1. 研究目的与意义
发酵过程是一个具有时变性和非线性的复杂生化反应, 使用冷却水通过热交换器间接降温的系统存在大滞后和大惯性；另外，影响发酵温度的因素很多，如微生物发酵热、电机搅拌热、冷却水本身的温度变化以及周围环境温度的改变等, 想要建立精确的数学模型比较困难，因此采用常规的pid 控制算法难以达到满意的效果。
模糊控制由于算法简单、易于掌握, 且无须知道被控对象的精确数学模型，具有较好的动态特性，同时模糊控制用语言描述人类知识，把它表示为模糊规则或关系，具有推理、利用知识库、把知识与状态相结合起来决定控制行为等优点。但是，采用单一的模糊控制容易产生振荡, 并且难以消除模糊控制其本身的稳态误差, 难以达到较高的控制精度。
实践经验表明，将模糊控制与pid 控制相结合（自适应模糊pid控制）用于各种过程控制，既能发挥模糊控制鲁棒性强、动态响应好、上升时间快和超调量小等特点, 又具有pid控制较高的动态跟踪品质和稳态精度等优点。这种方法用于生物发酵过程中的温度控制是一种有益的尝试，使发酵温度更有效地保持在生物发酵的最适范围，从而提高产物产量。
2. 国内外研究现状分析
国外的研究的起步时间比较早，但是对于大滞后这个控制难题却一直难以有突破性进展。最初O.J.Smith提出了Smith预估补偿算法，但是Smith算法也存在一定的缺陷；20世纪50年代美国的Whitaker教授提出了自适应控制理论，并且成功应用于实际工程领域；其后日本的上智大学和加拿大的美国学者Monopoli分别对模型参考自适应广义最小方法控制非最小相位和模型参考自适应控制只需利用系统的输入/输出信息就能实现进行了研究。
针对当前发酵工业领域里存在的问题，国内已经有人开始吸收国外的现金经验和技术，将先进的工业控制技术尝试着应用到发酵设备中，采取的手段和方法也各不相同：有的采用专门的工控软件来控制，有的采用工业用PLC来进行控制。此外，近10年发展也比较迅速，2002年隋青美和王正欧运用非线性系统的线性化方法与神经网络在线辨识技术，提出了一种基于神经网络的多变量自适应控制策略；2004年王斌和王孙安对生物发酵过程中温度控制难以建模的问题，提出了基于非线性自回归滑动平均（NARMA）模型，设计了神经网络自回归滑动平均（NN-NARMA）模型，潘丰和李海波提出了一种新型的动态模型递归补偿模糊神经网络；2005年赵江和张贵炜等提出了利用多模型融合技术进行发酵过程建模的新方法。3. 研究的基本内容与计划
1. 第1-2周：查阅参考资料，撰写开题报告及文献综述；
2. 第3-5周：参阅相关资料，学习各硬件、软件的相关知识；
3. 第6-9周：进行发酵罐自动恒温模糊控制器的设计；
4. 研究创新点
将自适应控制和智能控制与PID 控制相结合，用于各种过程控制，既能发挥模糊控制鲁棒性强、动态响应好、上升时间快和超调量小等特点, 又具有PID控制较高的动态跟踪品质和稳态精度等优点，同时用 Matlab/Simulink对控制系统进行仿真。
