关键词:
生物反应器
改进蝙蝠算法
模糊神经网络
多源数据融合
状态判别
摘要:
生物反应器作为细胞培养的关键设备,用以模拟人体内的微环境,实现在受控环境下细胞培养。生物反应器的运行环境复杂,且在生物过程研究解决实际问题时,细胞培养的微环境多源数据间的信息缺乏融合和利用,细胞培养过程状态通常依靠人工判别,因此,开展生物反应器中多源数据融合技术研究,挖掘和融合细胞培养微环境多参数信息,为生物反应器的细胞培养状态判别提供可靠依据,从而提高生物反应器的智能化程度。本文首先介绍本文的研究背景和意义,阐述生物反应器中多尺度信息技术的国内外研究现状,同时给出多源数据融合技术的应用与研究现状。针对生物反应器在运行过程中易受不同培养参数影响的特点,根据细胞培养的特点设计生物反应器系统的总体结构,对细胞培养过程的影响参数进行分析,并根据检测实验及相关研究,对影响细胞生长的主要微环境因素进行探讨,深入分析和研究温度、p H值、溶解氧含量、溶解二氧化碳含量与压力等参数对细胞生长的影响及其变化规律,以及各参数间的相关性。针对生物反应器中细胞培养过程中检测参数维度较高,具有非线性、多样性、相关性等问题,首先结合细胞培养的特性,对采集到的原始检测数据进行预处理,通过主成分分析法对预处理后的数据进行降维,提取细胞培养过程主要影响因子,即细胞培养状态判别的主要评价指标,据此确定培养液等级划分标准,从而建立对应细胞培养状态判别的评定标准,为细胞培养状态判别模型的建立奠定基础。针对细胞培养过程微环境多参数信息未能有效利用和融合,准确判别生物反应器中细胞培养状态难的问题,本文在BA算法的基础上,提出一种改进BA算法,并以均方误差MSE作为个体适应值,通过改进BA算法对FNN网络进行优化,提高其拟合程度和泛化能力,建立改进BA-FNN模型,据此提出基于改进BA-FNN的细胞状态判别方法。应用实测数据进行验证,同时与FNN、PSO-FNN和BA-FNN方法对比,实验与分析结果表明本文方法融合细胞培养过程的多源数据,细胞判别结果的平均绝对误差、均方误差小,结果准确度更高、可靠性更强。最后基于本文提出的改进BA-FNN的细胞状态判别方法,设计多参数生物反应器智能监测系统。对微环境参数传感器进行选型,设计多传感器数据采集单元,实现细胞培养过程中微环境多参数的实时无菌化检测,同时利用Lab VIEW开发上位机系统软件,详细阐述系统软件构成、模块功能以及各模块设计思路,编程实现生物反应器多参数检测、细胞培养状态判别等功能,基于所设计的多参数生物反应器智能监测系统对细胞培养进行实际检测实验,进一步验证本文方法的有效性和准确性。