第七章_典型发酵过程动力学及模型.pptVIP

可见，单级恒化器连续培养菌体的稳态操作必须有D＜Dc； 如果DDcrit ，反应器中的菌体终将被冲出； 如果D只稍微低于Dc，那么整个系统对外界环境的变化是非常敏感的，随D的微小变化，x将发生巨大的变化。 如果连续培养是以菌体为目的产物，那么菌体生长速率希望取得最大值，dx/dt称为连续生产菌体的生产强度Pt ∵kss0, ，可知Dmax就在μmax附近 例题1：在一连续操作的搅拌槽式反应器中，用乳糖培养大肠杆菌，反应器的体积为2L ，加入乳糖的初始浓度为160mg/L，如果用不同的加料速度时，结果如下： 求大肠杆菌最大比生长速率μm 和Ks。 流加速率F(L/h) 底物浓度S(mg/L) 细胞浓度X(mg/L) 0.2 4 15.6 0.4 10 15 0.8 40 12 1.0 100 6 解题思路：由μ=D=F/V，求得一定稀释率下的μ，代入莫诺方程，列出两组方程即可。 μm = 0.6 h-1，Ks = 20 mg/L 例题2： 连续培养时微生物在葡萄糖中的生长符合莫诺方程，μm=0.5 h-1，Ks=0.1g/L，D=0.4 h-1，则在稳态时微生物的比生长速率μ 为 ，流出物中葡萄糖的浓度为 。 0.4 h-1 0.4g/L 连续培养的应用问题 目前，连续培养只在酵母菌单细胞蛋白（SCP），乙醇生产和污水处理上成功地应用，在其它微生物培养中的应用还很少。 主要原因是： （1）微生物菌种的变异问题。（人工诱变处理的高度变异株，长期的连续培养中容易使恢复突变株逐渐积累，最后取得生长优势） （2）杂菌污染问题。（供给新鲜培养基、供给无菌空气等过程极易带来杂菌污染） （3）产物的高成本分离过程。 连续培养可提供微生物代谢的高度选择性的最佳环境，在生产强度、转化率方面具有优势，只要在获取高产物浓度上得到技术突破，便可增进竞争优势，因此，对于工业化生产仍极具潜力。 * 比死亡速率 比生长速率 * * Pirt方程 π＝a + bμ a=0、b≠0： 可表示一类发酵 a≠0、b=0： 可表示二类发酵 a≠0、b≠0：可表示三类发酵 * 基质消耗动力学 S S1 菌体 S2 产物 S3 维持 X S（底物） ─→ X（菌体） ＋ P（产物）+维持 维持消耗(m) ：指维持细胞最低活性所需消耗的能量，一般来讲，单位重量的细胞在单位时间内用于维持消耗所需的基质的量是一个常数。 * 1、基质的消耗速率与比消耗速率 见p118 如果基质仅用于细胞的生长： 如果以氧的消耗来计算： * 2、包括维持代谢的基质消耗动力学 要消耗额外的基质产生能量供维持代谢待续进行。 m：维持系数 g/g·g Y*X/S：生成细胞的干重与完全消耗于细胞生长的基质的质量之比，表示在无维持细胞代谢时的细胞得率，可称为最大细胞得率 * 3、包括产物生成的基质消耗动力学 见p119 (1)产物的生成以产能途径进行； 如生产ATP、酒精、乳酸等 (2)产物的生成不与或仅部分与能量代谢相关联。 基质消耗速度取决于: (1)细胞生长速率；(2)产物生物速率；(3)基质消耗用于维持能速率。 * 细胞反应动力学模型的建立 细胞反应过程数学模型是一组可以近似描述或表示细胞反应过程的数学方程式，可以在一定程度上精炼出原过程的特征。 ①预测微生物反应过程的进程，成为预测模型。 ②数学模拟放大。可以省去中试阶段，降低费用。缩短开发期。 ③过程优化策略。通过计算机仿真，求出各种条件下生成装置的各种行为，寻找最优生成条件，实现生成的最佳操作。 ④过程优化控制。按照数学模型，求解控制变量的最优值，保证反应某个指标、产品质量或能量消耗处于最佳值。 生化工程中，大致有三种模型： 数字拟合型：完全依赖于实验，根据实验数据进行回归分析建立一个能够描述变量外部联系的数学模型 机制模型：建立在反应机制基础之上。 常规模型：以实验为依据，在模型的数学表达式上对有近似特性的机制模型加以模拟，形式虽然与被模拟的机制模型相似，但模型参数的本质不完全相同。 * * 一、数学拟合型模型 黑箱系统+经验模型。 不需要了解内部机制，模型值直接应用于生成过程，可靠性较高，但不能找到反应过程的本质。 获取数据的途径： (a)在正常生产操作中获得实测数据； (b)实验设计获得实测数据。 例子： (1)紫外线照射菌体悬浮液与细胞存活率关系P123 (2)超声波降解透明质酸的时间与透明质酸相对分子时的关系P124 * 二、机制模型 “白箱”系统 要求：(1) 对内