2发酵过程残糖浓度在线检测系统-食品与生物技术学报.docVIP

文章编号:1673-1689(2015) - - 一种基于模糊准则的发酵过程 残糖浓度的预测方法 ?刘辉 赵忠盖* 刘飞 （江南大学 轻工过程先进控制教育部重点实验室，江苏 无锡 214122）? 摘　要：发酵过程残糖浓度的在线检测通常具有较大滞后，极大影响了残糖浓度的控制。发酵工艺人员根据菌体生长耗糖的惯性特征，设计了一种残糖浓度的经验估算算法，但是在残糖浓度变化较大时，估算效果不理想。本文首先分析工艺人员的经验估算算法的缺点，结合反馈校正思想，提出了经验估算改进（即有补偿）算法，接着针对工艺人员的残糖浓度估算模型的不准确性，结合模糊智能技术，进行模糊模拟，分别研究模糊预测无补偿、模糊预测有补偿情况下，残糖浓度的预测情况，最后通过实验验证了模糊残糖浓度估算模型以及补偿算法的准确性和有效性。 关键词：发酵过程；残糖浓度；滞后；模糊；预测 中图分类号：TP273+.4 1 概述 在发酵过程中，糖通常作为菌体生长的营养物质，是反应发酵进程的重要指标，因此需要对残糖浓度进行检测[1]。目前，一些先进的发酵过程采用生物传感器（例如美国YSI公司的YSI系列葡萄糖分析仪、瑞典Chemel AB公司的SIRE系列的的葡萄糖分析仪等）进行在线检测残糖浓度[2]，但由于其生物活性酶膜材料难以承受高温灭菌，且发酵罐内环境复杂，影响检测精度，因此需要将发酵液提取出来进行稀释、净化等处理，使发酵液满足生物传感器的检测条件。但是受流速、管道长度、体积等影响，提取过程缓慢，检测值存在较大滞后[3]，因此需要对残糖浓度进行在线预测。 目前大多数学者对残糖浓度预测问题的研究是利用软测量技术，将一些在线可测变量（例如pH、DO、滞后的残糖浓度等）来估计不可在线测量变量（例如残糖浓度等）[4]。基于机理模型的软测量，能较为全面的反映过程的本质[5]，但由于发酵过程的高度复杂性，难以建立残糖浓度的精确机理模型[6]。而基于数据建模的软测量，通过样本数据建立模型，进而估计残糖浓度，应用广泛[7-8]，但这种数据建模过度依赖训练数据，而发酵过程由于操作条件和环境等多因素影响，很难获得重复性好的实验数据，因而建立的模型适用性不强。发酵工艺人员在长期的操作实践中，积累了关于残糖浓度预测的大量经验知识，但这种以经验知识为基础的预测因人而异，预测效果差别很大。模糊预测算法则对经验知识进行总结并建立规则库来描述对象变化的趋势，在发酵过程中应用广泛[9-11]。 实际操作中，发酵工艺人员根据菌体生长耗糖的惯性特征，局部线性化残糖浓度曲线，假设前一段时间发酵罐中耗糖浓度变化量等于后一段时间的耗糖浓度变化量，进而设计了一种残糖浓度的经验估算算法，但是在残糖浓度变化较大的情况下，前一段时间耗糖浓度变化量并不等于后一段时间的耗糖浓度变化量，因此估算效果不好，误差较大。本文在分析和改进经验估算算法之后，结合预测控制思想[12]，采用反馈补偿校正方式，提出了经验估算改进（即有补偿）算法；此外，针对工艺人员的残糖浓度估算模型的不准确性，结合模糊智能技术[13]，进行模糊模拟，分别研究了模糊预测无补偿以及模糊预测有补偿，最后分别对上述四种算法进行仿真和现场实验验证对比，为滞后检测的残糖浓度估算提供了新途径。 菌体发酵补糖控制的工艺流程图如图1所示。图中，粗线为管道，细线表示通信线，箭头表示信号或溶液的传送方向。通过恒流泵1提取发酵液，恒流泵2连接纯净水，两股液体按照一定的比例，在混合器中充分混合稀释，送入检测仪器进行在线检测，通过滞后检测值估算罐中残糖值，并将罐中残糖值送入PC机，PC机控制蠕动泵的开度，实现向发酵罐的补糖。发酵过程中，流加和发酵液的损失同时存在，为简化计算，假定补料前后发酵罐中发酵液的体积不变，设定滞后时间为，采样时间为，且，（=1,2,3…)。 Bacterial fermentation of sugar supplement control flow chart. 3 残糖浓度经验估算算法 发酵工艺人员根据菌体生长耗糖的惯性特征，局部线性化残糖浓度曲线，假设前一段时间发酵罐中耗糖浓度变化量等于后一段时间的耗糖浓度变化量，进而设计了一种残糖浓度的经验估算算法。残糖浓度经验估算算法如图2所示。 假设。设第时刻时，检测仪器YSI2700检测到滞后检测值，为估算此时发酵罐中的值，设第到时刻，补糖浓度变化率为，第到时刻，补糖浓度变化率为，第到时刻，补糖浓度变化率为，第到时刻，发酵罐中耗糖浓度变化量为，如图2（1）所示，则有： （1）在公式（1）中，为滞后检测值，可由YSI2700检测得到，、、分别为、、时刻的补糖浓度变化率，容易得到，而为第到时刻内的耗糖浓度变化量，难以得到。 为获得，分析图2（1）和（2）。第时刻时，检测仪器YSI2700检测到