1. 研究目的与意义

啤酒是世界上产量及消费最大的一种酒，特别是北美及欧洲国家的总产量及人均消费量均居世界前列，我国随着改革开放现代化建设，人民生活水平不断提高，啤酒己成为人们的时尚饮品，市场的宠儿，生产直线上升，进入九十年代后产量逐年增加，自前己成为仅次于美国的世界第二大啤酒产销国，令世界啤酒界人士刮目相看。但是我国人均啤酒消费水平只有8升，仅相当于世界水平的1/3差距很大;近年来，虽然我国的啤酒装备配套水平有很大提高，但与国外的主要啤酒生产厂家相比大部分企业技术落后，国内的啤酒行业迫切要求进行技术改造，提高生产率，保证产品质量，以确保在激烈的市场竞争中立于不败之地。由于啤酒的生产过程复杂，目前我国大多数啤酒生产企业技术装备落后，自动化程度低，产品质量不稳定。如何提高啤酒生产的综合自动化水平，增强我国啤酒产业的综合实力是一个很好的研究课题。

啤酒发酵是啤酒生产过程非常重要的环节，是决定啤酒质量的最关键的一步，特别是对发酵过程中温度、压力的控制尤其重要，控制指标的好坏将直接影响啤酒的质量。早期，由于人们对发酵机理认识不深，再加上采用控制器的限制，对发酵采取自动控制未能成功。随着人们对发酵机理的逐步认识，并随着可靠性高、能经受恶劣环境器件的引用，对发酵采用自动控制逐渐取得成功。

啤酒发酵过程是一个非线性过程，为了保证啤酒发酵的质量，需要对其中的关键参数进行监测。然而，现有的传感器多数仅仅只能实现温度、压力、溶氧、ph值能性能指标的检测，而无法发酵过程中与有机物含量相关的关键指标，如基质浓度、酵母菌浓度等指标进行检测，需要采用状态估计的方法去实现。本课题主要是根据啤酒发酵过程的监控的要求，设计合适的状态估计方法，并通过软件编程实现基质浓度和糖度等指标的监测功能，以实现啤酒发酵过程的实时自动监测。

2. 研究内容和预期目标

本设计是做一个对啤酒发酵过程进行检测的状态估计器。需要用到的是kalman滤波器和粒子滤波器，利用这两种滤波器分别对啤酒发酵过程中基质浓度、酵母菌浓度进行实时检测。普通的kalman滤波器针对的是线性系统，而实际中线性系统并不存在，绝大部分的系统模型都是非线性模型。然而许多系统非常接近线性关系，利用线性估计能够给出满意的结果。但目前线性估计方法仅仅能够解决非常接近线性的非线性问题。当我们遇到一个甚至在小范围都不表现出线性关系的系统时，普通的kalman滤波器将不再给出满意的结果。这种情况下，就需要在普通的kalman滤波器的基础上进行改进，设计非线性kalman滤波算法。其应用在啤酒发酵模型上的滤波效果要更好，充分发挥其性能。

(1)查阅状态估计相关的书籍，了解状态估计的基本原理;

(2)对啤酒发酵过程机理模型进行线性化，设计实现kalman滤波算法；

3. 研究的方法与步骤

大多数状态估计方法基于控制理论和概率论来计算向量状态。一些最常用的估计方法，包括最大似然和最大后验，卡尔曼滤波，非线性滤波，粒子滤波，分布式卡尔曼滤波，分布式粒子滤波以及协方差一致方法。

为实现对啤酒发酵过程中基质和酵母菌浓度变化的检测，本次设计从上面提到的几种滤波中选前两种进行研究，即卡尔曼滤波和非线性滤波：

一、卡尔曼滤波法：

4. 参考文献

5. 计划与进度安排

（1）2022-10-27～2022-3-11查阅相关技术资料，撰写开题报告。

（2）2022-3-12～2022-4-8工程功能分析，熟悉项目需求。

（3）2022-4-9～2022-5-6算法设计。