反应器与传感器

1、第八章传感器与发酵过程控制生化工程Biochemical EngineeringAir-lift internal cross-flow bioreactor(30,150L)pilot plant工业规模的气升式反应器Sensors and probespH probeMettler ToledoMETTLER TOLEDO Process Analytics is specialized on the parameters pH, DO, conductivity, turbidity and CO2 with a wide range of high quality products a

2、s sensors.http:/Biomass monitor 220(Aber, UK)尾气分析不分光红外CO2分析仪 磁压氧分析仪一、传感器的类型和原理发酵过程检测的参数温度. .细胞生长罐压. .溶解氧 正压空气流量. .供养搅拌转速. .混合传质黏度 . .菌体生长装液量. .发酵液性质浊度 . .细胞生长物理常数泡沫，加消泡剂速率，加酸碱速率，补料速率发酵过程化学常数酸碱度溶解氧尾气O2尾气CO2氧化还原电位总糖，葡萄糖，蔗糖前体浓度发酵过程生物学常数 菌体浓度 菌体RNA DNA 菌体ATP ADM AMP 菌体NADH 产物浓度 细胞形态pH传感器能够进行原位灭菌的复合pH传感器

3、 （梅特勒）探头： 产生电压型号的电化学原件，玻璃膜DO 溶解氧传感器一般采用覆膜式溶氧探头，测定氧分压特点：不锈钢探头透气性膜电解液生物反应过程上游加工过程加工过程下游成本经济学原料的生物具有应用价值传统育种基因工程细胞工程目的产物大规模工艺开发设计思想遗传学生理学工业发酵过程：承上启下发酵过程控制与最优化技术在发酵工程中的重要地位发酵过程控制与最优化技术在发酵工程中的重要地位发酵技术研究过程：关键工程技术发酵过程的检测、控制、与最优化系统GlucosePyruvateNAD+NADHADPATPethanolAnaerobicAerobicMitochondrionATP微生物细胞在发酵过

4、程中生长和代谢始终处于最佳状态发酵过程控制与最优化的目标发酵过程控制与最优化的目标稀溶液特征 高产量 便于下游处理粮食原料为底物 高转化率 降低原料成本分批操作为主 高生产强度 缩短生产周期发酵过程经济性、科学性显著提高！高产量高底物转化率高生产强度相对统一二、发酵过程控制的特征、参数及测量 发酵过程控制的特征生物的自我调节、环境压力下的适应能力发酵过程的易受控制特征是其相当长的时间常数 前馈控制策略 发酵监测仪器 （RQ, 黏度。）补料分批培养葡萄糖生物传感器，在线葡萄糖FIA法监测，近红外测定甘油， 在线气相色谱监测甲醇发酵过程控制的主要常数1. 生理特性数据 （RQ 呼吸商）酵母 RQ代

5、谢途径1.0以上积累乙醇10.9氧化生长0.80.7内源呼吸0.6一下乙醇被利用酵母呼吸商与代谢途径关系计算机对发酵过程生理特征测定与控制图2. 发酵过程的生化特性数据3. 发酵过程的物理数据三、发酵过程的计算机控制策略 发酵过程的主要控制策略1、发酵过程的PID控制PID控制： 调节器控制 比例积分微分控制2、发酵过程的推理控制利用过程模型由可测输出变量将不可测的被控制过程的输出变量推算出来，实现反馈控制，或者将不可测扰动推算出来，以实现前馈控制的一种控制系统。S 系统设定值， u 控制动作 v 系统次级输出 y 系统初级输出3、发酵过程的适应性（预估）控制利用适应性控制器替代 PID回路，

6、但是比较复杂4. 发酵过程非线性控制Bastin： 输入输出线性化控制法则LIU： 基于神经网络的非线性自适应控制策略用于发酵监督与控制的知识库系统（专家库）特点：能应付不确定的事务，以启发式方法，给定量和定性或符号表达来再现训练有素的过程操作人员的操作。实时专家系统软件: BioSCAN (bioprocess supervision control and analysis)实例-丙酮酸发酵的分阶段溶解氧控制策略不同kLa下发酵过程动力学曲线 高kLa 下，丙酮酸产率较高，但葡萄糖消耗速度较慢。 低kLa 下，葡萄糖消耗速度加快，然而丙酮酸产率却明显下降。恒定kLa发酵过程中不同阶段的碳平

7、衡分阶段供氧控制模式发酵0-16 h控制kLa为450 h-1，16 h后将kLa降低至200 h-1 实现了高产量(69.4 g/L)、高产率(0.636 g/g)和高葡萄糖消耗速度(1.95 g/(Lh)的相对统一。 生产强度(1.24 g/(Lh)比kLa恒定为450、300和200 h-1的分批发酵过程分别提高了36%、23%和31%。分阶段供氧控制模式下的发酵研究不同供氧控制模式下发酵过程参数比较2基于代谢网络模型的发酵过程在线控制和优化研究思想利用现存的生物化学理论，确立特定发酵过程的代谢网络模型依据在线推定的结果，对发酵过程进行在线控制和优化求解（在线推定）不同操作条件下不可测、

8、着眼物质的浓度和生成模式在线测定常见、易测的状态变量的速度参数（如CO2生成速度）通用性强、模型意义明确、建模相对容易。全新的控制模式通用于主要代谢途径已为人们所知、以氨基酸、有机酸等为代表的、大宗发酵产品的生产实例基于代谢网络模型的谷氨酸发酵在线状态预测谷氨酸发酵产酸期代谢网络和反应EMP Glycolysis Pathwayr1: Glucose + ATP = Glu6P + ADPr2: Glu6P = Fru6Pr3: Fru6P + ATP = 2 G3P + ADPr5: G3P + NAD +ADP = PEP + ATP + NADHr6: PEP + ADP = PYR +

9、 ATPPP Pentose Phosphate Pathway r4: 3 Glu6P + 6 NADP = 2 Fru6P + G3P + 6 NADPH + 3 CO2TCA Cycler7: PEP + CO2 + ATP = OaA + ADPr9: PYR + NAD = Ac-CoA + NADH + CO210: Ac-CoA + OaA = Isocitr11: Isocit + NAD = a-KG + NADH + CO2r13: a-KG + NAD + ADP = Suc + NADH + ATP +CO2r14: Suc + FAD = Mal + 2/3 NADH

10、r15: Mal + NAD = OaA + NADHGlyoxylate Shuntr16: Isocit = Suc + Glyoxyr17: Ac-CoA + Glyoxy =MalMetabolic Products Formationr8: PYR + NADH = Lactate + NADr12: a-KG + NH3 + NADPH = Glutamate + NADPRespiratory Chain & Oxidative Phosphorylationr18: O2 + 2 NADH + 2(P/O) ADP = 2(P/O) ATP + 2 NAD + 2 H2Or19

11、: ATP = ADP + Pir20: O2 + 2(1+) NADPH + 2 NAD = 2 NADH + 2(1+) NADP + 2H2O研究实例基于代谢网络模型的谷氨酸发酵在线状态预测代谢网络模型有效性和通用性在谷氨酸发酵中的验证(a)谷氨酸乳酸谷氨酸-酮戊二酸NH4-基于代谢网络模型的发酵过程在线控制和最优化技术在线最优化控制策略(b)谷氨酸乳酸DO=50%DO=10%DO=50%DO=10%*物理意义尽量降低DO水平，保持细胞产谷氨酸的生理活性；而当DO对乳酸积累的增益K的值过大时（乳酸严重积累），则提高DO的控制水平。*增益K可以利用DO和（在线推定得到的）乳酸浓度时间序列数

12、据，用最小二乘回归迭代法加以确定自回归移动平均模型（ARMA） 。3基于智能识别模型的流加培养过程在线控制研究思想在线测定培养液中DO、pH等最易测量的状态变量的时间变化依据在线生理状态的识别结果确定基质最优流加策略、实现微生物高密度培养、和相应遗传产物的高效表达。 利用人工神经网络（ANN）技术在线识别培养过程所处的生理状态DO和pH时间变化模式与流加培养过程生理状态存在一一对应关系通用性强、生理意义明确、仅需测定DO和pH（或RQ）。全新的控制模式通用于基因重组大肠杆菌、酵母等微生物高密度流加培养系统，表达生产具有高附加值的医药品或生物酶的发酵过程大肠杆菌流加培养过程中DO和pH变化模式与

13、生理状态的对应关系 DO变化模式：1）振动2）非振动pH变化模式：1）“高位”振动2）“低位”振动3）不振动状态I：基质过量；状态II：基质匮乏； 状态III：基质浓度适中；状态IV：矛盾状态。不同的DO和pH的变化模式组合代表了不同的生理状态实例DO时间变化模式的人工神经网络在线识别模型以DO-Stat法为手段，生成DO时间变化的基本模式的实验数据，并在此基础上刻意地施加一定规模的人工模拟信号。得到可覆盖所有可能出现的模式、通用型的ANN在线识别模型。将所有时间变化模式数据提供给ANN进行大规模的学习训练。输出层输出单元O(3)=O1(3),O2(3)为1,0时代表振动，0,1代表非振动。实

14、例人工神经网络(ANN)在线识别模型的识别结果利用ANN模型的E.coli B流加培养溶氧浓度时间变化模式识别的结果 实例依据在线识别结果的基质最优流加控制策略E.coli 流加培养中、依据DO和pH时间变化模式的状态判定和基质流加控制策略 过程所处的生理状态（基质过量/匮乏/适中）与主泵F*调节方向（T）的关系DO 振动不振动pH下限振动状态II，基质匮乏，T=1状态I，基质过量，T= -1不振动状态II，基质匮乏，T=1状态III，基质浓度适中，T=0上限振动状态II，基质匮乏，T=1状态II，基质匮乏，T=1流加主泵的调节方式基质浓度调节的控制框图依据模式识别结果确定过程所处的生理状态，

15、并确定主泵调节方向反馈控制器（辅流加泵）主流加泵发酵罐(过程）DO, pHDO,pH设定值DO, pHDO模式识别器pH模式识别器过程状态识别器F*FF5基于系统观点的生物反应系统优化技术研究思想在某些生物反应过程中，仅对反应单元进行优化难以取得理想效果。将生物反应视为一个系统，从优化系统内部各要素的功能和相互间的关系、系统与环境的关系入手使系统的结构、性能和状态达到最优实例Production of glutathione by interspecific-Coupled System for ATP RegenerationE.coliBrevibacterium ammoniagenes

16、S.cerevisiae实例Performance Evaluation of Acetone-Butanol Continuous Flash Extractive Fermentation Process计算机模拟的主要结论：*提高基质流加浓度是增强丁醇-丙酮生产强度的最优途径；*提高萃取相流速可以加大生产强度，但必须要以大量增加能耗为代价；*采用两塔闪蒸的方法不可能满足产品纯度要求（纯度95%），塔1必须要使用2块塔板以上的真空蒸馏；塔1的塔板数和回流比控制在2-3和1.0-3.0间为佳。6发酵过程在线检测关键技术的研究与开发研究思想乳酸葡萄糖谷氨酸尿素？两者间的连接是关键1、高温灭菌2

17、、多参数时变性多相反应过程体系1、线性范围窄2、检测环境条件苛求稳定3、稳定性较差，易受干扰和失活发酵过程生化量在线控制模式1）取样技术；2）稀释技术；3）生物传感技术原位微量取样器的研制原位取样器的设计要求:取样量小；取样样品有代表性；无样品损失；滞后时间短；灭菌容易；能去除菌体。取样探头由探头园柱体（1）、膜过滤件（2）、膜外导流夹套（3）、导流接插件（4）、引出管（5）、套管（6）组成。 膜过滤件（2）采用陶瓷膜件，膜件为管状，膜层在内壁，支撑层在外，内径为6-10mm，外径为10-14mm。膜件长8-12mm，膜孔径0.1-0.2m。 在夹套（3）内壁做成螺纹状，用于导流，螺纹大径和小

18、径之差小于2mm。 V =0.358ml2V =0.059ml1V=V +V =0.417ml12=VF=10.425Fmin在柠檬酸、乙醇和味精实罐发酵过程的实验结论：1）微量取样器不会造成染菌现象；2）发酵前的灭菌操作会显著影响膜的通量；3）微量取样器适用于粘度较小的发酵醪的取样操作。级联稀释器的研制稳定流动稀释原理图由原位微量取样器、三级级联稀释器和微型生物传感器构成的在线测量系统的特点是原位微量取样、级联稀释、微量化检测。若设计样品流量为10-100ml/min，发酵周期100小时，连续取样的样品损失量仅为60-600ml，能满足小型反应器取样检测的要求。本稀释器经过独特的设计，流体在管内的流动完全依赖流体自身的重力，具有带溢流槽的垂直三级级联稀释板，溢流设计消除了流速对稀释率的影响；有机材料上的微结构设计使稀释器样品流经体积仅为0.09ml，缩短了样品的停留时间，提高其操作性能。三级稀释倍数为1010倍，误差仅为2.5%。级联稀释器在连续流动下运行，配合微量取样器和生物传感器可以实现发酵过程在线检测，具有重要的应用前景和市场价值。微型酶电极和超声波传感器的研制葡萄糖微型酶电极的性能研制