【技术实现步骤摘要】
一种基于多组分浓度在线检测的反馈补料控制方法及系统
[0001]本专利技术涉及微生物发酵控制领域行业,尤其涉及一种基于多组分浓度在线检测的乙醇发酵反馈补料控制方法及系统。
技术介绍
[0002]在过去的几年里,许多研究人员开始对生物能源投入大量的热情,生物能源是以可再生资源为原料生产的有利于环境保护的能源物质,而乙醇作为一种重要的绿色、清洁和可再生的生物能源,在众多领域中受到了广泛应用。
[0003]乙醇生产是一个复杂的系统,且呈现出非线性和动态变化的过程,它受到几个关键过程参数的影响,例如温度、pH、溶解氧、菌体浓度、组分(糖)浓度或产物(乙醇)。目前,发酵过程中的温度、压力、pH值和溶氧等环境参数都可以通过相关传感器实现在线连续测量,作为乙醇发酵组分的葡萄糖仍旧采用离线手段分析,使操作人员不易及时掌握发酵情况进而产生迟滞现象。菌体代谢需要合适的组分浓度,是合成产物所必须的先决条件,组分浓度过高,则会产生抑制现象;底物浓度过低,则会由于缺少代谢物质而使得产物合成过程无法进行,因此在发酵过程中使发酵液中的底物浓度维持在合适的范围是至关重要的。
[0004]随着发酵生产过程的规模越来越庞大,传统凭借经验实现手动补料控制已经无法满足发酵工艺的需求。为了解决传统补料控制方法的不足,真正实现发酵过程的在线高性能补料控制,降低发酵过程中人工的劳动强度,提高自动化生产水平和生产效率,同时提高发酵效率,亟需采用一种新的控制方法设计方案。
技术实现思路
[0005]有鉴于此,本专利技术提供一种基于多组
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于多组分浓度在线检测的反馈补料控制方法,其特征在于方法包括以下步骤:S1、原位在线取样,利用在线监控仪实时检测发酵罐中组分浓度,获得检测的底物、产物浓度;S2、基于发酵罐中的环境参数,结合S1检测的底物、产物浓度,使用软测量模型预测发酵罐中的菌体浓度;菌体浓度结合S1检测的底物、产物浓度建立基于底物消耗的动力学模型;S3、结合粒子群算法对S2的动力学模型的参数进行优化,将优化后的底物消耗的动力学模型作为参考轨迹,并进行实时输出,作为最优设定轨迹;S4、根据步骤S1实时检测的底物浓度与步骤S3的最优设定轨迹之间的误差,滚动优化浓度反馈控制器的输出;S5、浓度反馈控制器的输出输入至单神经元自适应PID反馈控制器,单神经元自适应PID反馈控制器计算当前时刻应加于系统的补料控制量u(k),并作用于补料泵;补料泵连接发酵罐使发酵罐中的底物浓度维持在所需浓度范围。2.根据权利要求1所述的一种基于多组分浓度在线检测的反馈补料控制方法,其特征在于,步骤S1所述的浓度检测方法是采用电化学没生物传感器的原理。3.根据权利要求1所述的一种基于多组分浓度在线检测的反馈补料控制方法,其特征在于,步骤S2中的动力学模型体采用如下微分方程来描述:来描述:来描述:来描述:式中,D,X,S,P和S
f
分别表示稀释率、菌体浓度、底物浓度、产物浓度和补料液浓度,μ表示菌体的比生长速率,μ
m
、P
m
、K
m
、K
in
和Y
x/s
分别表示菌体最大比生长速率、产物饱和系数、组分饱和系数、组分抑制常数和菌体对组分得率系数;α、β均为动力学参数。4.根据权利要求1所述的一种基于多组分浓度在线检测的反馈补料控制方法,其特征在于,步骤S2中所述环境参数包括:酸碱值pH、温度T、溶解氧浓度Do;软测量模型基于BP神经网络构建,BP神经网络包括输入层、隐含层和输出层三层结构,其网络的数学表达式为:式中:X
k
表示输入向量,α
i
为隐含层输出,y
j
为输出参数,v
ik
和w
ji
为隐含层与输出层的连接权值,f和g分别为隐含层和输出层的激活函数。5.根据权利要求1所述的一种基于多组分浓度在线检测的反馈补料控制方法,其特征
在于,步骤S3中所述的粒子群算法,步骤如下:S3
‑
1将需要优化的参数作为一个粒子,初始化粒子群大小NP,粒子群算法迭代次数NG,初始化粒子位置和速度,给定加权系数和学习因子,计算每个粒子的适应度并初始化全局最优解与个体最优解:S3
‑
2更新每个粒子的目标函数值,并将其作为各个粒子对应的适应度值,目标函数值公式为式中,X
i
、P
i
、S
i
为菌体浓度、产物浓度和底物浓度的动力学模型计算值,X
′
i
、P
′
i
、S
′
i
为发酵过程在线监控仪实测值;S3
‑
3根据适应度函数更新个体最优解pbest和全局最优解gbest;S3
技术研发人员:薄翠梅,王琳,李俊,杨仕林,吴昊,
申请(专利权)人:南京工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。