微生物发酵过程建模及控制开发环境的研究
|
摘要
本课题“微生物发酵过程建模及控制开发环境的研究”是天津市自然科学基金资助项目“抗生素发酵过程建模及控制开发环境的研究”的子项目。
微生物发酵过程具高度的非线性和时变性，其内在机理非常复杂。一些重要的过程变量不能在线测量。这使对发酵过程的建模和优化更为复杂。
针对这一问题，本论文首先通过对以传统仪表为主、容量为15升的发酵罐控制装置的技术改造，设计完成了发酵罐计算机控制系统，采用上下位机分级控制，由PLC完成过程环境参数控制，PC机完成数据保存及处理。为发酵过程建模及其优化控制的进一步研究提供了硬、软件平台。
在此基础上，经多次酵母发酵实验、聚赖氨酸发酵实验及对大量实验数据的分析，深入了解了微生物发酵的一般性规律；建立了微生物发酵过程的软测量模型，对不可在线测量的生物参数进行估计，包括由主元回归分析得到的解析式模型，由神经网络算法得到的神经网络模型。指导发酵过程的流加控制和环境变量沿着优化的轨迹进行，达到提高最终得率的目的，并对过程当前状态即发酵时期进行识别。
The thesis, application environment study of animalcule fermentation process modeling and controlling, is a part of the project, application environment study of antibiotic fermentation process modeling and controlling which is sponsored by natural science fund of Tianjin City.
Animalcule fermentation process possesses non-linear and time difference, it is inherence mechanism is very complex, some important course variable can't measure online. This made the modeling and controlling more complexity.
Aim at this issue, the thesis firstly technically modified an old jar which mainly consists of conventional instrument and whose capacity is 15L, using PLC for process environment parameter control, PC for data save and management. Provide hardware and software platform for fermentation process modeling and optimization control.
Based on this, through a lot of yeast, e-polylysine ferment experiments and analyzing the data, comprehend the universality rule of animalcule ferment; advanced soft-measure model, estimate the parameter non-measurable online, including the parse model based main-regression analyze, the ANN model based ANN arithmetic. Guide the fed-batch control and environment parameter by the optimized track. To advance the last gain, identify the fermentation phase.
微生物发酵过程具高度的非线性和时变性，其内在机理非常复杂。一些重要的过程变量不能在线测量。这使对发酵过程的建模和优化更为复杂。
针对这一问题，本论文首先通过对以传统仪表为主、容量为15升的发酵罐控制装置的技术改造，设计完成了发酵罐计算机控制系统，采用上下位机分级控制，由PLC完成过程环境参数控制，PC机完成数据保存及处理。为发酵过程建模及其优化控制的进一步研究提供了硬、软件平台。
在此基础上，经多次酵母发酵实验、聚赖氨酸发酵实验及对大量实验数据的分析，深入了解了微生物发酵的一般性规律；建立了微生物发酵过程的软测量模型，对不可在线测量的生物参数进行估计，包括由主元回归分析得到的解析式模型，由神经网络算法得到的神经网络模型。指导发酵过程的流加控制和环境变量沿着优化的轨迹进行，达到提高最终得率的目的，并对过程当前状态即发酵时期进行识别。
The thesis, application environment study of animalcule fermentation process modeling and controlling, is a part of the project, application environment study of antibiotic fermentation process modeling and controlling which is sponsored by natural science fund of Tianjin City.
Animalcule fermentation process possesses non-linear and time difference, it is inherence mechanism is very complex, some important course variable can't measure online. This made the modeling and controlling more complexity.
Aim at this issue, the thesis firstly technically modified an old jar which mainly consists of conventional instrument and whose capacity is 15L, using PLC for process environment parameter control, PC for data save and management. Provide hardware and software platform for fermentation process modeling and optimization control.
Based on this, through a lot of yeast, e-polylysine ferment experiments and analyzing the data, comprehend the universality rule of animalcule ferment; advanced soft-measure model, estimate the parameter non-measurable online, including the parse model based main-regression analyze, the ANN model based ANN arithmetic. Guide the fed-batch control and environment parameter by the optimized track. To advance the last gain, identify the fermentation phase.
引文
[1]王树青．发酵过程控制的新进展．化工自动化及仪表，1995：22(4)：3～10
[2]张嗣良．青霉素发酵过程计算机控制与优化技术研究．无锡轻工大学学报，1996，15(2)：6～11．
[3]凌志浩等．发酵过程在线监控系统的研制．自动化仪表，1998：19(10)：7～10．
[4]易异勋．制药工业青霉素发酵过程微机控制的研究和设计．长沙电力学院学报(自然科学版)，1999：14(4)：318～320．
[5]张曾科等．青霉素发酵生产过程计算机智能控制．化工自动化及仪表，1997；24(2)：13～15．
[6]胡真．补料分批发酵过程计算机控制系统的开发和应用．化工自动化及仪表，1999：26(5)：12～15．
[7]朱学峰．发酵过程中状态变量的在线估计技术．无锡轻工大学学报，1996，15(2)：50～53．
[8]王奉堂等．智能控制方法在发酵中的应用．无锡轻工大学学报，1996，15(2)：117～120．
[9]王树青等．先进控制技术及应用．化工自动化及仪表，1999，26(2)：61～65．
[10]范秀兰等．软测量技术及其在工业生产过程中的应用．自动化仪表，1999，20(2)：1～3．
[11]张伟国等．神经网络在异亮氨酸发酵建模中的应用．无锡轻工大学学报，1996：15(2)：121～124．
[12]王旭东 邵惠鹤．神经元网络建模与软测量技术．化工自动化及仪表，1996，23(2)：28～31．
[13]王旭东 邵惠鹤．基于神经网络的通用软测量技术．自动化学报，1998，24(5)：702～706．
[14]吴晓汉 王树青．基于神经网络的软测量技术及应用．自动化与仪器仪表，1998，76(2)：16～19．
[15]白瑞林．模糊神经网络控制技术在建模、优化及控制中的应用．天津轻工业学院学报，1999，4：35～40．
[16]蓝照斌等．基于神经网络的树脂浓度控制．计算机自动测量与控制，2000，8(2)：24～26．
[17]仲蔚等．多变量系统的软测建模研究．控制与决策，2000：15(2)：209～212．
[18]马红武等．发酵过程中细胞浓度的在线估计——GMDH发与神经网络法的比较．化工自动化及仪表，2000，27(4)：18～20．
[19]黄明志等．人工神经网络在红霉素发酵过程状态预估中的应用．华东理工大学学报，2000；26(2)：162～164．
[20]张泉灵等．基于主元分析和模糊模型的链霉素发酵过程建模．无锡轻工大学学报，2000；19(9)：446～450．
[21]薛福珍等．啤酒发酵过程的建模仿真与控制．中国科学技术大学学报，2001；31(4)：502～508．
[22]殷铭等．基于模糊神经网络的发酵过程溶解氧预估控制．控制与决策，2000；15(5)：523～526．
[23]张鸿业等．智能模糊控制算法在微型发酵罐温控中的应用．电子仪器仪表用户，2000；7(1)：27～29．
[24]杨一兵等．链霉素发酵过程的优化控制．化工自动化及仪表，1994；21(5)：21～23．
[25]杨一兵等．基于神经网络的生化过程预估与优化．生物工程学报，1996；12(1)：101～105．
[26]潘丰等．基于神经网络的流加发酵自适应控制．无锡轻工大学学报，1996．15(2/A)：62-67．
[27]胡泽新，邵惠鹤．基于神经网络的酵母流加发酵过程最优重复控制新方法．信息与控制，1993；22(4)：198～203．
[28]潘丰，冯品如．赖氨酸流加发酵过程优化控制．自动化仪表，1998；19(4)：30～32．
[29]宫衡，伦世仪．溶氧控制和pH控制在赖氨酸分批发酵过程中的应用．无锡轻工业学院学报，1994．13(3)：212-217．
[30]宫衡，伦世仪．赖氨酸流加发酵最优控制的研究．生物工程学报，1996，12(4)：482～488．
[31]徐亲民．补料分批发酵过程的模拟与优化．无锡轻工大学学报，1996；15(2)：88～95．
[32]沈云岐．复杂工程系统的开发——青霉素发酵过程控制．无锡轻工大学学报，1996．15(2/A)：100-105．
[33]张星元等．工业发酵的生物学属性对发酵过程最优控制的制约与对策．食品与发酵工业，1997；24(4)：74～77．
[34]盛炳乾．氨基酸发酵过程优化控制．自动化仪表，1997；18(11)：30～33．
[35]元英进等．一种用于谷氨酸生产流加操作过程预测的模糊-神经网络．化工学报，1997：48(5)：553～559．
[36]廖孙启等．赖氨酸发酵工艺参数模式识别优化．广西化工，1999，28(2)；49～51．
[37]袁景淇等．生物制药生产中的在线产量预测及经济效益优化．中国抗生
素杂志，1999；24(3)：161～168．
[38]陆文清等．核黄素产生菌的补料发酵．无锡轻工大学学报，2000；19(3)：240～243．
[39]王树青，元英进．生化过程自动化技术．化学工业出版社，1999．
[40]王树青．生化反应过程模型化及计算机控制．浙江大学出版社，1998．
[41]陈坚，李寅。发酵过程优化原理与实践．化学工业出版社，2002．2
[42]姚汝华．微生物工程工艺学原理．华南理工大学出版社，1996．
[43]方柏山．生物技术过程模型化与控制．暨南大学出版社，1997．
[44]王树青．发酵过程自动化．化工自动化及仪表，1993；20(5)：1～6．
[45]王树青．生化过程模型化与控制(中国第二届生化过程模型化与控制学术报告会论文集)．浙江大学出版社，1990．
[46]杨一兵．人工智能方法在生化控制中的应用．浙江大学博士学位论文，1996．
[47]贾春阳．最优化控制的若干问题探讨．化工自动化及仪表，2000；27(2)：1～4．
[48]邵惠鹤等．生化过程中的数学模型、参数辩识和最优控制．信息与控制，1987，4，28～38．
[49]苏春玉．TCS集散系统在金霉素发酵过程中的应用．化工自动化及仪表，1999；26(2)：18～19．
[50]梁宝生，陈统明．谷氨酸发酵计算机调控参数的几个问题的探讨．浙江工学院
[51]阮复昌等．半连续青霉素发酵过程的计算机模拟．华南理工大学学报(自然科学版)，1995．23(10)：62-65．
[52]姜长洪等．大型谷氨酸发酵过程的DCS控制．化工自动化及仪表，1996．23(2)：18-22．
[53]蔡煜东等．谷氨酸发酵过程的神经网络模拟预测模型．生物工程学报，1995，11(1)：90-92．
[54]朱学峰等．谷氨酸发酵的智能控制．化工自动化及仪表，1990．18(2)：16-20．
[55]张嗣良，李凡超．发酵过程中pH及溶解氧的测量与控制．东北化工学院出版社，1992．
[56]李庆生．金霉素发酵生产过程微机自动控制系统．福州大学学报，1999．27(2)．
[57]符永法，朱学峰等．红霉素发酵过程的计算机控制．控制理论与应用，1997，14(4)：556-559．
[58]官章全，刘加明．Visual C++6.0类库大全．电子工业出版社，1999．12
[59]郑阿奇．Visual C++实用教程．电子工业出版社，2000．8
[60]陈元琰，邓宗明等．Visual C++6.0编程实用技术与案例．清华大学出版社，2001．5
[61]康博工作室．Visual C++新起点．机械工业出版社，1999．3
[62]David J.Kruglinski，Scot Wingo，George Shepherd，Visual C++技术内幕(第五版)(修订版)．北京希望电子出版社，2001．1(3)
[63]李现勇．Visual C++串口通信技术与工程实践，人民邮电出版社，2002．5
[2]张嗣良．青霉素发酵过程计算机控制与优化技术研究．无锡轻工大学学报，1996，15(2)：6～11．
[3]凌志浩等．发酵过程在线监控系统的研制．自动化仪表，1998：19(10)：7～10．
[4]易异勋．制药工业青霉素发酵过程微机控制的研究和设计．长沙电力学院学报(自然科学版)，1999：14(4)：318～320．
[5]张曾科等．青霉素发酵生产过程计算机智能控制．化工自动化及仪表，1997；24(2)：13～15．
[6]胡真．补料分批发酵过程计算机控制系统的开发和应用．化工自动化及仪表，1999：26(5)：12～15．
[7]朱学峰．发酵过程中状态变量的在线估计技术．无锡轻工大学学报，1996，15(2)：50～53．
[8]王奉堂等．智能控制方法在发酵中的应用．无锡轻工大学学报，1996，15(2)：117～120．
[9]王树青等．先进控制技术及应用．化工自动化及仪表，1999，26(2)：61～65．
[10]范秀兰等．软测量技术及其在工业生产过程中的应用．自动化仪表，1999，20(2)：1～3．
[11]张伟国等．神经网络在异亮氨酸发酵建模中的应用．无锡轻工大学学报，1996：15(2)：121～124．
[12]王旭东 邵惠鹤．神经元网络建模与软测量技术．化工自动化及仪表，1996，23(2)：28～31．
[13]王旭东 邵惠鹤．基于神经网络的通用软测量技术．自动化学报，1998，24(5)：702～706．
[14]吴晓汉 王树青．基于神经网络的软测量技术及应用．自动化与仪器仪表，1998，76(2)：16～19．
[15]白瑞林．模糊神经网络控制技术在建模、优化及控制中的应用．天津轻工业学院学报，1999，4：35～40．
[16]蓝照斌等．基于神经网络的树脂浓度控制．计算机自动测量与控制，2000，8(2)：24～26．
[17]仲蔚等．多变量系统的软测建模研究．控制与决策，2000：15(2)：209～212．
[18]马红武等．发酵过程中细胞浓度的在线估计——GMDH发与神经网络法的比较．化工自动化及仪表，2000，27(4)：18～20．
[19]黄明志等．人工神经网络在红霉素发酵过程状态预估中的应用．华东理工大学学报，2000；26(2)：162～164．
[20]张泉灵等．基于主元分析和模糊模型的链霉素发酵过程建模．无锡轻工大学学报，2000；19(9)：446～450．
[21]薛福珍等．啤酒发酵过程的建模仿真与控制．中国科学技术大学学报，2001；31(4)：502～508．
[22]殷铭等．基于模糊神经网络的发酵过程溶解氧预估控制．控制与决策，2000；15(5)：523～526．
[23]张鸿业等．智能模糊控制算法在微型发酵罐温控中的应用．电子仪器仪表用户，2000；7(1)：27～29．
[24]杨一兵等．链霉素发酵过程的优化控制．化工自动化及仪表，1994；21(5)：21～23．
[25]杨一兵等．基于神经网络的生化过程预估与优化．生物工程学报，1996；12(1)：101～105．
[26]潘丰等．基于神经网络的流加发酵自适应控制．无锡轻工大学学报，1996．15(2/A)：62-67．
[27]胡泽新，邵惠鹤．基于神经网络的酵母流加发酵过程最优重复控制新方法．信息与控制，1993；22(4)：198～203．
[28]潘丰，冯品如．赖氨酸流加发酵过程优化控制．自动化仪表，1998；19(4)：30～32．
[29]宫衡，伦世仪．溶氧控制和pH控制在赖氨酸分批发酵过程中的应用．无锡轻工业学院学报，1994．13(3)：212-217．
[30]宫衡，伦世仪．赖氨酸流加发酵最优控制的研究．生物工程学报，1996，12(4)：482～488．
[31]徐亲民．补料分批发酵过程的模拟与优化．无锡轻工大学学报，1996；15(2)：88～95．
[32]沈云岐．复杂工程系统的开发——青霉素发酵过程控制．无锡轻工大学学报，1996．15(2/A)：100-105．
[33]张星元等．工业发酵的生物学属性对发酵过程最优控制的制约与对策．食品与发酵工业，1997；24(4)：74～77．
[34]盛炳乾．氨基酸发酵过程优化控制．自动化仪表，1997；18(11)：30～33．
[35]元英进等．一种用于谷氨酸生产流加操作过程预测的模糊-神经网络．化工学报，1997：48(5)：553～559．
[36]廖孙启等．赖氨酸发酵工艺参数模式识别优化．广西化工，1999，28(2)；49～51．
[37]袁景淇等．生物制药生产中的在线产量预测及经济效益优化．中国抗生
素杂志，1999；24(3)：161～168．
[38]陆文清等．核黄素产生菌的补料发酵．无锡轻工大学学报，2000；19(3)：240～243．
[39]王树青，元英进．生化过程自动化技术．化学工业出版社，1999．
[40]王树青．生化反应过程模型化及计算机控制．浙江大学出版社，1998．
[41]陈坚，李寅。发酵过程优化原理与实践．化学工业出版社，2002．2
[42]姚汝华．微生物工程工艺学原理．华南理工大学出版社，1996．
[43]方柏山．生物技术过程模型化与控制．暨南大学出版社，1997．
[44]王树青．发酵过程自动化．化工自动化及仪表，1993；20(5)：1～6．
[45]王树青．生化过程模型化与控制(中国第二届生化过程模型化与控制学术报告会论文集)．浙江大学出版社，1990．
[46]杨一兵．人工智能方法在生化控制中的应用．浙江大学博士学位论文，1996．
[47]贾春阳．最优化控制的若干问题探讨．化工自动化及仪表，2000；27(2)：1～4．
[48]邵惠鹤等．生化过程中的数学模型、参数辩识和最优控制．信息与控制，1987，4，28～38．
[49]苏春玉．TCS集散系统在金霉素发酵过程中的应用．化工自动化及仪表，1999；26(2)：18～19．
[50]梁宝生，陈统明．谷氨酸发酵计算机调控参数的几个问题的探讨．浙江工学院
[51]阮复昌等．半连续青霉素发酵过程的计算机模拟．华南理工大学学报(自然科学版)，1995．23(10)：62-65．
[52]姜长洪等．大型谷氨酸发酵过程的DCS控制．化工自动化及仪表，1996．23(2)：18-22．
[53]蔡煜东等．谷氨酸发酵过程的神经网络模拟预测模型．生物工程学报，1995，11(1)：90-92．
[54]朱学峰等．谷氨酸发酵的智能控制．化工自动化及仪表，1990．18(2)：16-20．
[55]张嗣良，李凡超．发酵过程中pH及溶解氧的测量与控制．东北化工学院出版社，1992．
[56]李庆生．金霉素发酵生产过程微机自动控制系统．福州大学学报，1999．27(2)．
[57]符永法，朱学峰等．红霉素发酵过程的计算机控制．控制理论与应用，1997，14(4)：556-559．
[58]官章全，刘加明．Visual C++6.0类库大全．电子工业出版社，1999．12
[59]郑阿奇．Visual C++实用教程．电子工业出版社，2000．8
[60]陈元琰，邓宗明等．Visual C++6.0编程实用技术与案例．清华大学出版社，2001．5
[61]康博工作室．Visual C++新起点．机械工业出版社，1999．3
[62]David J.Kruglinski，Scot Wingo，George Shepherd，Visual C++技术内幕(第五版)(修订版)．北京希望电子出版社，2001．1(3)
[63]李现勇．Visual C++串口通信技术与工程实践，人民邮电出版社，2002．5