| 研究課題/領域番号 |
08455381
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
生物・生体工学
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
塩谷 捨明 大阪大学, 工学部, 教授 (50026259)
|
|---|
| 研究分担者 |
内山 圭司 大阪大学, 工学部, 助手 (60294039)
清水 浩 大阪大学, 工学部, 助教授 (00226250)
中嶋 幹男 大阪大学, 工学部, 助手 (00273590)
|
|---|
| 研究期間 (年度) |
1996 – 1997
|
| 研究課題ステータス |
完了 (1997年度)
|
| 配分額 *注記 |
7,800千円 (直接経費: 7,800千円)
1997年度: 1,900千円 (直接経費: 1,900千円)
1996年度: 5,900千円 (直接経費: 5,900千円)
|
|---|
| キーワード | 温度感受性組換え酵母 / 異常診断 / 自己想起型ニューラルネットワーク / ウェーブレットフィルタ / 状態認識 / ウェーブレット変換 |
|---|
| 研究概要 |
本研究では、温度感受性組換え酵母によるイネα-アミラーゼ生産プロセスにおいて、最適な培養計画に基づいて運転されているにも関わらず、種々の不確定要素のために、最適な状態からはずれてしまった異常な状態をプロセスデータからオンラインで検出するシステムの構築を目指した。対象とするプロセスの異常な原因としては、プラスミドの保持率の減少、温度センサ異常、などを考えた。まず、最近、時間軸と周波数域の両方の情報を詳細に解析できる方法として注目を浴びているウェーブレット理論を応用し、ノイズを含んだ時系列データからデータの持つ特徴を落とすことなく、ノイズを除去した。さらに、自己想起型ニューラルネットワークを非線形多変量解析法として用いることにより、微生物の状態をオンラインで認識し、認識した状態に適した操作を行うシステムの開発を行った。
まず、蓄積された培養データをウェーブレット多重解像度解析により、どのような周波数成分がどのような時間に含まれているか解析した。この解析結果に基づいて、データの本質的な変動は落とすことなく、ノイズを効率的にカットできるフィルターシステムを構築した。次に、ノイズの除去されたデータを教師信号として用い、培養状態認識のための自己想起型ニューラルネットシステムを構築した。培養状態認識システムが構築された後、このシステムの有効性を検討するために新たに、いくつかの実験を行い、そのデータから的確に培養状態を認識できることが確認された。また、認識された微生物の状態に応じて制御方策を検討し、計画された最適生産量に近づけることのできるシステムを構築した。
|
