发酵过程控制
发酵的生产水平高低除了取决于生产菌种本身的性能外,还要受到发酵条件、工艺的影响。只有深入了解生产菌种在生长和合成产物的过程中的代谢和调控机制以及可能的代谢途径,弄清生产菌种对环境条件的要求,掌握菌种在发酵过程中的代谢变化规律,有效控制各种工艺条件和参数,使生产菌种始终处于生长和产物合成的优化环境中,从而最大限度地发挥生产菌种的生产能力,取得最大的经济效益。
与物理和化学反应过程相比,生化反应过程有以下不同特征:①动力学模型高度非线性;②动力学模型参数的时变性;③除简单的物理和化学状态变量(温度、pH、压力、气体分压、DO外,绝大多数生物状态变量(生物量、营养物浓度、代谢产物浓度、生物活性等)很难在线测量;④过程参数的滞后性,一个生物过程可能涉及成千上万个小的物理和化学反应,其相互间的作用和影响造成了生物过程的响应速率慢。
生物过程的控制和优化还具有以下特点:①不需要太高的控制精度;②各状态变量之间存在一定的连带关系;③由于没有合适的定量的数学模型可循,其控制与优化操作还必须完全依靠操作人员的经验和知识来进行。
生物过程控制和优化的目的就是以生物反映工程、发酵工程、生物化学、微生物学等学科的原理和知识为基础,以自动控制理论、过程控制和
优化理论、工程数学以及人工智能技术为手段,将目的生物过程控制在最优的操作环境之下,以实现提高生物过程生产水平的目
的。
一般来说,生物过程控制和优化的目的最基本的目标函数有3个:①浓度,即目的产物的最终浓度或总活性;②生产强度或生产效率,即目的产物在单位时间内单位生物反应器体积下的产量;③转化率,即基质或反应底物向目的产物的转化比例。通过优化发酵过程的环境因子、操作条件和操作方式,可以得到所期望的最大产物浓度、最大生产效率、最大原料转化率。但是,通常情况下这3项优化指标是不可能同时取得最大的,提高某一项优化指标,往往需要牺牲其他优化指标。
实现发酵过程的控制和优化,首先需要确立过程的目标函数(优化指标),确定过程的状态变量、操作变量和可测量变量,然后建立描述状态变量与独立变量(时间)、操作变量间关系的动力学模型。数学模型可以是有明确物理和化学意义的模型,也可以是仅仅反映状态变量与操作变量之间关系的黑箱模型。如果确实没有描述过程动力学的数学模型可用,则经验型的定性模型也可以用来进行过程的优化和控制。
生物过程控制和优化的研究内容就是要回答和解决以下几个方面的问题:
①过程控制和优化的目标函数是什么?
②有没有能够描述过程动力学特征的数学模型可以利用?如何建立上述模型?
③为实现优化目标,需要掌握什么样的情报?需要计测(在线或离线)哪些状态变量? ④用来实现优化与控制的操作变量是什么?
⑤可以在线计量的状态变量是什么?并据此可以推定什么样的不可测状态变量、过程特性或模型参数和环境条件?
⑥过程的外部干扰可能有哪些?它们对过程控制和优化的影响是什么?
⑦实现优化与控制的有效算法是什么?如何利用选定的算法求解最优控制条件?
⑧控制和优化算法能否适时解决由于环境因子或细胞生理状态的变化而造成的最优控制条件的偏移,从而实现过程的在线最优化?
发酵过程控制 来自淘豆网m.daumloan.com转载请标明出处.
