发酵是利用微生物生长和代谢活动生产各种有用物质的工业过程,在化工、农业、食品工业、医药工业等国民经济各行业中发挥着重要的作用。发酵工业的迅速发展,对发酵生产效益和发酵工业的整体水平提出了越来越高的要求,而优化控制是达到这些要求的重要途径。诺西肽是一种通过发酵方式获得的硫肽类抗生素,可作为饲料添加剂,具有广阔的市场应用前景,但存在发酵产量较低和转化率不高等问题。本文以诺西肽发酵过程为背景,全面系统地开展了发酵过程建模和优化方法的研究,并在此基础上进行了发酵过程建模与优化控制系统的设计。本文的主要工作归纳如下：首先,结合诺西肽发酵过程的特点,通过对诺西肽发酵过程主要影响因素的分析,从发酵动力学和物料平衡的角度出发,建立了诺西肽分批发酵过程的机理模型,对模型中的未知参数采用差分进化算法进行辨识,并在分批发酵模型的基础上推导出了诺西肽补料分批发酵过程机理模型,为进一步建立诺西肽发酵过程的混合模型奠定了基础。由于发酵过程的复杂性,所建立的发酵机理模型一般都是经过若干简化后得到的,精度不高。为此,将传统的机理建模思想与黑箱建模思想相结合,提出了一种并联方式的诺西肽发酵过程混合建模方法。用机理模型来描述发酵过程的基本知识,用神经网络集成模型弥补机理模型与实际过程的偏差,使得机理模型与黑箱模型的优势得到互补,有效地提高了模型的精度和泛化能力。建模过程中用动态神经网络Elman网络作为神经网络集成中的个体网络,从而能够更好地描述发酵过程的动态特性,各个体网络的合成权重采用偏最小二乘回归方法求得。同时利用混合模型的置信区间对模型的不确定性进行了分析。鉴于发酵过程优化通常为多目标优化问题的实际情况,对多目标优化方法进行了研究。在多目标差分进化算法的基础上,结合自适应思想和混沌思想,引入了混沌初始化、自适应变异和混沌迁移等操作,提出了自适应多目标混沌差分进化算法,针对测试函数的数值仿真结果表明,算法具有良好的逼近性和均匀性指标,适合求解复杂的多目标优化问题。诺西肽发酵过程目前存在的主要问题是产量不高、转化率较低,为此确立了诺西肽发酵过程优化目标为产物量最大和基质消耗量最小(以提高转化率),并确定了过程的决策变量和约束条件,在约束条件中特别考虑了对模型不确定性的限制。用所建立的诺西肽补料分批发酵过程的混合模型来描述发酵过程,以自适应多目标混沌差分进化算法为求解算法,对所建立的优化模型进行了求解。在对发酵过程建模与优化方法研究的基础上,设计了诺西肽发酵过程建模与优化控制系统。给出了系统的硬件结构和数据流程,并重点分析了系统中的主要功能模块。利用C#在界面设计方面的优势,结合Oracle数据库的数据管理能力和Matlab强大的计算仿真功能,对诺西肽发酵过程建模与优化控制系统进行了混合编程实现。最后,在总结全文的基础上,对发酵过程建模和优化控制技术未来的发展进行了展望。