发酵过程优化控制-2详解.ppt

第二节 智能工程在发酵过程控制中的应用-模糊控制 模糊推理和模糊控制简介 模糊的语言和数值表现 模糊成员函数的表现形式 模糊成员函数的表现形式 模糊成员函数的表现形式 模糊成员函数的表现形式 模糊规则的表现形式 执行实施模糊推论-解模糊规则 执行实施模糊推论-解模糊规则 模糊逻辑控制器 应用实例-酿酒酵母流加培养 应用实例-酿酒酵母流加培养 应用实例-酿酒酵母流加 模糊逻辑控制器的设计和问题 人工神经网络技术与模糊控制的融合 人工神经网络技术与模糊控制的融合 人工神经网络技术与模糊控制的融合 人工神经网络技术与模糊控制的融合 人工神经网络技术与模糊控制的融合 人工神经网络技术与模糊控制的融合 人工神经网络技术与模糊控制的融合 人工神经网络技术与模糊控制的融合 应用实例-谷氨酸发酵 应用实例-谷氨酸发酵 应用实例-谷氨酸发酵 应用实例-谷氨酸发酵 应用实例-谷氨酸发酵 应用实例-谷氨酸发酵 应用实例-谷氨酸发酵 应用实例-谷氨酸发酵 应用实例-辅酶Q10生产 应用实例-辅酶Q10生产 应用实例-辅酶Q10生产 应用实例-辅酶Q10生产 应用实例-辅酶Q10生产 应用实例-辅酶Q10生产 应用实例-重组大肠杆菌生产半乳糖苷酶状态预测 应用实例-重组大肠杆菌生产半乳糖苷酶状态预测 应用实例-重组大肠杆菌生产半乳糖苷酶状态预测 应用实例-重组大肠杆菌生产半乳糖苷酶状态预测 应用实例-重组大肠杆菌生产半乳糖苷酶状态预测 应用实例-重组大肠杆菌生产半乳糖苷酶状态预测 应用实例-重组大肠杆菌生产半乳糖苷酶状态预测 模糊控制 辅酶Q10生产的基本特征 旭化学工业（株） Y.Yamada et al., J.Chem.Eng. Japan, 24, 94, 1991 C:溶氧浓度; C*:饱和溶氧浓度; KLaC*:总供氧速度; N:搅拌速度; Q:通气量; X:菌体浓度. 1）Q10生产在限制供氧(Oxygen Limitation)，碳源 充足的条件下进行。 2）图1中的ORP(Oxidation reduction potential)= -100mv代表溶氧浓度为0， Q10生产在此条件下进行。 3） Q10“生产期”的比生产速度与比氧气摄取速度成 反比例，细胞增殖期（图2）的比增殖速度与比氧气 摄取速度成正比例。因此，Q10的生产强度由供氧 速度所控制**。 4） Q10是菌内产物，无法在线测量，但菌体浓度及 比增殖速度可以由浊度计在线测定和计算。 5）通气量Q用做发酵过程的控制变量，N保持一定。 发酵过程优化和控制 模糊控制 模糊控制器构成 Y.Yamada et al., J.Chem.Eng. Japan, 24, 94, 1991 SS:细胞浊度测量值； OD2:细胞浓度，用于确定随 发酵时间变化的“基本(Base)” 通风速度。 OD:相同的细胞浓度，但用于 判断发酵过程所处阶段（初始 延迟期，增殖期，生产期）， 确定“基本(Base)”通风速度基础 之上的修改量。（与OD2具有 不同的模糊成员函数） SGR:细胞比增殖速度。 BTIM:发酵时间。 AIRB:随发酵时间变化的“基本(Base)”通风速度。 DAIR: “基本(Base)”通风速度基础之上的修改量 模糊控制器输入和输出 输入：OD2, OD, SGR, BTIM 输出：AIRB, DAIR 发酵过程优化和控制 模糊控制 模糊规则和模糊成员函数 Y.Yamada et al., J.Chem.Eng. Japan, 24, 94, 1991 68 LA LA SA NB AIRB：由规则#1-5和OD2的模糊成员函数推算； DAIR：由规则#6-70和BTIM，OD，和SGR的模糊成员函数推算。 模糊规则的例（不完全） 发酵过程优化和控制 模糊控制 模糊运算结果和通风量的确定 Y.Yamada et al., J.Chem.Eng. Japan, 24, 94, 1991 1）解模糊规则按照前面介绍的标准 MIN-MAX法和面积中心求解法进行。 2）总通风量=AIRB+DAIR 3）DAIR在10-40h和60-90h显示正值表明 控制系统试图通过加大通风速度，提高 细胞的增殖速度；而DAIR在100h后显示 负值则表明系统试图通过减少通风速度， 来提高产物的比生产速度。 发酵过程优化和控制 模糊控制 有效性和鲁棒性验证 Y.Yamada et al., J.Chem.Eng. Japan, 24, 94, 1991 O2总传质系数 O2摄取速度=QO2X 发酵过程优化和控制 模糊控制 有效性和鲁棒性验证，初始延迟期10-15h左右 发酵过程优化和控制 模糊控制 研究对象 利用重组大肠杆菌诱导生产半乳糖苷