发酵过程解析、控制与检测技术

第一章绪论1

第一节发酵过程的特点以及发酵过程的操作、控制、优化的基本特征1

第二节发酵工程技术在整体发酵工程中的定位2

第三节发酵过程控制的主要研究内容和要解决的问题3

一、发酵过程优化实现的顺序和条件4

二、实现发酵过程控制和优化的硬软件技术支撑4

第四节发酵过程的状态变量、操作变量和可测量变量5

第五节用于发酵过程控制和优化的各类模型6

第六节发酵过程控制概论6

一、传统的发酵过程控制系统7

二、展望新型、集约式发酵过程控制系统8

参考文献10

第二章生物过程参数在线检测技术11

第一节pH的在线测量12

一、pH传感器的工作原理12

二、pH传感器的使用13

第二节溶解氧浓度的在线测量16

一、溶解氧浓度测量原理16

二、溶解氧电极17

三、溶解氧电极的使用18

第三节发酵罐内氧气和二氧化碳分压的测量以及呼吸代谢参数的计算19

一、氧分析仪19

二、尾气CO2分压的检测21

三、呼吸代谢参数的计算21

第四节发酵罐内氧气体积传质系数KLa的测量25

一、亚硫酸盐氧化法25

二、溶解氧电极法25

三、物料衡算法26

四、动态测定法26

五、取样极谱法27

六、复膜电极测定KLa28

第五节发酵罐内细胞浓度的在线测量和比增殖速率的计算28

一、菌体浓度的检测方法及原理28

二、在线激光浊度计29

第六节生物传感器在发酵过程检测中的应用30

一、生物传感器的类型和结构原理30

二、发酵罐基质(葡萄糖等)浓度的在线测量33

三、引流分析与控制34

四、发酵罐器内一级代谢产物(乙醇、有机酸等)浓度的在线测量36

参考文献36

第三章发酵过程控制系统和控制设计原理及应用37

第一节过程的状态方程式37

第二节发酵过程的基础数学模型38

一、发酵过程最基本的合成和代谢分解反应38

二、发酵过程典型的数学模型形式41

三、发酵过程的各种得率系数和各种比反应速率模型的表现形式42

四、生物反应器的基本操作方式46

五、发酵过程状态方程式在“理想操作点”近旁的线性化47

第三节拉普拉斯变换与反拉普拉斯变换49

一、拉普拉斯变换的定义49

二、拉普拉斯变换的基本特性以及基本函数的拉普拉斯变换49

三、反拉普拉斯变换50

四、有理函数的反拉普拉斯变换50

五、过程的传递函数GP(s)线性状态方程式的拉普拉斯函数表现形式50

六、过程传递函数的框图和转换50

七、过程输出对于输入变量阶跃式变化的响应特性51

第四节过程的稳定性分析53

一、过程稳定的判别标准53

二、过程在平衡点（特异点）近旁的稳定特性分类54

第五节发酵过程的前馈控制55

一、过程前馈控制简介55

二、前馈控制在流加发酵过程中的应用56

第六节发酵过程的反馈控制57

第七节PID反馈控制系统的构成和性能特征58

一、比例动作58

二、积分动作59

三、微分动作59

四、PID反馈控制器的构成特征60

第八节PID反馈控制系统的解析和设计60

一、反馈控制系统的稳定性分析60

二、反馈控制系统的设计和参数调整61

三、开关反馈控制63

第九节反馈控制系统在发酵过程控制中的实际应用63

一、以溶解氧浓度变化为反馈指标的流加培养控制DO-Stat法63

二、以pH变化为反馈指标的流加培养控制pH-Stat法65

三、以RQ为反馈指标的发酵过程控制66

四、直接以底物浓度为反馈指标的发酵过程控制68

五、以代谢副产物浓度为反馈指标的流加培养控制70

六、在线测量可测状态变量间接推定和控制谷氨酸发酵糖浓度、提高发酵性能71

【习题】73

【解答】78

参考文献78

第四章发酵过程的最优化控制79

第一节最优化控制的研究内容、表述、特点和方法79

第二节最大原理及其在发酵过程最优化控制中的应用79

一、最大原理及其算法简介79

二、利用最大原理确定流加培养过程的最优基质流加策略和方式82

三、最大原理数值解法及其在发酵过程最优化控制中的应用简介84

第三节格林定理及其在发酵过程最优化控制中的应用87

一、格林定理87

二、利用格林定理求解流加培养（发酵）的最短时间轨道问题87

三、格林定理在乳酸菌过滤培养最优化控制中的应用88

第四节遗传算法及其在发酵过程最优化控制中的应用92

一、遗传算法简介92

二、遗传算法的算法概要及其在重组大肠杆菌培养的最优化控制中的应用93

【习题】96

【解答】97

参考文献97

第五章发酵过程的建模和状态预测98

第一节描述发酵过程的各类数学模型简介98

一、非构造式动力学模型99

二、代谢网络模型99

三、基于在线时间序列数据的自回归平均移动模型99

四、人工神经网络模型99

五、正交或多项式回归模型99

第二节非构造式动力学数学模型的建模方法100

一、利用非线性规划法确定非构造式动力学数学模型的模型参数100

二、利用遗传算法确定过程模型参数103

第三节利用人工神经网络建模和预测发酵过程的状态104

一、神经细胞和人工神经网络模型105

二、人工神经网络模型的类型106

三、人工神经网络的误差反向传播学习算法简介107

四、利用人工神经网络在线识别发酵过程的生理状态和浓度变化模式108

五、基于人工神经网络的发酵过程状态变量预测模型109

六、基于人工神经网络的非线性回归模型111

七、结合使用人工神经网络模型和遗传算法的过程静态优化113

【习题】114

【解答】114

参考文献114

第六章发酵过程的在线自适应控制116

第一节基于在线时间序列输入输出数据的自回归移动平均模型及其解析117

一、自回归移动平均模型117

二、利用逐次最小二乘回归法计算确定自回归移动平均模型的模型参数118

第二节基于自回归移动平均模型的在线自适应控制120

一、“极配置”型的在线自适应控制系统120

二、“最优控制”型的在线自适应控制系统121

三、酵母菌流加培养过程的比增殖速率在线自适应最优控制122

四、乳酸连续过滤发酵过程的在线自适应控制124

第三节基于自回归移动平均模型的在线最优化控制127

一、面包酵母连续生产的在线最优化控制127

二、乳酸连续过滤发酵的在线最优化控制129

第四节基于遗传算法的在线最优化控制132

一、利用遗传算法实时在线跟踪和更新非构造式动力学模型的参数133

二、结合使用最大原理和遗传算法的在线最优化控制134

【习题】136

【解答】136

参考文献136

第七章人工智能控制137

第一节模糊逻辑控制器137

一、模糊逻辑控制器的特点和简介137

二、模糊语言数值表现法和模糊成员函数138

三、模糊规则142

四、模糊规则的执行和实施解模糊规则的方法143

五、模糊逻辑控制系统的构成、设计和调整145

第二节模糊逻辑控制系统在发酵过程中的实际应用147

一、谷氨酸流加发酵过程的模糊控制147

二、辅酶Q10发酵生产过程的模糊控制150

三、模糊推理技术在发酵过程在线状态预测中的应用154

第三节基于人工神经网络的控制系统及其在发酵过程中的应用157

一、模糊神经网络控制系统及其在发酵过程中的应用157

二、基于DO/pH在线测量和智能型模式识别模型的发酵过程控制系统（ANNPR-Ctrl）161

【习题】171

【解答】172

参考文献172

第八章利用代谢网络模型的过程控制和优化173

第一节代谢网络模型解析173

一、代谢网络模型的简化、计算和求解174

二、利用代谢网络模型的状态预测178

第二节网络信号传递线图和利用网络信号传递线图的代谢网络模型179

一、网络信号传递线图及其简化179

二、利用代谢信号传递线图处理代谢网络181

三、利用网络信号传递线图的代谢网络分析182

第三节利用代谢网络模型的发酵过程在线状态预测183

一、代谢网络模型在赖氨酸发酵过程在线状态预测中的应用183

二、基于代谢网络模型的谷氨酸发酵在线状态预测186

第四节基于代谢网络模型的发酵过程优化控制193

一、基于代谢流分析的谷氨酸发酵代谢平衡优化控制193

二、利用基于代谢流分析的两段复合型供氧控制方式优化精氨酸代谢发酵200

三、利用基因组学和蛋白组学数据改进优选代谢网络模型为过程优化服务206

【习题】209

【解答】210

参考文献211

第九章发酵过程的多变量聚类分析和故障诊断/早期预警212

第一节发酵过程多变量聚类分析和故障诊断简介212

第二节自我联想神经网络模型在发酵过程故障诊断中的应用214

一、基于自我联想神经网络模型的谷氨酸发酵故障诊断和早期预警214

二、基于自我联想神经网络模型的维及霉素发酵生产故障诊断和早期预警218

第三节毕赤酵母高密度流加培养生产表达猪α干扰素过程的多变量聚类分析和故障诊断222

参考文献228

第十章计算机在生化反应过程控制中的应用229

第一节过程工业的特点和计算机控制229

一、过程工业的特点229

二、数字计算机在过程控制中应用概述230

第二节集散控制系统及接口技术232

一、集散控制系统简介232

二、集散控制系统的特点233

三、过程接口技术234

第三节柠檬酸发酵过程计算机控制系统设计236

一、系统结构设计237

二、组态软件设计237

三、系统功能设计238

四、系统控制算法及优化238

第四节青霉素发酵过程专家控制系统239

一、青霉素发酵过程的特点和控制上的困难239

二、青霉素发酵过程专家控制系统240

三、系统运行情况243

参考文献243

　　本书对发酵过程解析、控制与优化的关键技术和方法进行了比较系统和详细的介绍和总结。在归纳总结编著者原创性成果的基础上，充分借鉴国内外同行的研究成果，结合具体发酵过程实例，详细介绍了一些处于前沿、先进的发酵工程技术，如发酵过程在线检测技术、在线自适应控制和最优化控制技术，特别是引入模糊逻辑推理、人工神经网络、代谢网络模型等技术的过程控制和优化、状态预测、模式识别、故障诊断的新方法。与此同时，本书比较侧重技术内容的系统性和通用性，一些关键技术，如基于人工网络模式识别模型的在线控制系统和基于代谢分析的在线控制系统，可通用扩展于基因重组菌高密度流加培养表达生产外源蛋白的发酵过程，和以氨基酸、有机酸为代表的、好氧通风型大宗发酵产品的生产过程。　　发酵工业是我国国民经济的支柱产业之一，我国发酵工业虽然规模大，但技术含量(特别是发酵中游技术)却普谝较低。本书作者背景横跨发酵工程和自动控制两个不同的领域，应及时之需，对发酵过程的解析、控制与优化的关键技术和方法进行了比较系统和详细的介绍和总结，写成本书。第一版推向市场后赢得了读者的广泛好评，被许多高校选作教材。第二版在第一版基础上更新了大量技术内容，体现了下列特色：　　在归纳总结著者原创性成果的基础上，充分借鉴国内外同行和学术权威的研究成果和理论，详细介绍了许多具有共性特征的发酵过程控制的关键技术，如最优化控制、发酵过程建模与状态预测、在线自适应控制、人工智能控制和基于代谢网络模型的过程优化控制等。　　新增了有关发酵过程的多变量聚类分析和故障诊断／早期预警的内容，对于解决生产中的实际问题有指导性。　　对公式、算法和控制理论进行适当删减，增加了大量的、具有共性特征的实际发酵例证，易于读者接受、理解和推广使用。　　基于部分高校教学的实际需要，适当加入一些习题和解答，便于学习。　　本书可以作为发酵工程、生物工程、生物化工、生物技术等专业的教科书和研究参考书，也可供相关生物技术企业的技术人员阅读参考。