基于自动化和计算流体力学技术发酵工厂设计课程教学探索.docVIP

基于自动化和计算流体力学技术发酵工厂设计课程教学探索 　　摘要：发酵工厂设计是整个生物工程专业课程体系中最具工程化和创造性的课程。但是传统的教学方式已不能满足社会的需要，本课程将自动化技术应用到教学中，以此来丰富教学内容，创新教学手段，培养高素质应用型工程设计人才。 　　关键词：发酵工厂设计；自动化技术；计算流体力学 　　中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2016）17-0136-02 　　《发酵工厂设计》课程是生物工程专业的一门专业必修课程，在专业课程教学中占有重要地位。开设该课程的目的是培养学生对工厂的全局设计思考能力，专业性的工艺、设备设计能力，再结合毕业设计和生产实习，完成工程学科的综合性基础训练，也是大学生向工程师转化的一个重要的教学环节[1]。该课程具有非常强的综合性和实践性，要求学生具有《生物工程设备》、《化工原理》以及《工程制图》等多门课程的理论知识，并在生产实习等实践课程的基础上对所学的理论知识进行综合和与系统化，实现从理论学习向工程设计的转化。开设该课程的目的是为学生打好理论与实践能力的基础，使其在未来的工作岗位上具有从事工厂技术改造和工艺设计等相关工作的能力。目前，全国多所高校的均面向生物工程专业本科生开设《发酵工厂设计》课程。但是随着现代科技发展，知识更新速度加快，新技术、新工艺和新设备不断涌现，生物制品的生产过程与质量控制环节精细化程度越来越高，发酵工业生产逐渐呈现出多学科交叉的趋势。发酵工艺与设备越来越复杂，在有限的课时内将如此复杂的设备和流程清晰、准确、形象地传达给学生将变得越来越困难。现有教学模式中的语言描述、简单的设备示意图和流程图越来越难以胜任不断提高的教学要求。 　　为了满足未来发酵工厂中控制过程精细化的需求，我们将自动控制技术融入《发酵工厂设计》的教学内容之中。同时，我们将计算流体力学技术（CFD）作为课堂教学的手段之一，将工业发酵反应器及管道内部流场的分布，以动态方式展现给学生，以增强学生对设备及工艺的感性认识，进一步提高教学质量。 　　一、自动控制技术在发酵工厂中的应用 　　随着发酵生产过程精细化程度的提高，传统的人工控制方法已经无法满足发酵生产的控制需求。因此，将自动控制技术用于发酵生产，形成特有的发酵过程控制技术已经成为不可阻挡的趋势。发酵过程控制，广义上讲、就是将发酵过程的某个或多个状态变量控制在期望的水平或者时间曲线上，从而使得某一发酵性能指标（如目标产物浓度、生产强度等）达到最优[2]。本质上讲，发酵过程控制和发酵过程优化是密切相关的。根据能否在线测量某一个或某些反映发酵过程特征的状态变量，可以将发酵过程控制分为离线控制和在线控制两类。离线控制是一种典型的开回路-前馈控制方式，它最大的特点就是不需要测量任何状态变量，仅利用已知的动力学模型或其他方式来计算和确定控制变量。离线控制虽然不需要对过程状态参数进行在线测量，但是，它必须严格要求描述过程动力学特征的数学模型的准确性。实际环境下、一旦过程动力学特性发生变化和偏移，离线控制的性能和效果就会产生不同程度的恶化，发酵过程优化的目标也就无法得到实现。 　　鉴于离线控制的种种缺陷，在线控制方法的越来越受到研究者们的青睐。在线控制是典型的闭回路-反馈的控制方式。在反馈控制中，至少要有一个状态变量可以在线测量。根据被控状态变量测量值与其设定值之间的偏差，反馈控制器按照一定的方式，自动地对操作变量进行修正调整，使得测量值能够迅速和稳定地被控制在其设定值附近。然而，微生物发酵过程具有明显的非线性和时变性特征，常规的反馈控制策略，如比例-积分-微分（PID）控制，难以满足发酵过程控制的需求。因此，在《发酵工厂设计》课程中所讲授的自动控制技术应将重点集中在智能控制方面。智能工程是计算机科学研究的一个重要领域，致力于设计开发精密的计算机程序和软件，并以此来模拟人脑的信息获取、逻辑推理以及归纳总结等智能行为，以便解决一些需要人类智慧才能解决的复杂问题。常见的智能工程方法主要包括人工神经网络、遗传算法、模糊逻辑控制以及支持向量机等。该课程面向的对象是生物工程专业的本科生，受教学对象专业背景所限，授课过程中应当尽量避免晦涩难懂的数学公式推导，力求以通俗易懂的语言讲授各种智能控制方法的原理，并列举发酵过程控制的实例来增强学生对基本智能控制方法的理解和应用能力。 　　二、发酵过程故障诊断技术在发酵工厂中的应用 　　发酵过程控制通过将特定的过程状态参数控制于期望水平上，达到改善发酵性能的目的。但是，有时即便将发酵操作条件控制在所谓“最优”状态或水平，却也不能确保发酵性能的优化或改善。然而，在实际的发酵过程中，因配料错误、检测错误等无法预测的原因使得过程优化控制策略的有效实施受到严重制约，即便在“最