1.一种基于LSTM-PID的溶菌酶发酵温度控制方法，其特征在于，包括以下步骤：S1，采用机理建模方法建立溶菌酶发酵罐的温度数学模型；S2,采集发酵罐内溶菌酶温度、密度、流量和体积，将获取后的具体参数带入建立好的数学模型得到相应的温度传递函数；S3,利用随机游动策略和莱维飞行策略对鲸鱼优化算法进行增强，增强鲸鱼优化算法在处理复杂问题时的全局寻优能力；S4,搭建LSTM神经网络模型，为PID算法寻找最为关键的K值以加快寻优速度、减小超调量和提高稳定速度；S5,在S3步骤基础上运用改进后的鲸鱼优化算法为神经网络LSTM优化初始参数；S6,在S3、S4、S5步骤基础上构建LSTM-PID算法，算法将LSTM的输出设置为PID的三个参数K p ，K i ，K d ，并将LSTM的反向传播算法和PID算法进行融合以此来保证训练模型顺利，将LSTM神经网络优化后得到的三个参数带入到PID控制器中得到控制参数；S7,将LSTM-PID算法得到的控制参数传递到发酵罐生产控制系统中进行温度控制；所述S6详细步骤为：S6.1:构建PID控制算法，并将PID控制算法与LSTM神经网络相结合，确定LSTM神经网络学习速率η和惯性系数α，将初始时刻m设置为1；S6.2:通过设置目标温度r(m)以及通过测量采样得到的实际温度y(m)，得到此刻的误差e(m)，e(m)的计算公式为e(m)＝r(m)-y(m)；S6.3:将r(m),y(m),e(m),e(m-1),e(m-2)作为LSTM神经网络的输入，将初始值r(0)、y(0)、e(0)、e(-1)、e(-2)设置为0；S6.4:将LSTM神经网络的输出设置为PID控制器的三个可调参数K p ，K i ，K d ；S6.5:计算PID控制器的输出u(m)：S6.6:将y(m)与r(m)的差值e(m)设置为LSTM神经网络的误差，进行LSTM神经网络学习，在线调整神经网络权值参数，实现对控制器参数的自适应调整；S6.7:当e(m)小于设置的阈值后则停止调整控制器参数，确定最终的控制器参数并带入到PID控制器中得到控制参数。
2.根据权利要求1所述的一种基于LSTM-PID的溶菌酶发酵温度控制方法，其特征在于，所述S1详细步骤为：根据溶菌酶的浓度以及温度对溶菌酶发酵罐建立化学反应速度方程；根据发酵罐内的物料量对溶菌酶发酵罐建立物料平衡算式；根据热量平衡关系对溶菌酶发酵罐建立热量衡算式；依次得到三个非线性动态方程，运用微分运算将非线性方程线性化，由此可得到状态方程。
3.根据权利要求2所述的一种基于LSTM-PID的溶菌酶发酵温度控制方法，其特征在于，所述S2详细步骤为：采集发酵罐内溶菌酶温度、密度、流量、体积以及发酵罐夹套容积以及冷凝剂体积，根据发酵罐参数以及溶菌酶发酵工艺确定传热面积、传热系数、比热容、冷凝剂密度、反应活化能、气体常数以及反应频率因子；将采集来的参数进行分析整定带入步骤S1建立好的数学模型中，得出具体发酵罐温度传递函数，函数如下：
4.根据权利要求3所述的一种基于LSTM-PID的溶菌酶发酵温度控制方法，其特征在于，所述S3详细步骤为：分别建立鲸鱼优化算法、随机游动策略和莱维飞行策略，建立完成后，在鲸鱼优化算法寻优的过程中，当随机个体值满足等于最有个体值或次优个体值或第三优个体值且小于 时，鲸鱼个体选择莱维飞行策略更新公式更新个体位置；当随机个体值满足等于最有个体值或次优个体值或第三优个体值且大于等于 时，鲸鱼个体选择随机游动策略更新公式更新个体位置；否则选择原本鲸鱼优化算法更新公式更新个体位置；其中，t为迭代过程的第t代，max为最大迭代数， 为勘探迭代比例。
5.根据权利要求4所述的一种基于LSTM-PID的溶菌酶发酵温度控制方法，其特征在于，所述S4详细步骤为：搭建LSTM神经网络模型并构建模型的输入门、输出门、遗忘门以及权值和阈值，为之后加入PID控制算法增加便利性。
6.根据权利要求5所述的一种基于LSTM-PID的溶菌酶发酵温度控制方法，其特征在于，所述S5详细步骤为：将LSTM神经网络的初始权值设置为S3步骤中所表述的改进的鲸鱼优化算法LRWOA的鲸鱼个体，将LSTM神经网络的反向传播算法设置为LRWOA的适应度函数，当LRWOA满足小于所给的适应度函数时，就得到由LRWOA迭代优化后得到的神经网络初始权值W f ,W i ,W c ,W o 。
