工业发酵过程优化与控制研究进展.doc

传统的酿造工业和近代发酵工业多为劳动密集型产业，自动化程度较低。近些年来随着连续发酵技术、现代生物分离技术、生物反应器技术、生物传感器技术等现代生物工程技术快速发展．基因工程生物新产品不断出现，加快了发酵工业向技术密集型转变的进程。而影响这一进程的关键因素之一就是发酵过程最优化控制技术，特别是发酵过程连续在线监测控制技术。发酵过程是一个非性线、多变量和随机性的动态过程，发酵体系是一个复杂的被控对象。温度、溶氧、pH、培养基成分、细胞形态、细胞浓度、产物组成及含量等均是发酵过程的重要控制参数。以往测定这些参数采用离线分析，不能及时反映发酵过程的状态，无法实现自动控制和连续跟踪。因此，工业发酵过程中最优化控制技术主要是在线测控系统。在线测控系统可连续、迅速、准确实现取样、检测、信号处理、反馈控制等过程，实现工业发酵过程最优化的自动控制。随着计算机及控制技术的突飞猛进，生物传感器技术的发展，发酵动力学模型研究的完善，发酵过程控制系统愈来愈多，应用范围亦越来越广。但是，工业上实现发酵过程最优化自动控制的实例却不多，仍以人工控制和半自动控制为主。 1 工业发酵过程最优化控制的现状与难点 总的来看，目前发酵工厂发酵过程的计算机应用和自动化控制程度不高，落后于其他领域。现代化的发酵工厂已初步实现对部分因素如温度、溶氧、pH、搅拌转速、流速等的在线检测，也可对其变化进行单因素控制，但仍与发酵最优化的自动控制目标相去甚远，即难以成功建立对培养系统进行系统的反馈性控制。其发展滞后的主要原因如下： 1．1 微生物生长代谢的特殊性 这是由于发酵过程的微生物学属性，使得其不同于一般的化学反应系统，其特殊性表现在： 1)微生物细胞的生长繁殖、产物的代谢既随外界条件的变化而变化，亦随遗传基因的变异而变化；2)微生物细胞是有生命的，必然要经历幼龄、壮龄、衰老和死亡等过程，发酵过程微生物之间是不同步的，微生物个体之间是有差异的；3)相当一部分发酵过程的生物化学反应途径尚不清楚，难以对反应变化进行精确的计算。因此，目前的发酵动力学模型多为经验或半经验模型，或为简化的模型；4)人类对生命科学的认知程度很低，即使对最简单的生物一微生物的认知程度也不充分，对发酵机理的认识还远远不够，对许多发酵产物形成的代谢调控机制还没有完全研究清楚，难以确立最佳的控制条件和手段；5)细胞的生长和目的代谢产物的形成最优控制条件往往是不一致的。 1．2 发酵生产过程控制的复杂性 影响发酵生产过程的因素较多，远比一般化工生产过程复杂，对生产过程控制的难度较大，具体体现在以下几个方面： 1)发酵过程是生化反应与化学物质跨膜(细胞膜)传输过程的叠加，属于气、液、固三相反应系统；2)由于菌体(尤其是菌丝体)的数量变化和各种代谢产物的不断积累，发酵过程发酵液粘度变化复杂，多呈非牛顿型流体性质，给传质、传热的控制带来困难；3)影响生化反应的因素除物理因素和化学因素外，还有生物因素，如细胞之间的影响、杂菌的干扰等；且这些因素又互相关联，给反应过程控制带来困难。无菌操作对生产设备和工艺都有特殊的要求；4)发酵原料多属生物材料，一般使用天然或半天然培养基，培养基成分复杂。因此，实际生产中只能对主要成分进行检控；5)生物反应器不同于一般的化学反应器，要人工提供微生物生长代谢的最佳物理、化学和生态的环境。要在生物反应器内保持菌种的最佳状态，减少各种营养物、代谢物对细胞生长和代谢的阻遏效应等均较困难；6)供在线检测用的传感 器的种类和质量还远不能满足发酵最优化控制的要求。 2 工业发酵过程最优化控制对策 目前的最优化控制条件大多建立在经验的基础上，要取得发酵过程最优控制的突破，首先需要具体发酵产品的微生物生长代谢，发酵调控原理认识的突破，并在此基础上运用科学的方法建立发酵过程数学模型，为计算机的应用提供条件。其次，建立和完善硬件技术，即发酵过程各种参数在线检测控制的设备技术。 2．1 发展完善发酵过程在线测控技术 发酵过程在线测控装置一般包括三个部分：分析检测装置(传感器)、将检测装置与发酵介质相结合的取样过滤装置、实现控制理论的反馈和控制装置，即信号传输装置和计算机。目前正在应用和研究的在线测控装置有以下几种。 2．1．1传感器系统 一种直插式传感器，为直接安装在反应器内实现在线监控的传感器。已用于发酵生产中的主要是罐内物化参数的测定，如温度、溶氧、pH、转速、罐压、粘度、浊度及流量等。此类传感器的性能较稳定，应用也较为普遍，在氨基酸发酵、啤酒发酵等生产中均有应用，实现了部分参数的在线监控。其主要特点是能够承受高温高压环境，常用的有热电偶传感器、转速传感器、测力传感器、玻璃传感器、光学传感器及溶氧传感器等。 另外，微生物传感器可用于测量发酵工业中的原材料（如糖蜜、乙酸等）和代谢产物（如谷氨