１引言

燃料乙醇是一種可再生能源，可作為新的燃料替代品，減少對(duì)不可再生能源———石油的消耗［1］。燃料乙醇是未加變性劑，將乙醇進(jìn)一步脫水達(dá)到體積濃度為99.5％以上的無水乙醇［2］，所以，獲取燃料乙醇的前提是乙醇的制備，而乙醇是由玉米、小麥、薯類、糖蜜、秸稈等為原料，經(jīng)液化糖化、發(fā)酵、蒸餾而制成。發(fā)酵是乙醇生產(chǎn)過程中較重要的環(huán)節(jié)之一，在發(fā)酵過程中，關(guān)鍵生物參量（基質(zhì)濃度、菌體濃度、乙醇濃度等）是反應(yīng)發(fā)酵進(jìn)程的重要指標(biāo)［3-4］。但是，由于發(fā)酵過程的高度時(shí)變性和不確定性，目前，關(guān)鍵生物參量還難以實(shí)時(shí)在線測(cè)量，離線化驗(yàn)時(shí)滯性很大，還無法滿足現(xiàn)場(chǎng)實(shí)時(shí)優(yōu)化控制的需要，將軟測(cè)量技術(shù)應(yīng)用到發(fā)酵過程中，對(duì)關(guān)鍵變量進(jìn)行在線估計(jì)是當(dāng)前學(xué)術(shù)界和工程界的研究熱點(diǎn)。

軟測(cè)量技術(shù)作為解決此類問題的一種方法，它選擇與被估計(jì)變量相關(guān)的一組可測(cè)變量作為輸入，以被估變量為輸出，構(gòu)造某種數(shù)學(xué)模型，并用計(jì)算機(jī)軟件實(shí)現(xiàn)重要過程變量的估計(jì)［5］。軟測(cè)量建模是軟測(cè)量技術(shù)的核心。軟測(cè)量建模方法主要分為機(jī)理建模、數(shù)據(jù)驅(qū)動(dòng)建模和混合建模。由于發(fā)酵過程中乙醇濃度是時(shí)刻變化的，要想建立其精確的機(jī)理模型是非常困難的，因此更適合于采用數(shù)據(jù)驅(qū)動(dòng)的方法建立其軟測(cè)量模型。在基于數(shù)據(jù)驅(qū)動(dòng)軟測(cè)量建模的眾多方法中，較小二乘支持向量機(jī)（Least Square Support Vector Machine,LSSVM）以求解一組線性方程代替標(biāo)準(zhǔn)SVM中較為復(fù)雜的二次規(guī)劃問題，降低了計(jì)算復(fù)雜性，得到了廣泛的應(yīng)用［6］。但考慮到發(fā)酵過程中干擾因素較多且相互關(guān)聯(lián)，輸入變量之間存在的非線性屬性會(huì)影響模型的預(yù)測(cè)精度和泛化能力。因此，采用LSSVM 進(jìn)行軟測(cè)量建模之前，有必要先對(duì)輸入變量進(jìn)行數(shù)據(jù)壓縮和信息抽取，消除輸入變量之間的相關(guān)性。為此，本文將核主元分析法（KPCA）［7］和LSSVM相結(jié)合，提出了一種基于KPCA-LSSVM的軟測(cè)量建模方法。

以關(guān)鍵生物參量之一乙醇濃度的預(yù)測(cè)為例，首先，利用KPCA提取包含初始樣本數(shù)據(jù)信息的主元，然后將所提取的主元作為LSSVM的輸入，乙醇濃度作為LSSVM的輸出，建立了乙醇濃度軟測(cè)量模型。

仿真結(jié)果表明，該模型具有較高的預(yù)測(cè)精度和良好的泛化性能，且方法簡便易行，在一定程度上為乙醇的高效、高質(zhì)量生產(chǎn)奠定了基礎(chǔ)。