第 2 章 明胶浓度软测量应用研究
本章对明胶的制胶原理及明胶生产工艺过程做了简要介绍，并详尽阐释了提胶工序，通过对提胶工序工艺机理的分析最终选定时间、温度和比重作为测量胶液浓度的辅助变量，并将处理后的数据输入到建立的 BP_Adaboost 多模型中进行建模仿真。
2.1 明胶生产工艺概述
2.1.1 制胶原理
1．明胶的用途明胶[45,46]是以新鲜牛皮或猪皮为原料而制成的高分子蛋白质。它采用全套不锈钢设备，严格筛选骨皮，通过反复洗浸、脱脂中和、蒸煮液化、灭菌过滤、浓缩烘干等几十道工序流水线制成。生产出的明胶为一种无味、无色、半透明、坚硬的非晶态物，其不溶于有机溶剂，吸水性强、粘度高，目前我国已有三、四十个行业、一千多种产品用明胶做配套原料。明胶用在照相行业主要是用来制作胶卷；作为一种食品增稠剂[47]和粘合剂广泛使用于牛奶、香肠、冰淇淋、粉丝、方便面等中，又由于它独特的理化特性和较高的营养价值，富含人体必需的 18 种氨基酸[48]，它可以直接制成浓汤、肉食罐头、水晶冻、香味酱、啤酒等供人们食用；药用方面利用明胶的大分子性和胶凝特性除用于制作胶囊[49]、胶丸、栓剂、片剂、延效制剂、明胶海绵等的辅助原料外，由于其没有明显的毒性和抗原性，来源广泛，制法简单，成本低廉又有一定抗休克疗效，又可作为血浆的代用品[50]，60年代瑞士已将明胶列为重要的军事储备物资；工业明胶广泛用于纺织、印刷、印染、电子、国防、木器家具、冶金等工业和部门中。据预测，今后几年全球明胶总需求量将达 40 万吨以上，且有继续扩大的趋势。
2．明胶的性质明胶是营养[51]价值极高、不含脂肪和胆固醇的蛋白质。明胶分子是由肽键将18 种氨基酸以特定序列连接起来的多肽长链。其中，甘氨酸占1 3，脯氨酸占1 6 ，羟脯氨酸、丙氨酸各占1 9，精氨酸占118，赖氨酸占1 24，等等。明胶成品为无色至淡黄色、半透明至透明的粉粒或薄片，颜色越白质量越好。明胶是胶原水解变性的产物，属于大分子蛋白质范畴，具有与大分子蛋白质相类似的性质，又因其分子结构的特殊性，使其又有独特之处。与其他蛋白质一样，胶原是一种两性电解质，每个肽链都有很多碱性或酸性的侧基，每个肽链两端有 氨基和 羟基，它们在溶液中与酸、碱均可发生化学反应；明胶在常温 32 C 下可以形成具一定胶冻强度值的凝冻，而胶冻强度值是医药、食用、感光类明胶的重要技术参数；受一些物理及化学因素（如热、剧烈震荡、脲、酸、碱等）的影响，明胶内部多级结构崩溃，使其发生变性；对变性的明胶，运用缔合方法使其恢复原来的理化性质，这种逆转作用称为复性；明胶受到某些生物碱试剂（如苦味酸、三氯醋酸等）、有机溶剂（如乙醇）的作用，会脱离水发生沉降现象。
第 2 章 明胶浓度软测量应用..........................10
2.1 明胶生产工艺...............................10
2.2 机理分析及辅助变量........................18
2.3 数据的采集和预处理 ............................19
2.4 基于 BP 神经网络的明胶浓度建.......................20
第 3 章 基于 SVM 及 RBFNN 明胶浓度软测量建模 ............26
3.1 FCM 及 GK 聚类算法.................................................26
3.2 基于 SVM 神经网络建模 ..........................28
3.3 基于 RBF 神经网络建模 ..............................36
3.3.1 径向基神经网络（RBFNN）......................36
第 4 章 界面实现.........................................................43
4.1 明胶浓度软仪表实用性.................................43
4.2 VC 与 MATLAB 混合编程 ................................44
总结与展望
1．总结
国内明胶企业测量胶液浓度大都采用人工采样，离线检测的方法测量胶液浓度，这样不仅存在测量上的严重滞后，而且样本容易受到污染，使测量准确性受到质疑，为改变国内明胶企业离线检测胶液浓度的局面，本文提出用软测量技术建立适应明胶生产环境的软仪表来测量胶液浓度，经过对提胶工艺机理的分析，以及对前人选用时间、温度和比重作为测量的辅助变量，并结合软测量模型的选取方法，选定 BP 神经网络、支持向量机及 RBFNN 等建立明胶浓度测量多模型。对测量结果与相同算法、相同样本下的明胶浓度单模型进行比较，结果显示多模型预测精度较高。本文的研究为明胶浓度软仪表的实际应用提供了可靠的备选方案。本论文的主要研究工作如下：
（1）分析提胶工序工艺机理，选择辅助变量。根据前面的分析每道胶液的提取都与温度有密切的关系，温度过高或过低都有可能降低胶液性能和产量，同时在相同温度下，随着时间的延长胶液会进一步发生水解，而在不同温度下胶液比重也会发生相应的改变，时间、温度和比重三者与胶液浓度间有着千丝万缕的联系，而且这三个变量和其他与浓度相关的辅助变量相比又较易获取，所以本文最终选定这三个参数作为测量胶液浓度的辅助变量。
（2）数据处理与软测量模型的建立。由于从工业现场采集的数据间数量级差异较大，为避免其对测量结果造成影响，本文对所采集的数据进行了归一化处理。并将 Adaboost 算法引入 BP 神经网络中，根据 Adaboost 思想建立 BP_Adaboost多模型，实质是将单个 BP 模型反复迭代、不断更新单个 BP 模型的权重，以增强或削弱其在最终输出结果中的影响。测量结果显示 BP_Adaboost 多模型比 BP 单模型误差平方和要小，测量精度要高。同时采用 FCM 和 GK 两种聚类算法对数据样本进行聚类，为使模型精确度提高，在建模前本文对 SVM 模型进行了参数优化，将经 FCM 算法聚类后的数据输入到建好 SVM 多模型中，最终以多模型中各子模型的加权输出作为系统的最终输出。测量结果显示，SVM 多模型和单模型的MSE 都很小，但两者相比多模型的 MSE 更小些。将 GK 聚类后的数据先后输入到由组态软件建立的 RBFNN 多模型和由 MATLAB(2010a)建立的 RBFNN 多模型中，需要指出的是，两个模型的输出规则有所不同，组态软件是以最终各子模型的输出作为最终输出，而后者则与 SVM 多模型输出类似，以各子模型的加权输出作为系统的最终输出。无论是哪一种建模方法，与各自算法下单模型建模相比精度都是有提高的。综合以上三种建模方法，可以看出在辅助变量及样本数均相同的前提下，多模型精度均好于相同算法下单模型精度。
参考文献
[2] Khalfe Nadeem M., Lahiri Kumar Sandip, Sawke Kumar Sunil. Soft sensor forbetter control of carbon dioxide removal process in ethylene glycol plant [J].Chemical Industry and Chemical Engineering Quarterly,2011,17(1):17-20.
[4 ] Geng Liang, Hong Wang,Wen Li,Yan Bai. Optimized combustion system incoal-fired boiler: using optimization control and fieldbus[J]. Transactions of theInstitute of Measurement and Control,2011,33(2):291-312.
[9] X. Hulhoven, A. Vande Wouwer, Ph Bogaerts. Hybrid extendedluenberger-asymptotic observer for bioprocess state estimation. Chemical EngineeringScience,2006,61(21):7151-7160.
[10] Rocco Tarantino, Ferenc Szigeti, /dxbslw/ Eliezer Colina-Morles. Generalized luenbergerobserver-based fault-detection filter design: An industrial application[J]. ControlEngineering Practice,2000,8(6): 665-671.
[11] Davide Fissore, David Edouard, Hassan Hammouri, Antonello A. Barresi.Nonlinear soft-sensor design for unsteady-state voc afterburners[J]. AIChEJournal,2006, 52 (1):282-291.
[12] Olivier Bernard, Antoine Sciandra, Gauthier Sallet. Anon-linear software senaorto monitor the internal nitrogen quota of phytoplanktonic cells[J]. QceanologicaActa,2001,24(5):435-442.
