[Use of recurrent neural networks for dynamic bioprocess modelling. Application to starter production. Part 1] | Les reseaux de neurones recurrents: un outil pour la modelisation des bioprocedes. Application a la production de levains. 1. partie
1997
Latrille, E. (Institut National de la Recherche Agronomique, Thiverval Grignon (France). Centre de Grignon Massy Paris, Genie et Microbiologie des Procedes Alimentaires) | Teissier, P. | Acuna, G. | Perret, B. | Corrieu, G.
French. L'automotisation des procedes biotechnologiques se heurte a de nombreux problemes de mise en oeuvre notamment en raison du manque de capteurs fiables et peu couteux de certaines grandeurs biologiques importantes (biomosse, produit, etc...), du caractere non-lineaire des modeles de simulation et de la dynamique non-stationnaire de la croissance des micro-organismes. Nous montrons, a partir de deux exemples de procedes de production de biomasse, l'un concernant les levains lactiques, l'autre les levures de tirages, des applications de modeles dynamiques a base de reseaux de neurones recurrents etablis a partir de donnees issues de productions a echelle pilote ou industrielle. Les reseaux de neurones, de par leur capacite a decrire des phenomenes dynamiques non lineaires, offrent alors des perspectives tres interessantes pour effectuer des mesures indirectes de la concentration en biomasse et des predictions de son evolution. Dans le cas d'une production de ferment lactique, la concentration en biomasse est mesuree indirectement en ligne par les mesures de la temperature, du pH et du poids de base ajoutee. Pour une production de levain de tirage, la concentration levurienne est mesuree indirectement par les mesures de la temperature, du pH et du volume de CO2 degage. Les performances des modeles en simulation permettent aussi d'envisager leur utilisation dans une strategie de controle-commande predictif
Show more [+] Less [-]AGROVOC Keywords
Bibliographic information
This bibliographic record has been provided by National Institute for Agricultural Research