1、 生化过程优化控制是一门交叉学科，它涉及生物化学原理、生化反应工程、过程控制理论和应用数学理论等多种学科。优化控制的目标函数：目标产物浓度、生产强度和底物转化率。实现发酵过程的优化控制，需要确定优化的目标函数、过程的状态变量、操作变量以及动力学模型。数学模型是实现过程优化控制的基础，可以分为：结构化模型、非结构化模型和黑箱模型。合理选择观测变量和控制参数是优化控制的基础和关键问题 物理参数 化学参数 生物参数参数获取方法：取样检测 反应器内直接检测 相比而言，生物参数的监测较困难，往往需要间接获得。生物传感器是借助于生物敏感元件并利用化学反应原理以选择性方式对特定的待分析物质产生响应进行检测，
2、并通过转换器对分析物质进行定性或定量分析的装置。生物传感器主要包括两个部分：分子识别元件和换能器。原理：被分析物扩散进入固定化生物敏感膜，经分子识别，发生生物学反应，产生的信息继而被相应的化学换能器或物理换能器转变成可定量和可处理的电信号，再经检测放大器放大并输出，便可知道待测物浓度。pH值 溶氧 呼吸代谢参数 比生长速率 氧气体积传质系数 生物热 在发酵过程中由于微生物的代谢(消耗碳源或氮源，释放代谢产物如酸等)会使得发酵液的酸碱度发生很大的变化，而发酵过程需要维持在一定的酸碱度范围内。在生化过程中，pH的控制和调整已成为过程操作不可缺少的变量。因此pH的测量在生化过程控制中具有无比重要的地
3、位。pH：表示体系酸碱度的参数，为溶液中H+的活度，即 pH=-lgH+，其范围为014，pH7为碱性。pH一般是利用电化学原理进行测定。常用一组电极来测量，即测量电极和参考电极。电势与温度相关，pH转换器需具有温度补偿功能。pH电极参比电极 溶氧(DO)影响细胞的生长、产物的生成。反应器中溶氧的检测远比温度等参数检测困难。在有电流通过的条件下，可氧化物质在电极上发生极化反应产生扩散电流，电流大小与参与反应物质浓度成正比，通过改变外加电压得到相应曲线。溶氧检测主要有3种方法，均需利用膜将测定点与发酵液分离，使用前均需进行校准。1.导管法；2.质谱电极法；3.电化学检测法(极谱分析法)。最常用的
4、溶氧检测方法是可蒸汽灭菌的电化学检测器。分为原电池型电极和极谱型电极两种。二者均用膜将电化学电池与发酵液隔开。对于溶氧测定，膜仅对O2有渗透，对其它干扰物则不能通过。其原理是O2通过渗透膜从发酵液扩散到监测器的电化学电池，O2在阴极被还原时产生可被检测的电流或电压，这与O2到达阴极的速率成比例。发酵液膜外表面膜内表面阴极O2扩散跨膜扩散电极内扩散 阴极检测到的是O2到达阴极的速率，取决于它到达膜表面的速率、跨膜传递的速率及它从内膜表面传递到阴极的速率。忽略传感器内动态效应，O2达到阴极的速率与氧跨膜扩散速率、氧扩散至膜表面的速率相等，与氧传质总浓度驱动力成比例。假定膜内表面O2浓度可有效降为0
5、，则扩散速率与发酵液中溶解氧成正比，阴极测定的电信号与发酵液中溶氧成正比。12345671 阴极，2 气体渗透膜，3 外壳，4 电解质，5 阳极，6 绝缘体，7 电解质薄膜当两电极之间加一极化电压(0.6-0.8V)，有氧存在时，电极上将产生氧化还原反应：阴极：O2+2H2O+4e-4OH-阳极：4Ag+4Cl-4AgCl+4e-由此可见，在两电极之间就会有电流产生 当极化偏置电压一定时，电极极化电流的强弱与溶液中氧的分压呈线性关系，根据Fick定律有：XpDaAkiO21i 电极电流，k1 常数，D 膜中氧扩散系数，a 膜材料氧浓度，A 阴极表面积，X 气体渗透膜厚度，pO2 溶液中氧分压
6、若电极材料一定，物理特性和尺寸一定，那么k1、D、a、A、X 都确定，则：i=KpO2 即电极电流与氧分压成正比关系。则可测定溶液中氧浓度。由Henry定律可知，溶液中的氧浓度与其分压成正比CL=pO2aL其中：CL 溶氧浓度，pO2 氧分压，aL 溶解度常数如果aL是常数，则电极电流信号可直接转化为溶液。但aL受温度和溶液组成的变化而改变。因此，用溶氧电极来测量发酵液中氧含量时，只有当罐内温度、压力及发酵液组成一定时才准确。极谱电极在测量中的动态响应速度、稳定性、温度漂移特性都比较好，能适应工业发酵要求。对电极寿命和稳定性影响最大的因素是发酵罐的高温灭菌。为了消除这种损害，一般采用电极保护套
7、的方法，将溶氧电极装在可伸缩的保护套，灭菌后再推入发酵罐。电极安装在发酵罐中最合适的位置，能准确反映发酵液中溶氧的变化，其安装开孔不影响灭菌及留死角。一般安装在中部偏下，安装时要有一定的向下的倾斜角，防止安装口积液或清洗不到。溶氧电极的使用，需要注意四个方面：搅拌、温度、压力、以及电极校准。氧分析：氧分析：微生物生长代谢过程中要利用氧，微生物的氧利用率(OUR)是生化反应过程的重要参数，因此，测量发酵排出气体中的氧含量成为研究生物生长和产物形成的主要变量。氧浓度的分析测量主要采用磁风式氧分析仪(磁氧分析仪)。原理：利用氧具有极高的磁化特性设计而成，当氧气通过非均匀磁场的作用时，将会形成“热磁对
8、流”或称“磁风”，该磁风对敏感元件产生冷却作用，利用此进行氧浓度的检测。二氧化碳分析：二氧化碳分析：大规模工业发酵的CO2量的测定具有重要价值，是发酵过程控制中重要在线信息。确定产生的CO2量有助于计算碳回收。研究发现生物量生长率与CO2生成率成线性相关性，进而开发估计细胞浓度的模型，由在线检测CO2的数据估算比生长速率。发酵工业中常用的尾气CO2分压(浓度)检测仪为红外线CO2测定仪。其检测原理：在近红外波段CO2气体的吸收造成光强度的衰减，衰减量遵循朗伯-比尔定律，即：lg(I0/I)=aLcCO2式中：I0、I：入射光与衰减后光强度，a：光吸收系数，L：光通过气体的距离，cCO2：CO2
9、浓度。稳定条件下；尾气排除与输入不等时：以离线分析为主，控制生物量的过度增长。菌体浓度的测定可分为全细胞浓度和活细胞浓度的测定，前者的测定方法主要有湿重法、干重法、浊度法、和湿细胞体积法；后者使用生物发光法和化学发光法，如通过对发酵液中的ATP或NADH进行荧光检测实现对活性胞浓度的检测。利用离线检测如细胞干重法、显微镜计数法。光密度法有时可实现在线检测，其它的在线检测包括浊度法、荧光法、粘度、阻抗和产热等。市售的生物量传感器多是基于光学测量原理制成的，也有一些利用过滤特性、细胞引起的悬浮液密度改变，或导电性改变。反映生物反应器气液相质量传递性能的重要参数 物料平衡法和溶氧分析法：动态法：发酵
10、过程中生成的热量可分为三个部分：微生物生长放热、底物利用维持放热、产物合成放热。通过冷却系统散热量的测定，求解发酵过程放热。通过计算放热速率来确定比生长速率。在实际生产过程中采集数据建模代谢过程最优生长环境最优建模的数学原理与统计方法建模的数学原理与统计方法 前馈控制 反馈控制 二者结合控制 过程输出设定值确定条件下的最优化 对控制目标设定值的最优化 遗传算法(GA)是通过模拟自然界生物进化思想而开发的一种全局搜索优化算法。基本步骤：设计编码方案 确定适应度函数 确定选择策略 确定控制参数 设计遗传算子 确定算法的终止规则 实验数据的完备程度，各步骤函数选择决定了人工神经网络模型的应用价值。生化过程具有时变性和非线性特点 自适应控制是辨识与控制的结合 基于时间序列模型的自适应控制 基于神经网络的自适应控制 结合模糊技术的发酵过程控制 基于专家系统的发酵过程控制
