针对发酵过程，采用混合式的建模方法，综合应用机理、统计和人工智能技术，建立发酵过程的过程模型，并以此为基础，研究建立以菌体产率为目标的发酵过程的优化控制模型和自学习模型，实现整个发酵过程的过程级闭环优化控制；研究主控制模型和辅助控制模型相结合的优化控制模型结构，适应于间歇生产和多阶段过程的多变量统计建模方法，以及短期自学习和长期自学习相结合的自学习机制，取得间歇过程以生产指标为目标的过程级实现闭环优化控制的系统化的研究成果。本课题的完成，将大大提高发酵过程的优化控制水平，其成果的工业应用将为企业创造极大的经济效益，同时将极大促进间歇式生产过程优化控制理论的发展。

针对谷氨酸发酵过程，采用"灰箱"式的建模方法，建立了谷氨酸发酵过程模型，开发了过程仿真软件包；以此为基础，建立了以产酸率和转化率为目标的发酵过程优化控制模型和自学习模型，实现了整个发酵过程的过程级闭环优化控制。建立了主控制器模型和辅助控制器模型相结合的混合式过程控制优化模型，采用自适应方法对辅助控制模型进行参数自适应修正，实现了模型的短期自学习功能；采用统计学方法，建立了基于数据的过程控制性能评估模型，对发酵过程的控制结果进行统计评估，从而实现了控制模型的长期自学习功能。同时，系统研究了发酵过程间歇、数据稀疏的特点，采用过程神经元网络模型，建立了间歇工业过程稀疏数据预报模型，用于发酵过程的优化控制。本课题的研究成果可用于一类间歇工业过程的优化控制，尤其是间歇生化过程的优化控制，提高间歇工业过程的优化控制水平，为企业提高经济效益服务。