yōu)化及控制研究的意義 1
1.2 生化過程優(yōu)化與最優(yōu)控制 1
1.2.1 連續(xù)生化過程的穩(wěn)態(tài)優(yōu)化 1
1.2.2 生化過程代謝工程和穩(wěn)態(tài)優(yōu)化 2
1.2.3 生化過程的最優(yōu)控制 4
1.3 生化過程的先進控制 6
1.3.1 自適應控制 6
1.3.2 模型預測控制 6
1.3.3 迭代學習控制 7
1.3.4 非線性控制 8
1.3.5 魯棒控制 8
1.3.6 模糊控制 9
1.3.7 神經網絡控制 10
1.3.8 專家控制系統(tǒng) 10
1.3.9 推理控制 11
1.3.10 其他控制方法 11
1.4 色氨酸生物合成的研究進展11
1.5 微生物發(fā)酵法生產1， 3-丙二醇的研究進展 12
第2 章 生化系統(tǒng)穩(wěn)態(tài)優(yōu)化的IOM 方法與應用 15
2.1 生化系統(tǒng)穩(wěn)態(tài)優(yōu)化的IOM 方法 15
2.1.1 生化系統(tǒng)穩(wěn)態(tài)優(yōu)化問題的描述 15
2.1.2 IOM 方法 16
2.1.3 迭代IOM 方法 21
2.2 色氨酸生物合成的穩(wěn)態(tài)優(yōu)化 21
2.2.1 色氨酸生物合成的數學模型、正穩(wěn)態(tài)解及其優(yōu)化 21
2.2.2 優(yōu)化問題的簡化 23
2.2.3 結果分析 24
2.3 本章小結 37
第3 章 生化系統(tǒng)穩(wěn)態(tài)優(yōu)化的修正迭代IOM 方法與應用 38
3.1 修正的迭代IOM 方法 38
3.2 修正的迭代IOM 方法在生化系統(tǒng)穩(wěn)態(tài)優(yōu)化中的應用 41
3.2.1 修正的迭代IOM 方法在色氨酸生物合成系統(tǒng)中的應用 41
3.2.2 釀酒酵母厭氧發(fā)酵系統(tǒng)的穩(wěn)態(tài)優(yōu)化 45
3.2.3 多穩(wěn)態(tài)生化系統(tǒng)的穩(wěn)態(tài)優(yōu)化 61
3.3 本章小結 65
第4 章 生化系統(tǒng)穩(wěn)態(tài)優(yōu)化的二次規(guī)劃算法與應用 66
4.1 二次規(guī)劃算法 66
4.2 二次規(guī)劃算法在生化系統(tǒng)穩(wěn)態(tài)優(yōu)化中的應用 67
4.3 本章小結 72
第5 章 生化系統(tǒng)穩(wěn)態(tài)優(yōu)化的幾何規(guī)劃方法與應用 73
5.1 生化系統(tǒng)的穩(wěn)態(tài)優(yōu)化問題 73
5.1.1 生化系統(tǒng)的GMA 系統(tǒng)形式 73
5.1.2 優(yōu)化問題描述 74
5.2 幾何規(guī)劃方法 75
5.2.1 幾何規(guī)劃的標準形式 75
5.2.2 序列幾何規(guī)劃方法 76
5.3 序列幾何規(guī)劃方法在生化系統(tǒng)穩(wěn)態(tài)優(yōu)化中的應用 83
5.3.1 一個簡單例子 84
5.3.2 序列幾何規(guī)劃方法在色氨酸生物合成系統(tǒng)中的應用 85
5.3.3 序列幾何規(guī)劃方法在釀酒酵母厭氧發(fā)酵系統(tǒng)中的應用 87
5.4 改進的序列幾何規(guī)劃方法與應用 90
5.4.1 改進的序列幾何規(guī)劃方法 90
5.4.2 改進的序列幾何規(guī)劃方法在生化系統(tǒng)穩(wěn)態(tài)優(yōu)化中的應用 93
5.5 本章小結 95
第6 章 生化系統(tǒng)的多目標優(yōu)化 96
6.1 生化系統(tǒng)的多目標線性規(guī)劃方法 96
6.1.1 生化系統(tǒng)的多目標非線性優(yōu)化問題 96
6.1.2 多目標線性規(guī)劃形式 97
6.1.3 多目標線性規(guī)劃問題的求解 98
6.2 多目標線性規(guī)劃方法在生化系統(tǒng)多目標優(yōu)化中的應用 101
6.2.1 色氨酸生物合成的多目標優(yōu)化101
6.2.2 釀酒酵母厭氧發(fā)酵系統(tǒng)的多目標優(yōu)化102
6.2.3 污水處理過程的多目標優(yōu)化104
6.3 本章小結113
第7 章 生化過程的H∞控制 115
7.1 連續(xù)生化過程的建模115
7.1.1 連續(xù)生化過程概述 115
7.1.2 連續(xù)生化過程的物料平衡模型 116
7.1.3 生化過程最優(yōu)穩(wěn)態(tài)工作條件的確定 117
7.1.4 連續(xù)生化過程的控制模型 118
7.2 H∞混合靈敏度方法 122
7.2.1 H∞控制簡介122
7.2.2 H∞混合靈敏度問題123
7.3 雙線性變換 125
7.4 加權函數的選擇 126
7.5 生化過程H∞優(yōu)化設計的一般步驟 127
7.6 甘油生物歧化為1， 3-丙二醇過程的H∞控制 128
7.6.1 數學模型128
7.6.2 H∞控制器的設計131
7.7 本章小結 135
第8 章 生化過程的在線穩(wěn)態(tài)優(yōu)化控制 136
8.1 ISOPE 基本算法 137
8.2 ISOPEN1 算法 139
8.2.1 算法描述139
8.2.2 實際過程導數的估計142
8.2.3 仿真研究143
8.3 ISOPEN2 算法 147
8.3.1 算法描述147
8.3.2 仿真研究151
8.4 本章小結 156
第9 章 甘油代謝目標函數的優(yōu)化計算模型 157
9.1 甘油代謝目標函數計算問題的優(yōu)化模型 157
9.1.1 代謝反應網絡157
9.1.2 通量平衡模型159
9.1.3 目標函數計算問題的優(yōu)化模型160
9.2 目標函數計算模型的求解方法 161
9.3 計算結果與分析比較 162
9.4 本章小結 165
參考文獻 166