CN102131383B - 用于生物反应器的基于模型的控制 - Google Patents
用于生物反应器的基于模型的控制 Download PDFInfo
- Publication number
- CN102131383B CN102131383B CN200980133151.1A CN200980133151A CN102131383B CN 102131383 B CN102131383 B CN 102131383B CN 200980133151 A CN200980133151 A CN 200980133151A CN 102131383 B CN102131383 B CN 102131383B
- Authority
- CN
- China
- Prior art keywords
- model
- present
- control signal
- algae
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
- A01G7/02—Treatment of plants with carbon dioxide
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M21/00—Bioreactors or fermenters specially adapted for specific uses
- C12M21/02—Photobioreactors
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/48—Automatic or computerized control
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Zoology (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Genetics & Genomics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Microbiology (AREA)
- Sustainable Development (AREA)
- Forests & Forestry (AREA)
- Molecular Biology (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Botany (AREA)
- Biodiversity & Conservation Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Computer Hardware Design (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
Abstract
本发明的实施方案包括基于模型的控制,用于控制光生物反应器操作以及用作生物燃料原料的藻类的生长。在一些实施方案中,基于模型的控制考虑例如天气、产品定价、用户需求和/或其它变量之类的条件操作上述反应器,其方式使得产品收益最优化、成本或能耗最小化、光合或能量平衡效率最大化和/或前述因素的任何组合。
Description
相关申请的交叉引用
本申请要求于2008年6月26日公开的美国临时申请61076103以及于2009年6月8日公开的美国临时申请61185059的权利,对于所有目的两者通过引用整体结合到本文中。
技术领域
本申请的实施方案通常涉及模型和控制方法,并且更确切地涉及用于生物反应器的模型和控制系统。
背景技术
从可再生能源生产生物燃料如生物柴油、生物乙醇和/或生物汽油产生巨大的利益。不断升高的成本、不断增加的提取难度以及已知化石燃料储量的耗尽有助于加速这类可替代燃料供应的开发。已经作了许多努力来开发可再生能源燃料,例如来自玉米作物的乙醇或来自加拿大油菜、油菜籽和其它来源的生物柴油。从食用植物原料中提取的生物燃料量通常是有限的并且食物商品价格的潜在增长通常负面影响发展中国家的食物供应和发达世界的食物价格。
正在努力从非食物原料中产生生物燃料,例如从木浆、玉米秸秆或甘蔗渣中生产纤维素乙醇。藻类和其它光合微生物可以提供用于生物燃料合成的原料。从藻类中生产生物燃料可以使每单位土地面积的生产率比种植玉米、油菜籽、加拿大油菜、甘蔗和其它传统作物的生产率高出数个数量级。
发明概述
描述了用于模型和生物反应器控制的多种系统和方法。本发明的各个实施方案包括为了最优操作光生物反应器的基于模型的控制策略。在本发明的一些实施方案中,提供了一种用于控制光生物反应器(例如平板光生物反应器)中藻类生长的方法。根据本发明的实施方案,任何已知种类的藻类或光合微生物都可以在光生物反应器中生长并且使用这种控制策略。任何已知种类的藻类、蓝细菌或光合微生物都可以在光生物反应器或藻类的生长系统(AGS)或藻类生长系统(AGS)中生长。在本发明的一些实施方案中,适合于生长的微生物包括但不限于微球藻、微藻、微拟球藻、微绿球藻、干扁藻、周氏扁藻、小球藻、海水小球藻、原壳小球藻、椭圆小球藻、浮水小球藻、微小小球藻、蛋白核小球藻、异养小球藻、普通小球藻、隐藻、矽藻、小环藻、杜氏盐藻、盐生杜氏藻、巴氏杜氏藻、布朗葡萄藻、纤细裸藻、纳氏裸藻、雨生红球藻、等鞭金藻、小形单壳缝藻、单壳缝藻、微绿球藻、新绿藻、硅藻、针藻、陆兹尔巴夫藻、三角褐指藻、紫球藻、斜生栅藻、四尾栅藻、栅藻、杆裂丝藻、小裂丝藻、钝顶螺旋藻、海链藻、莱茵衣藻、衣藻、嗜酸衣藻、金藻、棕囊藻、铜绿微囊藻、原绿球藻、聚球藻、细长聚球藻、蓝藻、巢状组囊藻、组囊藻、俄克拉荷马绿藻、微囊藻,其可以单独或者作为物种组合生长。
本发明的一些实施方案可以传感一个或多个影响平板光生物反应器的环境条件。使用该环境条件,可以用藻类生长模型计算在平板光生物反应器中的藻类未来生长。根据一些实施方案,藻类生长模型将藻类的生长与上述一个或多个环境条件以及一个或多个影响藻类生长的操作参数联系起来。选择操作基于该计算来选择该一个或多个操作参数,并且随后调整一个或多个执行器以便实现上述一个或多个操作参数。
本发明的一些实施方案提供了用于培养藻类的系统,其包括光生物反应器、模型单元、控制单元以及执行器单元。该光生物反应器经受一个或多个环境条件(例如光、温度、藻类的培养密度和/或培养基pH),并且具有一个或多个可用来调整以便影响培养基中藻类生长的操作参数(例如到光生物反应器的碳传送速率、培养基流速和/或收获速率)。模型单元包括使培养基中的藻类生长和成分与上述一个或多个环境条件以及一个或多个操作参数相关联的藻类生长模型。控制单元被配置用来访问该模型单元并且基于该藻类生长模型来确定一个或多个操作参数。在一些实施方案中,控制单元产生指示该一个或多个操作参数的控制信号。该控制信号被传送到执行器单元,该执行器单元被配置用来接收上述控制信号并且基于上述控制信号调整上述一个或多个操作参数。
在一些实施方案中,上述控制信号是第一控制信号并且上述系统进一步包括传感器和反馈控制单元。该传感器被配置用来检测上述一个或多个环境条件中的传感条件并产生指示该传感条件的传感信号。该反馈控制单元被配置用来接收该传感信号,比较上述传感条件与设定点条件,并且基于该比较产生第二控制信号。该第二控制信号被传送到执行器单元,该执行器单元被设计用来接收第二控制信号并基于第二控制信号调整上述一个或多个操作参数。
在本发明的一些实施方案中的光生物反应器包括传感器网络、光生物反应器模型、碳供应单元和决定单元。传感器网络被配置用来传感与光生物反应器相关的一组条件。光生物反应器模型根据该组条件以及包括碳供应速率的一组输入变量预测藻类生长。在一些实施方案中,光生物反应器模型包括多个子系统模型,例如但不限于光合作用子系统、光子系统和/或水化学子系统。该碳供应单元包括用来控制到光生物反应器的碳供应速率的执行器。决定单元使用光生物反应器模型来决定该组输入变量,该组输入变量产生期望的藻类生长。在一些实施方案中,决定单元基于该决定的一组输入变量调整执行器以设定碳供应速率。
根据一些实施方案,可以使用一种适应性控制方法来控制光生物反应器。传感操作传感光生物反应器经受的一个或多个环境条件。生长计算使用藻类生长模型来计算在平板光生物反应器内的藻类生长,该藻类生长模型将藻类生长与一个或多个环境条件以及一个或多个影响藻类生长的操作参数关联起来。选择操作随后基于该计算选择一个或多个操作参数,并且调整一个或多个执行器以便实现一个或多个操作参数。测量操作测量在平板光生物反应器内的藻类的实际生长。使用这些测量,基于该测量来更新至少部分藻类生长模型,使得根据该藻类生长模型计算的藻类生长更加接近藻类的实际生长。
本发明的一些实施方案包括用于从包含培养基的光生物反应器中收获藻类的系统。该系统包括配置用来使用藻类生长模型计算藻类未来生长的模型模块,所述藻类生长模型将藻类生长与一个或多个环境条件关联起来,该一个或多个环境条件与光生物反应器相关。一些实施方案包括配置用来计算收获时间并且产生指示该收获时间的收获信号的收获模块,在该收获时间藻类的未来生长等于预定阈值的藻类生长。
本发明的各个实施方案包括一种用于决定是否存在可能的故障的基于模型的诊断系统。这些系统包括光生物反应器、传感器、模型模块以及错误产生模块。该光生物反应器包含用于培养藻类的培养基。该传感器被配置用来检测与光生物反应器相关联的操作条件(例如每日藻类生长)并产生与该操作条件相关联的传感值。该模型模块被配置用来基于藻类生长模型来产生与操作条件相关联的期望值,其中藻类生长模型将光生物反应器中的藻类生长与一个或多个环境条件以及操作条件关联起来。该错误产生模块被配置用来当传感值和期望值之间的差超出预定阈值时产生错误信号。在一些实施方案中,预定阈值随着时间变化。在一些实施方案中上述传感值和/或期望值是随着时间的操作条件趋势。根据一些实施方案,当期望值超过预定阈值时错误产生单元产生一个或多个错误指示。
尽管公开了多个实施方案,根据下面展示和描述了本发明的示例性实施方案的详细说明,本发明另外的其它实施方案对本领域技术人员来说也变得显而易见。在实现时,本发明能够在各个方面进行变动,而完全没有脱离本发明的范围。因此,附图和详细说明被认为实际上是示例性的而不是限制性的。
附图简要说明
通过使用附图来描述和解释本发明的实施方案,其中:
图1说明了根据本发明一些实施方案的光生物反应器系统的一个实例,其具有两个同步控制环,其中一个用于气体,一个用于液体,该两个同步控制环可以使用不同、相似或同一生长模型来计算前馈项;
图2说明了根据本发明的一个或多个实施方案的具有气体控制环的光生物反应器的一个实例;
图3说明了根据本发明的各个实施方案的具有固体和/或液体控制环的光生物反应器的一个实例;
图4说明了根据本发明的一些实施方案的控制藻类生长的一个完整综合系统,其具有高水平前馈加反馈控制系统,控制气体和/或液体流到和流出光生物反应器的速率;
图5说明了根据本发明的一个或多个实施方案的用于对光生物反应器中的藻类进行建模的各种技术;
图6说明了可用于本发明各个实施方案的控制系统实现的一个或多个部分中的模型;
图7示出了根据本发明的一些实施方案的光生物反应器模型,其为一组三个相互作用的子系统;
图8是框图,说明了根据本发明的一个或多个实施方案,通过加入CO2到光生物反应器,使用前馈控制器加反馈控制器以调节pH;
图9是流程图,显示了根据本发明的各个实施方案,通过加入CO2到光生物反应器,使用前馈控制器加反馈控制器以调节pH的一组示例性操作;
图10说明了根据本发明一个或多个实施方案的使用观测器校正模型来控制具有前馈和反馈控制器的光生物反应器的系统;
图11是框图,显示了根据本发明的一些实施方案的可用作前馈pH控制器的观测器校正模型的一个实例;
图12是框图,说明了根据本发明的一些实施方案使用前馈控制和反馈来实现控制器的一个实例;
图13是流程图,显示了根据本发明的一个或多个实施方案使用前馈控制和反馈来实现控制器的一组操作的一个实例;
图14是框图,显示了根据本发明的一个或多个实施方案使用前馈控制结合反馈来实现控制器的一个实例;
图15是流程图,说明了根据本发明的各个实施方案使用前馈控制结合反馈来实现控制器的一组操作的一个实例;
图16是框图,显示根据本发明的各个实施方案在前馈部分中具有到生长模型的静态输入参数的气体控制系统的一个实例;
图17是流程图,说明了根据本发明的一些实施方案的在前馈部分中具有到生长模型的静态输入参数的气体控制系统的一组操作的一个实例;
图18是图表,说明了根据本发明的各个实施方案的平衡pH对鼓泡气体中二氧化碳浓度;
图19说明了根据本发明的一些实施方案的间歇性气体传送方案的一个实例;
图20是框图,说明了根据本发明的一个或多个实施方案的具有基于模型的前馈部分的液体控制系统的一个实例;
图21是说明了用Labview实现具有抗终结(windup)反馈控制器的一个实例,其可利用本发明的一些实施方案;
图22是框图,说明了根据本发明的一些实施方案使用预测未来事项以便计算控制动作的控制器的预测控制系统的一个实例;
图23是框图,说明了根据本发明的一个或多个实施方案的预测控制系统的一个实例;
图24是流程图,根据本发明的各个实施方案可使用一组示例性操作来实现预测控制策略;
图25是框图,说明了根据本发明的一个或多个实施方案的用于预测控制系统的一种实例结构;
图26是框图,说明了根据本发明的一个或多个实施方案使用PAR预测以及生长模型和pH反馈用于具有预测pH调节的预测控制系统的一种实例结构;
图27是框图,说明了根据本发明的各个实施方案使用生长模型和开环预测pH调整的控制器执行的一组示例性部分;
图28是框图,说明了根据本发明的一个或多个实施方案的适应性控制系统的一种实例结构;
图29是框图,说明了根据本发明的一个或多个实施方案的适应性学习控制系统的一种实例结构;
图30是流程图,说明了可用于本发明的各个实施方案的适应性控制系统的操作的一组实例操作;
图31是框图,说明了根据本发明的一些实施方案用于使用前馈死区效应补偿,实现具有适应性前馈控制以及反馈pH调节的控制器的一组示例性部分;
图32是框图,说明了根据本发明的一些实施方案用于使用Smith预测器死区效应补偿,实现具有适应性前馈控制以及反馈pH调节的控制器的一组示例性部分;
图33说明了显示可用于本发明的一些实施方案的预测控制系统的框图;
图34说明了可用于本发明的一个或多个实施方案中的基于监督控制系统来进行错误检测的一个实例;
图35是流程图,说明了根据本发明的各个实施方案的用于基于监督控制来进行错误检测的一组示例性操作;
图36说明了利用本发明实施方案的计算机系统的一个实例;
类似地,对于讨论本发明的一些实施方案的目的,某些部分和/或操作可被划分为不同的块或组合为单个块。此外,尽管本发明容易进行各种修改并且具有可替换的形式,特定的实施方案通过在下面附图中以示例性方式显示,并在以下详细描述。然而,其目的并不是将本发明限制为描述的特定实施方案。正相反,本发明意在覆盖落入由所附权利要求所限定的本发明范围内的所有的修改、等同和替换。
发明详述
研究者正探索培养藻类作为用于生物燃料的原料。在许多设计中藻类在包括玻璃、塑料、柔性薄膜、合成材料和/或其它本领域普通技术人员已知的材料的封闭反应器中长成。在于2007年10月12日提交的US专利申请11871728中描述了适合于藻类和其它微生物生长的封闭系统生物反应器的实例,其全部内容通过引用整体结合到本文中。
在生物反应器中的藻类生长依赖于各种因素,如果控制许多系统变量的浓度可以获得极大提升的效果。例如,加到培养基的CO2量直接控制系统的生产率。一些系统控制加到水中的CO2的量以便调节pH;然而,这些控制系统通常是简单的,并且仅仅基于闭环反馈或者以简单的开环方式操作,其中闭环反馈基于pH读取。在这些例子中,许多系统变量不受控制,这导致了较差的优化控制。
生物反应器的一些实施方案包括传感器网络、光生物反应器模型、碳供应单元以及决定单元。传感器网络被配置用来传感一组与光生物反应器相关联的条件。该模型根据这一组条件以及一组输入变量(例如碳供应速率)来预测藻类生长。在一些实施方案中,碳供应单元与执行器相关联以便控制到光生物反应器的碳供应速率。随后,决定单元使用光生物反应器模型来决定产生期望藻类生长的一组输入变量。因此,执行器被配置用来基于上述可被调整的决定的一组输入变量来设定碳供应速率。
本发明的一些实施方案包括被配置用来计算收获时间的收获单元,在该收获时间预期的藻类生长等于预定阈值的藻类生长(例如在每升2到4克之间,最大到每升5克或更高)。在一个或多个实施方案中,收获单元产生指示收获时间的收获信号。在一些实施方案中,收获信号被传送到被配置用来当培养密度超过密度点时产生收获命令的收获单元。
根据本发明的一些实施方案,使用光生物反应器来使藻类或其它光合微生物生长。本发明的实施方案产生期望的、改进的和/或最优的生物量生长、油生产、能量消耗、CO2利用率和/或其它重要的衡量标准。
本文使用的术语“连接”或“耦合”以及相关术语用于操作意义,并不必然限制为直接的物理连接或耦合。因此,例如两个装置直接耦合,或者经由一个或多个中间媒介、模块或装置耦合。正如在另一个实施方案中,装置以以下方式耦合,其中信息在其之间传递,然而彼此并不共用任何物理连接。基于本文提供的公开内容,本领域普通技术人员到根据前述的解释会理解连接或耦合存在各种方式。
本文使用的词语“与...通信”通常指的是在两个或多个装置、模块、应用、系统、部分等之间直接和间接通信以便交换信息。例如,两个装置以以下方式互相通信,其中信息或装置访问可在其之间传递,然而并不共用任何直接的物理连接。
正如本文使用的词语“在一些实施方案中”、“根据一些实施方案”、“在所示的实施方案中”、“在其它实施方案中”以及类似的术语通常意味着依据该词语的特定特征、结构或特性包括在本发明的至少一个实施方案中,也可包括在本发明的多于一个的实施方案中。此外,这样的词语并不必然指的是同一实施方案或不同实施方案。
术语“模块”主要指的是软件、硬件或固件(或者任何其组合)部分。模块是使用一个或多个特定输入产生有用数据或者其它输出的通用功能性部分。模块可以是或者不是自备的。应用程序(也称作“应用”)包括一个或多个模块,或者模块包括一个或多个应用程序。
图1说明了根据本发明一些实施方案的光生物反应器系统的一个实例,其具有两个同步控制环,其中一个用于气体,一个用于液体,该两个同步控制环可以使用不同、相似或同一生长模型来计算前馈项。综合系统100包括光生物反应器115、各个气体入口和出口、各个液体入口和出口以及两个控制系统。正如图1所示,气体控制系统120控制气体流(例如空气、CO2),液体控制系统150控制液体流。控制系统120和150独立运行或者以协作的方式运行。根据一些实施方案,控制系统120和/或150中的一个或两者包括光生物反应器行为模型或者使用来自该模型的信息,所述模型预测其环境条件和/或操作参数。
当光110(例如来自太阳、灯等)投射在光生物反应器115上,光合作用发生,因此导致藻类培养物的生长。藻类消耗来自空气供应170和二氧化碳供应175的二氧化碳,空气供应170的流体受阀或等同装置的控制,二氧化碳供应175的流体受阀、泵或者其它流体控制装置140a的控制。根据各个实施方案,可以自动(例如通过执行器的控制)或手动操作流体控制装置。为了实现阀的手动控制,例如,在一些实施方案中控制系统提供用于手动处理的指令(例如通过显示器装置、光等)。结果是产生氧气。
可以通过控制阀、泵和/或手动处理加入液体到光生物反应器和/或从其中移除。气体控制系统120接收通过传感器、手动测量的环境条件输入,或者接收由作为控制系统一部分或与之协同的模型产生的估计环境条件输入。传感的、模型化的或手动测量的环境条件(或环境输入)可包括多种参数。环境条件的例子包括但不限制为一个或多个以下:入射光如光合活性射线125、空气和/或水温130、藻类培养pH135、溶氧136、溶碳137、氧气浓度、碳气浓度、溶解二氧化碳、藻类培养物密度145以及培养物成分组成146。
根据各个实施方案,环境条件可通过传感器测量、从一个或多个数据提供者(例如天气预报)接收、通过化学分析或其它测试估计、通过模型预测和/或估计、通过手动测量等。在一些情况下,传感器被配置用来检测一个或多个环境条件的传感条件并产生指示(或估计)该传感条件和/或环境变化的传感信号。
在一些实施方案中,传感、抽样或模型化的成分水平,所述成分包括培养脂类、培养脂类分布、β胡萝卜素、蛋白质、氨基酸、甘油、淀粉、半纤维素、纤维素、蜡、叶绿素、包括类胡萝卜素以及叶黄素的色素分子、γ亚麻酸、EPA(二十碳五烯酸20:5n-3)、DHA(二十二碳六烯酸22:6n-3)、ARA(花生四烯酸20:4n-6)、辅因子例如CoQ-10或α硫辛酸、具有抗氧化剂活性的分子和/或其它。根据本发明的实施方案,控制系统120使用这些传感的、抽样的和/或模型化的值来执行计算,决定流速的期望操作参数和/或气体控制阀140a和140b的开关时间。
液体控制系统150以一些间隔(例如每15秒、每分钟、每小时等)接收培养密度145的测量值。此外,液体控制系统150从模型接收培养密度的估算值。使用这些测量值和/或估算值可作出关于液体进入和离开光生物反应器的期望流速和时间的决定。这些流速包括但不限于包含养分的培养基从培养基源160到缓冲罐155的流速。在图1所示的实施方案中,可使用阀151d或等同装置来控制培养基和/或培养藻类到缓冲器罐155的流动。可通过阀151a或等同装置来控制培养基和/或培养藻类从缓冲器罐155到光生物反应器115的流动。可通过阀151b或等同装置来控制培养藻类从光生物反应器115到缓冲器罐155的流动。类似地,可通过151c、泵或者流动控制的等同装置来控制来自缓冲器罐155的产品165的流动。
图2说明了根据本发明的一个或多个实施方案的具有气体控制环的光生物反应器215的一个实例。气体控制系统220作为图1综合系统的一部分运行,或者独立运行以便控制光生物反应器215而与手动或者自动的任何其它控制系统的运行无关,包括控制液体流入和流出光生物反应器215的控制系统。根据各个实施方案,气体控制系统220可通过阀240a和/或240b调整一个或多个运行参数,以便实现一个或多个调整目标。调整目标的例子包括但不限于传送空气和/或二氧化碳以便实现期望的pH和/或碳浓度,以便实现最大藻类生长和/或脂类生产率、维持溶氧在可接受的范围内、维持足够的培养混合物以便确保培养物健康、最优化使用可用光和养分、维持气体流速以便使光生物反应器215的结垢最小化和/或其它。
气体控制系统220的性能目标包括使二氧化碳的利用率最大化。可通过由光生物反应器215捕获的引入到系统的碳量来定义二氧化碳利用率。在一些实施方案中,气体控制系统220被设计用来使空气供应系统245、二氧化碳供应系统250、控制阀240a和240b以及控制系统220自身联合运行所需的能量使用和/或系统成本最小化。
与图1类似,在图2中可被监测、手动抽样、预测、从外部数据库接收和/或由控制系统模型化的环境条件的例子可包括一个或多个以下:入射光如光合活性射线225、空气和/或水温230、藻类培养物pH 235、溶氧236、溶碳237、藻类培养物密度247以及藻类培养物成分组成246(例如成分组成)。
图3说明了根据本发明各个实施方案的具有固体和/或液体控制环的光生物反应器320的一个实例。液体控制系统340作为图1的综合系统的一部分运行,或者可独立运行以便控制液体流入和流出光生物反应器320。通过直接控制执行器的控制系统340或者通过引导操作人员(例如通过显示器装置或者光显示)来实现流体控制,以便设定流动水平。因此,控制系统340与任何其它手动或者自动的控制系统操作一起运行或者无关的运行,包括控制气体流入和流出光生物反应器320的控制系统。
液体控制系统340监测或估计培养条件的值,包括培养密度330和培养物成分组成335,以便决定液体流入和流出生物反应器320的期望时间点和速率。以与图1相似或同样的方式通过是阀或等同装置351a-d的执行器单元来控制流速。在一些实施方案中,固体控制系统可为液体控制系统340的一部分,或者可独立于液体控制系统340。在一些实施方案中,固体控制系统可产生引导培养基成分345加到培养基360的控制信号。
可使用各个控制系统以及各种方法以便控制藻类在光生物反应器中的生长。例子包括但不限于前馈控制、反馈控制、模型预报控制、适应性控制和/或这些以及其它控制策略的组合。图4说明了根据本发明的一些实施方案的完整综合系统400,其用高水平前馈加反馈控制系统410来控制藻类生长,其中高水平前馈加反馈控制系统调节气体和/或液体流入和流出光生物反应器420的速率。
监督控制部分430指导前馈控制系统440、反馈控制系统450以及产生模块460的动作,所述产生模块460把来自前馈和反馈控制模块的控制信号结合起来以便传送控制输出到光生物反应器设备420。根据各个实施方案,监督控制模块430执行计算、提供使能/禁止命令、设定点、模型标准参数和/或操作模式命令至任何这三个模块,所述三个模块从监督控制模块430接收输入。
前馈模块440可使用一组环境参数的实际测量、光生物反应器配置参数、操作设定点和/或测量光生物反应器设备的运行参数,作为到估计模块的输入或与其组合,该估计模块计算使PBR设备的运行参数到达或接近期望值的期望前馈控制输出。根据一些实施方案,反馈控制模块440可计算操作设定点与实际测量的操作参数之间的差。在一些实施方案中,反馈控制模块440也执行另外的所需计算,以便决定执行器的开/关状态或级别,该执行器使PBR设备420的运行参数到达或接近期望的值。
根据本发明的实施方案,产生模块将来自前馈控制模块440和反馈控制模块450的信号组合起来,以便决定用于控制输出的集合控制信号。在一些情况下,通过求和或使用一个或一组信号来执行集合,以便使能或禁止另一个或另一组信号。在一些实施方案中,任何模块430、440、450以及460的一些或所有功能组合到一个模块中或由另一个模块执行。例如,在一些实施方案中,模块430、440、450和460组合为单个集成模块以便以最优的方式执行控制。
基本控制算法
下面所述是根据本发明实施方案的基于模型的控制器的一些实例。根据本发明的一些实施方案,生物模型和/或光生物反应器用于计算全部或部分控制光生物反应器系统的一个或多个方面的前馈项或开环前馈项。例如,本发明的一些实施方案控制二氧化碳和/或养分的加入。
根据本发明的其它实施方案,用闭环控制来执行长成生物的收获,以便维持连续培养的密度或使培养密度跟随命令轨迹。根据本发明的实施方案,使用控制算法以便决定最优的细胞密度。根据本发明的这些实施方案,控制系统连续调整从反应器收获藻类的速率以便将培养密度调整到期望的密度。根据本发明的实施方案,可使用浊度仪(或类似的方法)、根据其它传感器进行推测、模型和/或“离线”测量以及返回进入到控制器的值,直接测量这个密度。根据这种实施方案的控制器维持恒定的培养密度或者跟随培养密度命令轨迹。这种命令可基于许多因素,包括当前反应器条件、天气、产品定价、未来天气和/或产品定价信息。
最优细胞密度是各种因素的函数并且可根据情况变化。相比于在固定的密度操作,本发明的一些实施方案基于当前的条件和未来条件如天气、产品需求和/产品定价的预测来决定最佳的密度。根据其它实施方案,通过控制收获速率和/或通过增加培养基和/或接种物来稀释以便控制细胞密度。根据本发明的实施方案,调整到反应器的输入以便匹配当前和未来的操作条件(例如每日藻类生长速率)。控制输入的例子包括但不限于CO2添加、大量营养素如氮和磷、微量营养素、鼓泡、收获、培养基添加、反应器容量、反应器几何形状、反应器配置和/或泵作用。
根据本发明的一些实施方案,可使用基于模型控制的光生物反应器以便使生长最优化并使产品价值最大化。根据这些实施方案,可使用基于模型的控制以便提高生长速率、提高油产量、使营养成本最小化、使能量使用最小化和/或使其它运行成本最小化。可使用生物模型和/或光生物反应器以便以反馈的方式控制系统。根据本发明的实施方案,该系统包含藻类或其它光合生物。
根据本发明的实施方案,使用系统控制以便使藻类生物量的生产、脂类含量和/或碳水化合物最佳化。根据本发明的实施方案,可使用生物模型和光生物反应器,基于当前反应器条件、当前天气和/或当前产品和附带产品成本,决定如何控制光生物反应器系统以便使收获的所有产品的组合价值最大化。此外,可控制不同的反应器来实现不同的结果。
根据本发明的实施方案,也可以使用基于模型的系统诊断来决定是否部分或全部光生物反应器运行不正确(即一些类型的故障)。根据本发明的一些实施方案,使用生物模型、物理模型和/或经验模型来控制光生物反应器。
根据本发明的实施方案,基于当前或未来估计的产品价格、当前或未来的成分价格、即将到来的天气和/或其它因素,可使用基于模型的控制来使可从光生物反应器的一些或所有产品获得的净值最大化。根据这些实施方案,可使用未来天气以及产品和附带产品定价的预测,与系统模型协同,决定光生物反应器的最佳运行以便提供所有产品的最大价值。这可包括例如收获速率、培养基添加、接种物添加、养分添加、二氧化碳添加、鼓泡速率、温度、罐中水位、系统压力、泵速率和/或其它方式的控制以便合成系统。
根据本发明的一些实施方案,可使用学习算法来校准光生物反应器系统模型和/或控制器,其中使用反馈来适应或纠正系统模型和/或控制器以便提高系统性能。这样的反馈系统可包括各种控制形式,例如参考模型的适应性控制、神经网、强化学习、观测器和/或修正因子。
下面描述了根据本发明实施方案的各种方式,其中可使用基于模型的控制、适应性学习和/或预测、强化学习的形式控制光生物反应器。
1藻类光生物反应器的基于模型的控制
根据本发明的一些实施方案,使用静态和动态模型来提高生物反应器的生产率,特别是在光生物反应器(“PBR”)中生长的微藻类。根据本发明的实施方案,藻类生长模型捕获封闭反应器中的藻类生长动态,使用该动态来动态补偿变化的条件。尽管模型与生物反应器的类型无关,但是根据本发明的实施方案,这里显示的特定例子用于平板光生物反应器。然而,根据本发明的实施方案,通过配置不同的模型参数和使用匹配生物反应器设计的物理特性的其它简单动态模型(如一阶和二阶简单动态模型),也可以对细管状和气升式反应器建模。本发明的实施方案允许用模型来代替传感器,使性能(利用率和生产率)最优化、预测未来的事项并提前进行动态补偿、以及适应变化的条件。
根据本发明的实施方案,这部分概述了模型以及该模型用于与反馈(“FB”)控制器结合的前馈(“FF”)控制器。这部分的主题是:
●多领域模型的建立和/或使用(例如基于物理、化学和生物的模型)
●生物反应器的FF/FB控制
●应用-生长、脂类、副产品、传感器替换物
●最优化安排
●错误检测
1.1多领域建模
本发明的各个实施方案使用模型来提供FF控制以及综合FB控制器。图5说明了根据本发明的一个或多个实施方案的用于对光生物反应器中藻类建模的各种技术。正如图5所示,有三类可用于对微藻类建模的基本类型的模型505。物理模型510、经验模型(例如根据数据来配置)515、以及基于生物学的模型520是可用于本发明实施方案的三个模型的实例。
物理模型510包括静态映射525(例如代数方程式530)、动态模型535(例如线性和非线性差分和微分方程式540)和/或其组合。经验模型515包括静态模型550(例如曲线拟合、代数表达式和/或使用输入来产生输出的查询表555)和动态模型560(例如使用一个或多个先前的输入或输出以及当前输入的线性和非线性映射565)。在一些实施方案中,动态模型560k使用一个或多个存储单元,而一些静态模型550不用任何存储值就能实现。一些实例包括但不限于轻拍-延时前馈神经网络(TD-FFNN)、回归神经网络(RNN)、以及回声状态网络(ESN)565。生物学模型520包括基于已知生物习性(例如根据八个吸收光子产生一个氧分子的已知光合关系570)来对输入输出关系进行建模。
图6说明了根据本发明的各个实施方案的可用于实现控制系统的一个或多个部分中的模型600。这个模型概念描述,部分或全部在计算设备上执行或预先执行的模型620复制实际PBR设备630的一些动作。随后在实现控制系统的部分(例如前馈和/反馈)中可使用该模型以便实现一些目标,例如对供应CO2的气体控制或者对收获的液体控制。
物理设备630和设备模型620都接收环境和运行参数610作为输入。在各个实施方案中,到模型620和设备630的一组输入可以相同或不同。在一些实施方案中包括设备630的环境条件的物理参数以及对应的模型620状态变量可以相同。对这些状态变量的测量可为确认、设定、或校准模型中的一种方法。设备630用实际输出640来响应(例如液体和气体的系统流速)。模型620使用输入610来预测设备630的输出650。
用于FF控制的模型能够准确地对藻类需求进行建模,例如养分和CO2量。对于用在本发明一些实施方案中的反馈控制,通过第二次pH测量来测量CO2需求。CO2利用率与pH紧密相关。这部分的其它内容概述了根据本发明实施方案的用于控制CO2传送的基于物理学的模型。
图7示出了根据本发明的一些实施方案的光生物反应器模型,其为一组三个相互作用子系统。根据本发明的实施方案,总体PBR模型700被描述为三个主要的子系统,也就是光子系统720、光合子系统730和水化学子系统710。根据本发明的实施方案,一些子系统的输出是到其它子系统的输入。这些输出和它们相关的输入通过圆括号方式的标志来表示。
根据本发明的实施方案,可以控制所有到模型的输入,除了阳光之外。这使得控制问题令人关注,因为阳光是驱动光合的输入,更是作为外部输入进入系统。根据本发明的一些实施方案,模型的主要目标是使第一阶段中的生长(并且因此吸收CO2)和第二阶段中的存储脂类累积最大化。这部分的焦点在于生长模型,简要讨论如何使压力模型与生长模型相关联。
根据本发明的实施方案,用于生长阶段的控制模型包括在有阳光期间尽力促进指数级生长,这意味着不稳定地驱动系统。然而,系统仍然要求养分并且必须保持在安全的pH和温度之内。因此,根据本发明的实施方案,使用预测阳光利用率最大化所需的CO2量的前馈预测控制,结合维持安全运行条件的反馈控制器,解决这个控制问题。在一些实施方案中,模型单元可产生用于碳传送的定时时间表。
1.1.1入射光子系统
根据本发明的实施方案,入射光子系统决定到达微藻类的光量,其是到达反应器的阳光强度、太阳位置、混合量、培养密度和/或PBR几何形状的函数。这部分描述了基于入射光的模型。尽管混合、培养密度和PBR几何形状影响由微藻类接收的光量,但是这些因素对特定的PBR设定是特定的。例如在这里考虑的反应器,这些参数保持恒定。因此,它们被分组为生长模型中的“阳光利用率”常数和临界密度,这在1.1.2部分中描述。
大约43%的全光谱光是有效光合辐射(“PAR”),其是对光合有用的光量。在数量上,PAR是400nm到700nm范围内的光强。当太阳时,入射PAR的主要部分是直射光,根据太阳的位置其以某一角度到达浴水(bath water)。这个光的一部分将从水面反射回,而一些将进入PBR溶液。并不是所有进入溶液的光都被吸收,因此使用简单模型来捕获关于反应器中光的足够信息以便提供实际生长模型。
对光合可用的PAR总量是进入溶液的散射和直射光的函数。
进入溶液的散射光量是阳光位置、天气(例如云量、湿度、气压和温度)、以及周围反射物(例如建筑物、结构、树木、以及地形)的函数。
下面反应器光的推导基于另外研究的信息。进入浴水的直射阳光量与浴水垂直的入射角的函数。反过来,这个角度是阳光位置的函数,其依赖于一年中的白昼、白昼时间、以及位置(经度和纬度)。由于地球绕着太阳运行,因此太阳在天空中的相对位置随季节变化。这由太阳偏角捕获,即:
其中1≤n≤365是该一年中的天数。太阳强度是日照时间的函数,其中日照时间是调整后的当地时间,以便在太阳正午时太阳在空中最高点。从当地时间到日照时间的转换如下:
E=0.000287+0.0072cos(2πB)-0.1225sin(2πB)
-0.0558cos(4πB)-0.1562sin(4πB)) (3)
tsolar=tclock+Δt (6)
在这些等式中,E是基于该一年中的天数(n)对小时数的修正值。变量Lst和Lloc是对于PBR位置的标准和实际经度值,当处于日光节约期间等式4中标记的变量D等于1,并且在另外的情况下等于0。(对于东部时区来说美国的标准经度是75°,对于中部时区来说是90°,对于山区时区来说是105°,以及对太平洋时区来说是120°)。
接下来要计算的参数是“时角”,其测量从太阳正午开始起地球运行的度数。由于其在一天24小时内旋转360°,地球每一小时旋转15度(因此在等式5中除以15)。时角(用弧度表示)由下面给出:
ω=2π×[15(tsolar-12)]. (7)
在给定纬度处入射在水平表面如PBR浴上的角度(θinc)是:
根据Snell规则,进入浸没光生物反应器的水的传送角度,即θwater,由下式给出:
其中nair=1,nwater=1.333,并且根据等式8θair=θinc。这样就有足够的信息来计算θwater。为了获得传送通过水面的直射光束辐射的分数,使用另两个变量,即未极化辐射的垂直和平行分量,其由下式给出:
据此,反射系数是并且透射(或进入水浴的光的分数)由下式给出:
如果PARsun是来自太阳的PAR量,那么进入PBR浴的量是:
PARbath=ηbathPARsun (13)
根据本发明的实施方案,微藻类用于光合的实际PAR量也是混合和垂直平板几何形状(即板厚度和方位)的函数。因此,可用于藻类光合的入射光量是:
IPAR=f1(PARbath,混合,几何形状) (14)
公式14的简化模式是:
IPAR=ηPBRPARbath, (15)
其中ηPBR是给定混合和几何形状时的PBR效率。通常,项ηPBR并入下面部分中的光利用常数KPAR。因此对于生长模型来说使用IPAR=PARbath。
以μ摩尔光/m2/s为单位来测量PAR;然而,将PAR转换为摩尔光/m2/s的单位更方便。这种方便源自于8摩尔光产生1摩尔O2以及以每小时产生的生物量来测量生长量。这在下面的部分中变得明显。两个PAR单位之间的转换由下式给出:
根据本发明的实施方案,光子系统除了决定微藻类经历的光量,也决定在什么培养密度上指数生长变为线性生长。这个临界密度,标记为mdense,是培养密度、混合以及PBR几何形状的函数。这个参数的详细说明以及其在模型方面的含义在下面的部分中讨论。
光抑制是当微藻类受到过度光量时产生的现象。混合是用于使光抑制的影响最小化的方法,并且反过来利用了更多的PBR内部可用阳光。根据本发明的实施方案,混合影响光抑制的速率是对地球的阳光强度、细胞密度、以及微藻类生长速率的函数。
1.1.2光合子系统
根据本发明的实施方案,随着微藻类利用来自太阳的光子、CO2以及养分来产生O2和更多的微藻类,光合子系统对微藻类的生长动态进行模型化。微藻类生长的速率依赖于它们利用入射光的能力以及养分利用率。假定存在充足的可用养分,微藻类生长首先是输入光的函数。当缺乏微藻类呼吸的光时(例如它们利用O2和存储的碳作为能量源),其释放CO2并导致生物量损失。当存在光时,微藻类吸收碳而释出O2,并且消耗存储的碳而呼吸O2;然而,根据碳吸收进行的生长通常控制新陈代谢过程。在一些实施方案中,Rubisco酶利用CO2和O2作为微藻类内部的底物。
当培养间隔大时,存在过量未使用的日光光子。在这个阶段,由于产生的大量藻类并不受限于光子,因此微藻类指数性生长。在一些点,藻类密度足够大以致利用了所有的入射光。在密度大于这个密度时,微藻类生长速率会是线性的。如果密度持续增高,较小部分的微藻类能够接收到光合所需的光,并且呼吸会是主要的代谢活动。如果这种情况发生,在PBR中的全部微藻类生长将会停止,并且最后开始衰退。在模型中,通过使生长期间的密度饱和来捕获这个特性。当密度变得大于临界密度时,标记为mdense,由光合作用产生的生长量变为线性,同时由于呼吸损失的密度保持指数性。这些效果由下面的非线性微分等式来描述:
P=KPARIPAR
其中
mdense=f2(malgae,mixing,geometry)
状态变量malgae是PBR内部微藻类的量(以g/L为单位),其导数,即(以g/L/h为单位),是PBR内部的微藻类的生长速率。生产率参数P(以1/h为单位)是在给定阳光强度时的特定生长速率。项KPAR(以m2/摩尔光为单位)是将入射光,即IPAR,转换为微藻类生长速率的阳光利用常数。变量R(以1/h为单位)是由黑夜中的呼吸作用所致的生物量损失,μD是由于培养基补充而产生的微藻类培养稀释速率,VPBR(L)是反应器的容量。根据本发明的实施方案,在反应器以连续模式运行的情况下(即当持续收获微藻类并且用新鲜的培养基替换)使用最后的项。
随着微藻类的生长,它们消耗从CO2中获取的碳和从其周围环境中获取的其它养分,并释放O2。通常,微藻类生物量含50%干重的碳。一摩尔CO2具有44克的量,并且这些重量中12克来自于碳。基于这些假定,如下可以得出1克微藻类固定1.83克的CO2的表达式:
光合作用的简化式由下式给出:
12H2O+6CO2+light→C6H12O6+6O2+6H2O (20)
这个等式证实了每消耗1克CO2,就产生1克O2。然而,由于O2分子来自裂解水,因此不存在这种情况。因此,产生的O2分子与固定的CO2分子之间不存在1∶1的对应关系。没有用于固定CO2的过剩能量用于其它代谢过程(例如从周围的培养基中获取养分)。在本文献中经常重复这个事实,即由于消耗8个光子的光产生一个O2分子,而消耗8到16个光子的光吸收一个CO2分子。
假定要求10个光子的光来固定一个CO2分子,产生的O2量会是:
基于这些假定,CO2消耗速率和O2产生速率可用生长速率来表示。具体地,CO2和O2的质量生产和消耗速率分别是:
通常,该关系式表示为:
其中和是每微藻类生长质量所消耗/产生的气体量,并且可采用不同于每克气体/每克微藻类的单位。下面在控制器部分中阐述一个例子,其中以每分钟标准升数(SLPM)来测量CO2量。其中VPBR(L)是PBR的升容量,并且假定每标准升(SL)存在1.808g CO2,那么可以表示为:
对于根据本发明实施方案的一些光生物反应器来说,板尺寸是:11英寸(hm=0.2794m)高,1.5英寸(wm=0.0381m)厚,以及50英尺(lm=15.24m)长。由于每个反应器有两个板,单个反应器容纳VPBR(L)=324.4658L的培养基。这意味着CO2消耗速率是
生长模型的系统参数的单位以及说明在表1中给出。
表1.生长模型参数列表
通常,生长速率是可用的光子、可用的养分、溶解CO2、溶解O2、温度以及培养基配方(例如培养基pH)的函数。根据本发明的实施方案,在这里考虑的所有这些都可包括在模型参数中,并且可模型化为单独的项。
1.1.3水化学子系统
根据本发明的实施方案,水化学子系统将培养基中微藻类可用的溶解气体以及养分模型化。溶解气体是从外部源传输的气体和微藻类消耗和产生的内部气体的函数。根据本发明的实施方案,外部源可提供恒定流速的气流,打开或光闭恒定流速的气体的模式,或者连续可变流速,以及不同气体的可变混合物。
使用鼓泡的一个原因是用来通过质量转移来控制溶解O2和溶解CO2的浓度。通常,将气体传送速率局部模型化为一阶动态系统。由于系统的分布特性,模型应用许多级联的一阶系统,这在过程模型中是常见的。这种现象基本上通过使用一阶加停滞时间模型来捕获,该方法在下面描述。当PBR中的培养基与空气处于平衡时,在培养基中存在大约7mg/mL的溶解O2,当没有生长时通过鼓泡来维持。在高速生长期间,溶解O2在系统中累积并且最终在晚上被清除。这通过下面的动态模型来描述:
这里,wsp arg e是进入PBR的气体流速,τDO是用于培养基和鼓泡的泡之间的DO质量转移的滞后时间,是培养基平衡时的DO水平,是通过光合作用产生氧气的速率。当鼓泡关闭时(即wsp arg e=0),DO在系统中以光合作用产生的速率累积。一旦鼓泡重新打开,在滞后时间τDO/wsp arg e之后,DO级重新平衡到输入气流是空气加CO2气流,其中增加的CO2量可变化。这个变化量改变平衡阀从CO2浓度变化到新的气体混合物达到培养基之间存在延迟,这通过延时来捕获。对于根据本发明实施方案应用的模型,可假定而与CO2浓度无关。
根据本发明实施方案使用类似方法来对溶解O2模型化。这通过下式给出:
这里,是特定pH所需的CO2气体浓度。由于通过光合作用CO2从培养基中移除(即),的值增大以便有助于替代消耗的CO2。因此这个值通常在有效生长期间变化以维持恒定的pH。由于系统的分布特性,在指令的CO2浓度变化与CO2到达培养基之间存在延迟
随着CO2溶解在培养基中,它分解为不同的物质,即碳酸、碳酸氢盐以及碳酸盐。溶解CO2的增加使培养基中的pH降低,而每种碳物质的浓度反过来依赖于pH。根据本发明的实施方案,由于碳溶解花费几秒,并且仅仅输入CO2中的一部分在离开出口之前溶解,存在与培养基中pH相关联的一些动态变化。根据本发明的一些实施方案,这种动态变化通过一阶动态变化(转移函数)来计算:
这里,根据本发明的实施方案,τpH是与DIC转化为合适物质相关的滞后时间,并且KpH是从DIC到pH单位的转换因子。因此,根据本发明实施方案,控制目标是以其消耗的速率将CO2传送到光合活动的位置,这基于FF预测控制器。根据本发明的实施方案,当不传送CO2时pH模型被线性化在培养基的pH附近。
CO2不是影响pH的唯一因素。另外已经发现培养基中的碳酸钙沉淀和氮吸收、过量阳离子流入、过量阴离子流出、以及微藻类的有机物吸收和释放也能影响pH。然而,主要的可控和可测的变量是CO2输入,其对pH具有最重要影响。这个特性造成了一些包括独立控制CO2和pH的难题。
温度、压力、气体流速、气泡尺寸、泵作用、培养基配方以及PBR几何形状(例如板厚度和高度)也影响溶解气体的量和pH。在一个实施方案中,这些项归类为效率参数,但是它们也可被模型化为独立的部分。
1.2FF/FB控制方法
1.2.1FF/FB控制方法#1
图8是框图800,其说明了根据本发明的一个或多个实施方案使用前馈控制器810加反馈控制器,以便通过光生物反应器850中CO2的加入来调节pH。在图8所示的实施方案中,前馈控制器810读取PAR,并且从传感器读取OD/干重。FF控制器810计算前馈指令的CO2。在加法器840中将这个FF指令与来自反馈控制器830的反馈指令相加并送到PBR 850。从PBR 850测量的pH被反馈回,并且在加法器820与设定点pH 820比较。期望和实际pH之间的误差被送到反馈控制器830。根据各个实施方案,反馈控制器830是超前补偿器、超前/滞后补偿器、比例(P)控制器、比例和积分(PI)控制器、比例积分和微分(PID)控制器、或者其它类型的控制器。
图9是显示了根据本发明各个实施方案的一组示例性操作的流程图900,所述操作用于使用前馈控制器加反馈控制器以便通过光生物反应器中CO2的加入来调节pH。正如在图9中所示的实施方案,流程图900被划分为六个具有不同操作的阶段。阶段1包括读取PAR和OD/干重信号的读取操作910。阶段2包括用于执行生长模型微分方程式的执行操作920。这些方程式是开环或观测器修正的微分方程式。阶段3包括用于计算FF CO2指令流速的计算操作930。使用该流速,在阶段4中使用控制产生操作940来计算反馈指令的CO2流速。阶段5使用加法操作950来将两个指令CO2流速加在一起。阶段6使用通信操作960来将总体指令CO2流速发送到执行器。在一些实施方案中,一旦通信操作960完成,该方法返回到阶段1中的读取操作910。
在一些实施方案中,配置观测器以便检测随时间变化的一个或多个环境条件中的传感条件,并产生指示该传感条件的观测器信号。配置修正单元来接收该观测器信号。在一些实施方案中,修正单元基于观测器信号来更新藻类生长模型。
图10说明了根据本发明的一个或多个实施方案的系统1000,其使用观测器修正模型来控制具有前馈控制器1010和反馈控制器1030的光生物反应器1050。在图10所示实施方案中说明的控制器的目标是通过传送CO2来维持特定的pH,因为藻类通过光合作用消耗的CO2。前馈控制器1010进行外部测量,即PAR和OD/干重,并计算前馈CO2控制信号可从PBR 1050获得pH或估计pH(例如使用一个或多个传感器),并在加法器1020中与期望pH比较。基于加法器1020产生的错误信号,反馈控制器1030可产生反馈修正值,即可使用加法器1040将其与前馈修正值即相加,以便产生指令CO2流速,即其被送到PBR1050上的CO2执行器。
1.2.2基于观测器的控制
根据本发明的实施方案,使用观测器来估计光生物反应器系统的内部状态。根据本发明的实施方案,这个状态估计可用于状态反馈控制器的实现;然而,该状态估计也可用来进行预测前馈控制。模型的状态-空间表示为:
y=Cx+Du (29)
通过明确建立公式(29)中的模型来对状态变量x进行估计。这个估计的状态变量标记为其产生的估计的输出是该状态估计值的状态空间等式是:
根据本发明的实施方案,使用系统的实际输入u来产生这些估计。
为了追踪状态x,使用估计的输出与测量(实际)的输出y之间的错误信号来修正状态估计。使用这个反馈,的闭环模型是:
下面,估计的状态和实际的状态之间的错误信号被定义为:
借助于公式(29)和(31),公式(32)变为:
通过将A+LC的特征值适合地放置在开放左半部分(open left halfplane),可确保这个误差整体收敛稳定(例如追踪x)。如果观测器用于状态反馈控制器,那么将比培养动态快大约5至10倍追踪x。根据本发明的实施方案,具有同样的观测器带宽对前馈控制器有益。
1.2.3基于前馈控制的观测器
根据本发明的实施方案,使用1.1.2部分中的开环生长模型来对生长速率模型化,并从而对CO2消耗速率进行模型化。根据本发明的实施方案,如果开环模型准确,那么FF模型非常好地预测消耗的CO2的正确量。然而,如果在模型和物理系统之间存在甚至是最微小的错配,那么模型化的输出最终偏离实际输出。在使用简单模型(例如一阶模型)来对非常复杂的系统模型化时这种情况会发生。
根据本发明的实施方案,可将观测器增加到生长模型,该观测器将修正模型误差并有助于追踪生长速率。根据本发明的实施方案,用于线性非时变系统(Linear Time Invarant system)的观测器偏差源自先前的部分,证据为整体收敛。对于在1.1.2部分中显示的非线性生长模型,可以成功地应用同样的技术;然而,整体收敛的说法可不再保留。然而,通过选择合适的观测器增益L可以使系统稳定。
图11是框图1100,显示了根据本发明一些实施方案的可以用作前馈pH控制器的观测器修正生长模型的一个实例。根据本发明的实施方案,除了观测器,也使用FF CO2控制器,如图11所示。由于具有源自先前部分的观测器,估计的生长速率和干重变量由“hats”表示。
描述观测的的微分方程式是:
通过将KPAR1125乘以来自1130中光模型子系统的输入IPAR,计算这个值。在1120中使1115的输出饱和以形成通过将来自1120和1130的输出相乘(例如使用乘法器1135)来形成生产率参数 在模块1145中形成项随后使用加法器1140从P中减去该项。加法器1140的输出反馈给加法器1110。在观测器修正方式中,1150从估计的干重中减去测量的干重yDM。观测器增益L将这个差乘以1155并反馈给1110。1110将1155和1140的输出相加并减去收获/稀释速率以形成干重生长速率估计值1115对其积分以形成干重估计值(或)。
图11中虚线以上的部分包含了控制器的观测器部分,虚线以下部分包含了FF控制器。对于FF控制参数,选择1160以便用合适的单位来对消耗的CO2量进行模型化。为了进行控制,通常以SLPM为单位。生长速率信号可能非常嘈杂。根据本发明实施方案,为了计算这个信号,可使用信号处理模块1165(例如低通滤波器或移动平均)。随后,使效率参数,即1170,与数据相符合。这个效率是消耗的CO2与输入的CO2的比率。这个效率除以消耗的CO2以便获得当前生长速率所需的输入CO2量,即同时,存在输入CO2的量使培养基pH保持平衡,这通过参数来表示。根据本发明的实施方案,和的相加构成了FF CO2控制信号1175。
项yDM表示从浊度传感器测量的干重,用于形成观测器修正。尽管这是可以实现修正的一个实例,基于本文提供的公开内容,本领域普通技术人员根据本发明的实施方案会意识到可以使用其它测量来修正模型。例如,可使用pH读取来修正模型。根据本发明实施方案,可以使用其它较少花费的测量来控制模型。
上面描述了根据本发明实施方案的持续更新的观测器(其中观测器总是更新)。作为持续更新的观测器的替代,根据本发明的实施方案,操作员可定期进行测量(例如一天一次),给模型修正或将积分器重新设定为正确的值。根据本发明的实施方案,在任一情况中,模型开环运行直到应用另一修正。
假定所以那么具有两个输入、一个输出以及一个状态的系统的非线性时变(“NLTV”)状态空间表达式由下式给出:
其中
Ag(IPAR)=KPARIPAR-R
Bg=[0 -1]
Cg=1 (36)
Dg=[0 -1]
这里,使用下标“g”来表示生长模型。根据本发明的实施方案,Ag是时变和非线性的,因此不能在算术上保证观测器整体收敛。虽然如此,可以将与线性非时变(“LTI”)观测器相同的技术应用到方程式36以设计增益L。Ag和L是标量,可设计表达式Ag+L Cg=Ag+L以使一组期望的Ag满足Ag+L<0。根据本发明的实施方案,作下面的选择:
L<-5*max{Ag}. (37)
当太阳处于一天中的最高点时(例如当IPAR处于最大值时)出现Ag的最大值。根据本发明的一些实施方案,Ag的范围覆盖过大,对于不同范围的光强度需要存在不同的L。方程式37也用于当时的情形;然而,根据本发明的实施方案,这可导致过分积极的观测器。
1.2.4FF/Fb控制加入的实现
图12是框图1200,说明了根据本发明一些实施方案的使用前馈控制和反馈来实现用于控制藻类培养的控制器的实例。根据本发明的实施方案,图12所示的实施方案包括使用环境和操作参数1215来提供所需CO2的前馈预测的一组子模型(1220,1225,1230,1240)。将混合模型1240的输出引入组合控制器1255,在其中将信号与来自反馈控制器1250的反馈信号组合以便将合适的CO2量传送到藻类培养物1260。根据图13中描述的逻辑,使用pH反馈输入1245的反馈控制器1250和组合控制器1255一起工作。
在图12所示的实施方案中,系统最初的环境输入是太阳能PAR数据,在提供给子模型1220和1225之前通过低通滤波器1210来过滤。太阳能使用效率模型1220如下工作。ηPE是太阳能使用效率模型的最初输出,并且表示光合效率,用在水平表面上每摩尔入射光子的生物量克数来表示。在完美效率的光合作用的理论限制下,可根据量子需要(在基本光合作用等式中所需用来固定一个碳的光子)和能量含量来计算ηPE:
CO2+H2O+8photons→CH2O+O2
其中biomass表示生物量,mol photons表示摩尔光子
本文使用的实际值(下面是理论值)用于计算许多效率,包括但不限于到达藻类培养物的光子传送、藻类的光子捕获效率、藻类的能量使用效率。根据各个实施方案,模型的最初输入1217可包括藻类培养物密度、培养温度、藻类的种类和/或反应器参数如几何形状和袋间隔中的一个或多个。在本发明一些实施方案的一种实现方式中,这个模型根据经验基于来自生长数据的结果。
在本发明的一些实施方案中pH模型1225如下工作。CO2offset是pH模型的最初输出,表示必须加到培养基中以实现期望pH而无藻类生长的CO2量。用于藻类生长的水平衡pH是水和培养基参数的输入1215的函数,该参数包括碱度、平衡pH、pH设定点和/或其它水化学测量值。例如,具有高浓度碳酸氢盐的水往往被缓冲,使得需要更多的CO2来使pH降低到与具有低浓度碳酸氢盐的水一样。图18说明了两个培养基源的这一点,这在下面更详细地描述。顶部曲线(“产生的水”)相对于底部曲线(“自来水”)具有高碳酸氢盐浓度。
在根据本发明实施方案的一种实现方式中,这个模型根据实验基于来自数据的结果。生长模型1230根据以下方程式产生输出
其中:
当该输出乘以A、水平面积(m2)并除以106就转换为摩尔/s。通过低通滤波器根据IPAR来处理面积被定义为光子俘获的水平面积。正如上面所解释的,ηPE=光合效率,即累积的净藻类生物量与入射光子的比率(g/摩尔)。R=夜间生物量损失与日间生物量积累之间的比率。由于首先要基于净生物量积累值计算光合效率,但是在日间传送CO2(对于仅仅日间鼓泡方案),所以要包括这个项。因此,通过来得到日间等效值。
例如,如果日间生长为1g,随后的夜间损失为0.3,那么净生长速率为0.7,并且R为0.3/1=0.3。对于某一时间段内实验长成的几批藻类来说,R的平均值为0.3。Calgas=按质量计的为碳的藻类部分,其可以视为0.50。为0.273,基于碳和氧的原子重量(分别是12和16)来计算:正如上面所解释的,CO2offset=实现期望pH而没有藻类生长时必须加到培养基中的CO2量。
生长子模型可输出如上述方程式中所述,或者藻类生物量的瞬间速率升高(g/s):
因此,也可以表示为:
气体混合模型1240根据下面的方程式来产生输出%CO2,其中通过气体传送输入1235来提供用于该方程式的输入:
对于是间歇性而不是持续性的气体传送方案,如图18中所示在较短的时间窗内传送CO2,并且因此浓度较高。其中:
%CO2=按质量计的为CO2的总气流部分(用实际值表示,而不是百分比)
T=如图19中所示的在2个连续鼓泡动作开始之间的总时间(秒)。
Δt=如图19中所示的一个鼓泡动作的时间长度(秒)。
注意到比率Δt/T是占空比(D),并且其值具有由混合要求决定的下限(例如培养循环、溶解O2的移除)。T的值可作为参数来调整,主要由期望的pH范围决定(同时也由混合要求决定)。
QT=总的期望气流(SLPM)
将会在这个模型中实现的另外的参数是N,表示打算用于每次鼓泡动作的培养袋中藻类培养物之上空间内的气体交换量。
图13是流程图1300,显示了根据本发明的一个或多个实施方案使用前馈控制和反馈来实现控制器的一组操作的实例。根据一些实施方案的使用前馈控制结合反馈的这种控制器实现方式可分两个阶段实现。在一些情况中,该两个阶段是脱机部分和联机部分。
脱机执行部分包括与1225对应的pH模型1310和1315,以及与1220对应的太阳能使用效率模型1320。这些子模型的输出提供校准参数,其后进入输入校准参数步骤1325。实时部分在程序开头接收这些校准参数一次,并且通过从1365返回到这个步骤1330的环路持续接收更新的环境数据1330。每一次接收到更新的环境数据(1330),在下一步骤1335中由生长模型使用这些输入来计算所需的CO2,该步骤与1230对应。在下一步骤1340中,气体混合模型使用所需的CO2来计算%CO2,其与1240对应。
在步骤1345和1350中,检查日间时间的开始和结束时限来以确定是否指令鼓泡处于关闭状态1355(通常在夜间)或者为受控的打开/关闭(通常在日间)。如果系统时钟在时限之间,在状态1360打开鼓泡,其中根据由前馈子模型供应的%CO2(1330,1335,和1340)来控制CO2和空气流。系统随后进入反馈环,在1365中检查传感的pH值与下限以及最小的时间设定。如果条件不满足,在步骤1330中系统返回以便接收更新的环境参数。如果条件满足,在步骤1375中系统进入指令鼓泡关闭的鼓泡关闭状态1370,并且检查传感的pH值与上限以及两个另外的时间设定。如果在步骤1375中条件不满足,系统返回到状态1370直到条件满足。如果在步骤1375中的条件满足,系统返回到鼓泡打开状态1360。
图14框图1400,说明了显示根据本发明的一个或多个实施方案使用前馈控制结合反馈来实现控制器的实例。这是使用前馈控制结合反馈的控制器的概括实现方式,与图12中描述的实现方式非常相似,除了从PAR到%CO2的映射步骤的细节之外都没有依据子模型详述,而是通过可配置的静态方程式来完成。
对于图14与图12共有的部分相比较描述如下:低通滤波器1410与1210动作相似、接收pH反馈输入1430的反馈控制器1440与接收输入1245的1250动作相似、组合控制器1450与1255动作相似、藻类培养物1460与1260行为相似。根据本发明的实施方案,从PAR到%CO2的前馈映射1420包括实验确定的固定方程式。对于这种映射的一种具体成功实现方式,使用方程式其中以u摩尔/m2/s为单位,表示15分钟的平均
图15是流程图1500,说明了根据本发明的各个实施方案使用前馈控制结合反馈来实现控制器的一组操作的实例。在流程图1500中阐述的操作提供了使用前馈控制结合反馈的控制器的概括实现方式,与图13中描述的实现方式非常类似,除了从PAR到%CO2的映射步骤的细节之外都没有依据子模型详述。
对于图15中呈现部分的描述与图13中呈现部分的描述相似:接收更新的环境数据步骤1510与1330动作相似、从PAR到%CO2的映射步骤1520可如与1700实现中所述使用模型或者可使用静态映射、检查系统时钟步骤1530与1345动作相似、检查时间步骤1540与1735动作相似、鼓泡关闭状态1550与1355动作相似、鼓泡打开状态1560与1360动作相似、反馈检查1570与1365动作相似、鼓泡关闭状态1580与1370动作相似、其它组的pH检查1590与1375动作相似。
图16是框图1600,为根据本发明各个实施方案的具有到前馈部分中生长模型的静态输入参数的气体控制系统的实例。图16所示的实施方案显示了使用前馈控制结合反馈的控制器的实现方式,该实现方式与在系统1200中描述的实现方式非常相似,除了提供来用作静态输入的两个输入之外:ηPE和CO2offset,这两个输入是固定的而不是由模型得出。生长模型1620使用静态输入和来自低通滤波器1610的信号来估计所需的CO2量。对于1600中呈现的部分的描述与1200中呈现的部分的描述相似。根据本发明的实施方案,低通滤波器1610与1210动作相似,使用气体传送输入1680的气体混合模型1630与使用气体传送输入1235的1240相似,使用pH反馈输入1670的反馈控制器1650与使用pH反馈输入1245的1250相似,组合控制器1640与1455动作相似,藻类培养物1660与1260行为相似。
图17是流程图1700,说明了根据本发明一些实施方案的具有到前馈部分中的生长模型的静态输入参数的气体控制系统的一组操作的实例。流程图1700说明了使用前馈控制结合反馈的控制器的具体实现方式,该方式与在1300中描述的实现方式非常相似,除了提供用作静态输入的两个输入之外:ηPE和CO2offset,这两个输入是固定的而不是由模型得出。
对于1700中呈现部分的描述与1300中呈现部分的描述相似。根据本发明的实施方案,输入校准参数步骤1710与1325动作类似,接收更新的环境数据步骤1715与1330动作相似,生长模型步骤1720与1335动作相似,气体混合模型步骤1725与1340动作相似,检查系统时钟步骤1730与1345动作相似,检查时间步骤1735与1350动作相似,鼓泡关闭状态1740与1355动作相似,鼓泡打开状态1745与1360动作相似,反馈检查1750与1365动作相似,鼓泡关闭状态1755与1370动作相似,其它组的pH检查1760与1375动作相似。
图18是说明了根据本发明各个实施方案的平均pH与鼓泡气体中二氧化碳浓度之间的关系曲线的图表。对于给定气体流速和培养基混合物来说,在气体流中的%CO2决定稳态pH值。图18显示了两种不同的培养基混合物的稳态pH值。这些结果仅仅是关于培养基的(即培养基中没有藻类)。图18也说明了稳态pH值随着%CO2的升高而降低。图18还显示了稳态pH值依赖于使用的培养基。
图19说明了根据本发明一些实施方案的间歇性气体传送方案的实例。在执行ON命令时刻之间的间隔指定为T。将鼓泡打开的时间量表示为Δt,工作周期分数为
1.2.5反馈控制方法
根据本发明的一些实施方案,反馈控制的原始来源是“滞后(bang-bang)”以及比例加积分(“PI”)控制。根据本发明的实施方案,由于控制硬件和软件的数字特性,使用具有抗终结方案的离散时间等价PI控制器。下面阐述PI控制器的基本连续时间转移函数。
假设到PI控制器的输入错误信号标记为e(t)(具有相关的转移函数E(s))并且假设PI控制器输出标记为u(t)(具有相关的转移函数U(s))。那么
由此导出方程式:
sU(s)=KpsE(s)+KiE(s). (40)
将其转换为时域微分方程式,得出:
其可以表示为:
由于当前输出是当前错误(例如比例项)的换算形式(乘以Kp)加上所有先前错误历史(例如积分项)的换算(乘以Ki),因此这是表示PI控制器的一种方式。然而,对于离散时间实现方式,用方程式41开始推导。对于简单的一阶系统(例如PI控制器),一阶反向欧拉近似值起到令人满意的作用。如果T是抽样之间的时间,那么方程式41被离散化为如下形式:
u[k]=u[k-1]+Kp(e[k]-e[k-1])+KiTe[k]. (44)
根据本发明的实施方案,在具有两个存储单元的计算机上数字实现方程式44。根据本发明的实施方案,当前的输出,即u[k],是先前的输出,即u[k-1],加上修正项,即Kp(e[k]-e[k-1])+KiTe[k],其分别基于当前和先前的错误项,即e[k]和e[k-1]。
根据本发明的实施方案,对于抗终结,可在方程式44的右边包括饱和度,其限制控制行为避免生长超出执行器的执行范围。这在下面的两个方程式中说明:
u[k]=sat[u[k-1]+Kp(e[k]-e[k-1])+KiTe[k]], (45)
其中
在图21中示出了根据本发明实施方案的用于pH控制的PI控制器的框图。图21描述了保留先前计算错误和控制输出的两个存储单元。根据本发明实施方案,在控制软件(例如Labview)中,这些存储单元可以是移位寄存器。
1.3实例应用
本发明实施方案的两个目标是使生物量生产最大化和脂类生产最大化。在生物量生产的情况中,最终的产品例如是药用产品、健康食品、饲料添加剂、化妆品和/或试验药物。在脂类生产的情况中,产品例如是可以转换为生物燃料的中性脂类。
由于简单的关系通常不足以使性能最佳化,使用光生物反应器的动态模型提供重大的好处。例如,通常认为更多的阳光需要更多的二氧化碳(由于在太阳出现时消耗二氧化碳),因此在这种情况下,将加入二氧化碳的速率作为当前阳光强度的直接函数(direct function)。然而,在白天的开始和结束阶段阳光强度非常低,呼吸藻类的量与光合作用的量相比是显著的,并且在那时不需要增加更多的二氧化碳。同时,如果在一段时间内阴天并且随后太阳出现,藻类生长速率将显著升高,并且所需的额外二氧化碳的量将随着藻类重新获得生长动力而升高。相反,如果在一段时间内阳光充足或者阳光灿烂,所需二氧化碳的量不会增加的同样快,因为藻类经历光抑制,它们的生长速率可受其它方面的限制。根据本发明的实施方案,通过动态模型最佳地捕获这样的结果,而通过静态函数映射则不能。
根据本发明的实施方案,藻类生长和/或光生物反应器模型的另一应用是通过替换昂贵的传感器来减少成本。根据本发明的实施方案,生物反应器条件的获知有助于进行控制,但是这样的测量不总是需要来自传感器。例如,根据本发明的实施方案,细胞密度、温度和pH的测量有助于进行控制,但是可根据仅仅监测太阳强度的模型来推导得出它们。接下来,根据本发明的实施方案,阳光强度读数可以根据来自因特网的辐射读数导出,该读数通过“光子系统”传递以决定藻类受到的光量。根据一个可替换的实施方案,根据在光生物反应器内部培养基中的溶解O2或者pH来推理得出细胞密度。
1.4程序安排
图20是框图2000,说明了根据本发明的一个或多个实施方案的具有基于模型的前馈部分的液体控制系统的实例。根据本发明的实施方案,使用在第一部分中描述的动态模型,基于微藻类积累来决定什么时候收获藻类。在这个方案中,生长模型2020接收使用低通滤波器2010过滤的输入PAR。根据本发明的实施方案,生长模型2020使用PAR值来提供生长速率给收获控制信号决定块2050。
在反馈路径中,用起始培养密度2030来初始化收获使能块2040,并且从实际PBR系统2060接收干重测量值。根据各个实施方案,干重测量可以为持续性测量或间歇性测量。干重测量值也可以来自每一个反应器或者是来自一个或多个反应器的共享测量值。当干重超出使用者指定的测量值时,如由收获使能块2040决定,发送收获开始命令到收获控制信号决定块2050。在这种情况中,以生长模型2020提供的生长速率来从PBR2060收获藻类,并以同样的速率将富含养分的培养基释放到PBR2060。当收获使能块2040发送关闭信号到收获控制信号决定块2050时,不收获藻类并且不释放富含养分的培养基到PBR2060。
图21是说明了具有抗终结的反馈控制器的Labview实现的实例2100,其可用于本发明的一些实施方案。在框图2100中示出了在本发明一些实施方案中用于pH控制的pH控制器的示意图。在图21所示的实施方案中,有两个保留先前计算的错误和控制输出的存储单元。根据本发明的实施方案,在控制软件(例如Labview)中,这些存储单元可以是移位寄存器。
根据本发明的实施方案,第一部分中描述的动态模型用于提供可操作研究模型,以基于期望的生长和市场条件来决定何时收获藻类。根据本发明的实施方案,可操作的模型可考虑所有副产品的当前价值、预计在下一个时间段内(例如几天的时间)的价值、预计的生长(基于动态模型)、以及运行反应器的相关操作成本,以决定在最能产生利润的时间来收获。下面给出两个方案:
根据第一个方案,目标是在一天的最大脂类含量时收获藻类。如果温度从没有升高到某一预定温度(例如25℃)之上,最好是在微藻类已经接收了每m22摩尔光子持续一天的时间之后来收获。如果温度升高到预定温度之上,立即收获。这些条件将随着天气条件和一年的时节而变化,并且可操作实验类型模型能够考虑这些变化。影响最佳时间的实际因素比这里描述的方案更加复杂。
根据另一个方案:今天收获微藻类,将生产x美元的脂类和其它副产品。基于预测的下面几天的天气和市场条件,产率将提高到y美元的脂类和其它副产品,但是要产生z美元的操作成本。在这个方案中,基于该方案来选择收获以使公司获得最大的财富。根据本发明的实施方案,这里以相对直接的方式来决定x和z,但是y的准确度依赖于脂类信息动态模型以及未来市场可操作经验模型的准确度。
1.5错误检测
根据本发明的一些实施方案,与物理系统获得同样命令的模型与实际系统并行运行。根据本发明的实施方案,如果在模型输出和测量输出之间存在任何重大变化,产生警告或错误信号并采取行动。为了说明这种情况,给出几个例子。
在第一个例子中,pH已经恒定,并且溶解O2传感器和CO2流速传感器已经与模型一致。该模型读取的干重的量是2g/L,光学密度(“OD”)传感器读取的是20g/L。在这种情况下,OD传感器读取不正确并且该传感器需要维修;控制系统发送消息给操作员。
在第二个例子中,pH升高并且CO2MFC读数在最大值。在这种情况下,根据本发明的实施方案,控制系统可发送错误信息,指示CO2传送失败,可能的原因包括CO2罐是空的或者软管没有连接。
在第三个例子中,pH是恒定的,所需的CO2量正在下降,溶解O2正在下降,并且OD传感器读数也在降低,而该模型提示应该发生生长。根据本发明的实施方案,控制系统可发送错误信息,指示藻类培养出现问题。
2.预测控制
2.1优点
根据本发明的一些实施方案,使用预测来控制光生物反应器的优点包括解决处理延时以及预测将来的条件。这些结果都提高了资源利用率并提高了生产率。
根据本发明的实施方案,处理延时包括发送延时和输送延时。发送延时包括从当发送输入命令时到该输入到达藻类并由此产生作用时所消耗的时间。这个延时的一个例子是从当提高二氧化碳流速时到额外的二氧化碳实际可用于藻类使用时所花费的时间。根据本发明的实施方案,输送延时包括从当条件变化时到传感器检测到该变化时的延时。继续先前的实例,在指令的二氧化碳流速已经改变了注入点的pH之后,在传感器记录该变化的pH之前将会经过一段时间。这就是输送延时。在光生物反应器控制中使用预测可显著地使这些影响最小化。根据本发明的实施方案,来自于此的优点包括通过按需和不过量的(可能通过出口有损失)使用二氧化碳而提高了利用率。
根据本发明实施方案的第二个优点来自预测未来条件的能力。在下面的方案中说明了这样一个例子。随着可用的阳光量变化,藻类生长速率也随之变化。随着生长速率变化,所需的二氧化碳的量也变化。根据本发明的实施方案,当光照射到藻类时,使用未来阳光强度的预测来促进正确的二氧化碳浓度,这将改善藻类生长(并因此提高生产率)。
2.2描述
图22是框图,说明了根据本发明一些实施方案的使用预测将来事件以计算控制动作的控制器的预测控制系统2200的实例。预测控制器2200的整体结构包括传感器2210和2220、以及给PBR2250中的执行器2240提供数据的预测控制器2230。PBR2260的传感器将信号反馈回预测控制器2230。
可用于本发明一些实施方案中的执行器的例子是可以手动或电子控制的开-关阀、提供(由控制器)指定的气体量的质量流控制器、或者以给定速率传送或移除脂类的软管泵。
根据本发明的实施方案,环境传感器2210提供位于藻类生长系统位置的传感器的测量值,在线传感器2220提供来自因特网的测量值。这两种类型的传感器提供关于周围环境的信息。使用这些信息来决定藻类新陈代谢活动。根据各个实施方案,这些测量值包括阳光强度、云量、空气温度和湿度。阳光强度是重要的测量值,其根据全部辐射、直接辐射和散射、以及光合有效辐射(PAR)来测量。根据本发明的实施方案,所有这些辐射测量值是太阳位置、云量以及PBR方位的函数。太阳位置是一年中的日期、一日中的时间以及藻类生长系统(AGS)的物理位置(例如AGS的经度和纬度)的函数。在线传感器2220也提供它们自己的关于未来环境条件的预测。在一些实施方案中,连同“信任参数”一起来产生一些或所有这些预测,预测器可使用它们来选择其控制动作。
PBR传感器2260是提供关于藻类当前状态以及AGS周围培养基的信息的任何测量值的传感器。根据本发明的实施方案,这些测量值可包括pH、溶解的二氧化碳(溶解在水中)、总溶解碳(TDC)、溶氧、输出(排出)的二氧化碳气体、输出(排出)的氧气、温度、压力、流速、干重、光强度、细胞数、叶绿素质量、可用养分和/或PBR工作容量。根据本发明的实施方案,用自动设备或手动测量来获得这些测量值。根据本发明的实施方案,测量可以是频繁(例如每秒多个测量)到不频繁(一天一次到一周一次),并且也可以比给定的例子更频繁或较不频繁的来进行测量。
图23是框图,说明了根据本发明一个或多个实施方案的预测控制系统的实例。根据本发明的实施方案,预测器模块2340使用一些或所有当前可用的测量值2310、2320、2330(例如当前的测量值和所有先前的测量值)来估计未来的传感器测量值。当在线传感器2310提供它们自己的未来结果的预测时,预测模块2340可使用预测的信息来改善“未来测量值的估计”。预测结果的例子包括但不限于未来的阳光强度、云量和温度。根据本发明的实施方案,上述“未来测量值的估计”可被传送到动态处理模型2350和预测前馈控制器2360,其使用预测的测量值来选择最佳的控制动作以使未来的表现最佳化。根据一些实施方案,由于预测器模块2340和/或在线传感器2310可被称作预测模块,因为它们可被配置用来估计未来一段时间内的一组未来环境条件。
在上面描述的结构中,预测器模块2340通过增加直接的馈通项到预测前馈控制器2360来直接传送值到反馈控制器2390。可使用加法器2370来对前馈和反馈控制器的输出进行相加。由此产生的信号随后被发送到执行器2380。
图24是流程图2400,说明根据本发明各个实施方案来实现预测控制策略的一组示例性操作。根据本发明的一些实施方案,阶段1包括获取操作2410以获取测量值。获取操作2410可例如通过传感器2310、2320、2330来完成。阶段2包括预测操作2420以预测未来测量值。阶段3包括估计操作2430以根据预测值来估计未来设备输出。在一些实施方案中,阶段2和3通过在图23中的预测器模块2340来执行。在一些实施方案中,通过在线传感器2310来预测测量值。在这种情况下,跳过预测操作2420。
阶段4包括模型化操作2440以基于当前和估计的测量值来对过程输出建模。在一些实施方案中,模型化操作2440通过图23中的动态处理模型2350来完成。阶段5包括计算操作2450以计算FF控制动作和反馈控制器输出。在一些实施方案中,计算操作2450可通过预测前馈控制器2360来完成。阶段6包括控制计算操作2460以计算反馈控制动作。根据本发明的实施方案,操作2460由反馈控制器2390来完成。一旦完成了操作2460,同时完成组合操作2470。在一些实施方案中,操作2470由加法器2370和执行器2380来执行。
图25是框图2500,说明了根据本发明的一个或多个实施方案的用于预测控制系统的实例结构。通过PAR传感器2510来测量PAR,通过pH传感器2520来测量pH。在图25所示的实施方案中,传送测量值到CO2预报预测前馈控制器2560。测量pH被发送到反馈控制器2580。监督控制器2550发送关于pH设定点的信息到前馈控制器2570和反馈控制器2580,其可用来决定前馈和反馈CO2流速。根据本发明的实施方案,加法器2590将流速相加并随后将它们传送给CO2执行器2540。
图26是框图2600,说明了根据本发明一个或多个实施方案的具有使用生长模型和pH反馈的预测pH调整的预测控制系统的实例结构。具体地,图26是说明使用前馈和反馈控制器的组合,基于测量和预测的PAR,通过CO2注入来调节pH的系统框图的硬件示意图。传送测量和预测的PAR2610和测量的pH2620到前馈控制器2660。测量的pH2620被发送到反馈控制器2670。基于预测的PAR2610,由藻类生长模型2660来计算CO2预测。根据本发明的实施方案,监督控制器2650发送关于pH设定点的信息到用来决定前馈和反馈CO2流速的前馈控制器2680和反馈控制器2670。使用加法器2690来对流速进行相加并发送到CO2执行器2640。
图27说明了框图2700,显示了根据本发明各个实施方案使用生长模型应用开环预测pH调整的控制器的一组示例性部分。在图27所示的特定实施方案中,框图2700说明了基于测量和预测的PAR,通过CO2注入,仅仅使用前馈控制器来调节pH的硬件示意图。测量和预测的PAR2710以及在接种时的初始干重2720被传送到前馈控制器2750。基于预测的PAR2710,由藻类生长模型2750来计算CO2预测。监督控制器2760发送关于pH设定点的信息到前馈控制器2770,其用来决定指令的CO2流速。该流速被发送到CO2执行器2740。
3.自适应控制
3.1优点
根据本发明的一些实施方案,通过定制和/或使模型参数与控制的实际设备相适应,使用适应和学习来改善性能。当设备随着时间由于“磨损”而变化时,也可以使用自适应学习来追踪设备动态。根据本发明的实施方案,当设备随着时间变化时,使用这种技术能维持设备性能。
3.2描述
图28是框图2800,说明了根据本发明的一个或多个实施方案的适应性控制系统的实例结构。在图28描述的控制策略中,根据本发明的实施方案,固定控制器2840可为固定的结构(例如PI控制器),其具有随着时间相适应的控制器参数。然而,在一些情况中使用这种适应而在其它情况中不使用这种适应。根据本发明的一些实施方案,适应性学习控制器2830使用物理系统2870的经验来使控制器的性能最佳化。
在线传感器2810和环境传感器2820连同PBR传感器2880一起使用来供应适应性学习控制器2830和固定控制器2840。两个控制器2830和2840的输出可使用加法器2850来相加,并发送到执行器2860,这在PBR2870上进行。
图29是框图2900,说明了根据本发明的一个或多个实施方案的适应性学习控制系统的实例结构。根据本发明的一些实施方案,学习代理2930查看发送到执行器2910的控制动作,以及联机传感器2915、环境传感器2920和PBR传感器2925由此产生的测量值。基于期望的输出,使用学习代理模型2930来计算性能指标。这些指标通常是观测的输出与理想输出如何接近的度量,但是可以是改善性能的任何指标(例如它们可以是大控制信号或高频控制上的损失)。在适应性模块2935中使用这些指标来决定控制器更新和/或改进控制动作如何良好符合性能目标的模型。在第一种情况中,使用指标来直接影响特定的控制器参数。这样的例子包括但不限于梯度递降(gradient decent)和线搜索(line search)。在第二种情况中,使用指标来决定控制动作的效果。一个这种例子是强化式学习。
在强化式学习中,基于当前的控制器动作和设备观测来计算强化信号。强化学习者追踪所有观测的强化信号并(随着时间)决定最佳的控制动作,以使将来的收益最大化(或使将来的损失最小化)。由于这是连续的过程,根据本发明的实施方案,强化学习者能够与出现的不同情形相适应。根据本发明的实施方案,这种适应的能力来自“遗忘因素”,其允许强化学习者更多的基于当前的结果而较少地基于先前的结果来决定最佳控制动作。
基于由适应性模块2935计算的参数更新,在本发明的一些实施方案中更新自适应控制器2940。在动作-评价强化学习算法情况下,适应性模块2935可以是评价者而适应性控制器2940可以是动作者。除了更新适应性控制器2940之外,根据本发明的实施方案,可使用适应性模块2935来更新在固定控制器2945中的参数。使用适应性控制器2940和固定控制器2945的输出来计算执行器信号2950,该信号被送到执行器2955。根据本发明的实施方案,执行器信号2950的计算可以是两个信号的相加、基于数据“质量”的加权平均值(例如在Kalman滤波器中完成)、或者产生期望输出的另一种映射。
图30是流程图3000,说明了用于本发明的各个实施方案的适应性控制系统的操作的一组示例性操作。计算操作3010计算一个或多个控制动作。在一些实施方案中,通过将固定控制器输出2860(参见图28)与当前适应性控制器输出2840(例如没有调整发生时的输出)结合起来完成计算操作3010。根据本发明的实施方案,应用操作3010将计算的控制动作应用到PBR(例如在图28中的2870)。根据本发明的实施方案,在阶段2中测量操作3030读取由控制动作产生的设备响应。在阶段4中,通信操作3040发送控制动作,设备响应适应性学习代理。例如,根据本发明的实施方案,先前的设备输入和输出可被发送到图29中的学习代理2930。在阶段5中,根据本发明的实施方案,计算操作3050可计算性能指标并将它们发送到适应性模块。阶段6使用更新操作3060来决定如何更新控制器。随后在阶段7中,根据本发明的实施方案,配置操作3070更新适应性控制器(例如在图29中的2940)和固定控制器(例如在图29中的2945)中的可能参数。根据一些实施方案,处理过程3000重复执行。
图31是框图3100,说明了根据本发明一些实施方案用于实现控制器的一组示例性部分,所述控制器具有适应性前馈控制、反馈pH调节和前馈停滞时间补偿。使用环境传感器的图31所示实施方案用于测量入射光IPAR3110。基于当前的光强度,选择目标pH并在设定点模块3115中设定。期望的pH和测量的入射光IPAR被发送到适应性模块3125、适应性控制器3130和固定前馈控制器3120,各自计算它们的前馈控制信号,使用加法器3135来将这些信号加起来以形成前馈控制信号。
在反馈路径中,来自设定点模块3115的期望pH被发送到延时模块3145,该模块计算在PBR接收到前馈CO2流速控制信号时与pH传感器3165作出反应加入更多CO2时之间的输送延时。在反馈路径中从延时的pH设定点3145中减去测量的pH3165并发送到修正反馈控制器3140。在3155将反馈3140和前馈3135的结果相加并发送到物理PBR3160上的执行器。在指令的CO2已经传送到物理PBR3160之后,传感器3165输出结果到适应性模块(评价者)3125。适应性模块3125接收PBR传感器测量值3165、环境传感器测量值3110以及pH设定点3115,并计算发送到适应性控制器(动作者)3130的修正值(或者新的值)。动作者3125接收来自评价者3125的信号并更新适应性控制器3130。
图32是框图3200,说明了根据本发明一个或多个实施方案用于实现控制器的一组示例性部分,该控制器具有适应性前馈控制、反馈pH调节和Smith预测器停滞时间补偿。这是一种意图改善性能的实现适应性控制器的特定方式(即提高生物量产量以及减少CO2损耗)。这种方法使用Smith预测器来进行停滞时间补偿。
在图32所示的实施方案中,使用环境传感器来测量入射光IPAR3210。基于当前的光强度,选择目标pH 3215。期望pH和测量入射光IPAR被发送到适应性模块3225、适应性控制器3230、以及固定前馈控制器3220。前馈控制器,即动作者3230,与固定控制器3220,各自计算它们的前馈控制信号,在3235将这些信号加在一起以形成前馈控制信号。在反馈路径中,基于设备3265的模型来修改测量的pH 3260,使得PBR3355接收的前馈O2流速控制信号时刻之间的输送延时没有出现在计算的pH误差3240中。这使用标准Smith预测器(即3255、3260、3265和3270的组合)来完成。3245从pH设定点3215中减去无延时pH测量值3270。由固定反馈控制器3240来接收计算的pH误差。
对反馈3240和前馈3235的结果相加3355并发送到物理PBR3255上的执行器。在已经将指令的CO2传送到物理PBR3255之后,传感器3260输出结果到适应性模块(评价者)3225。适应性模块3225接收PBR传感器测量值3260、环境传感器测量值3210和pH设定点3215,并计算发送到适应性控制器(动作者)3230的修正值(新的值)。动作者3225从评价者3225接收信号并更新适应性控制器3230。
4.另外的实施方案:使用前馈的基于模型的控制
4.1优点
根据本发明的实施方案,通过使用用于预测参数的系统行为动态模型,改善控制的准确性并减少传感器成本,所述参数不是直接传感的,而是基于传感的参数或基于容易获得的天气信息从模型化系统动态估计。
4.2描述
在图8中示出了运用前馈控制策略的系统的一般示意图。根据本发明的实施方案,控制器是执行与控制策略相关的计算的部件。环境传感器提供关于外部参数(例如入射阳光强度)的信息给控制器。执行器将控制器执行请求转换为加在光生物反应器上的物理参数。根据本发明的实施方案,光生物反应器传感器将选择的与控制策略相关的物理参数转换为可由控制器检测的信号。
图33说明了显示与本发明一些实施方案一起使用的预测控制系统的框图。在图33中所示的实施方案描述了控制器算法的内部拓扑结构。监督控制器3350决定动态过程模型3360、预测前馈控制器3370和反馈控制器3380的期望操作模式。动态过程模型3360使用来自环境传感器3310和光生物反应器3320的信号,以模拟出现在光生物反应器内的过程的相关动态,该动态影响待控制的参数。根据本发明的实施方案,相关动态包括传递到活性培养物的光、气体传送、藻类光合作用、藻类新陈代谢和养分吸收、藻类培养物水质化学和/或热特性。根据本发明的实施方案,预测前馈控制器3370基于由动态过程模型3360传送的系统参数估计来决定期望的执行器动作。反馈控制器3380使用来自光生物反应器传感器3320的信号,以便决定动态适应的执行器命令,以修正实际和期望的参数之间的偏差,实际和期望的参数都受控制并直接传感得到。根据本发明的实施方案,将来自预测前馈控制器3370和反馈控制器3380的输出相加3390,并随后发送到执行器3340。
图8示出了与前馈控制和生长模型相关的一些详细的计算。在图9中示出了这个过程的示例流程图。
根据本发明的实施方案,生长模型基于输入的阳光强度(uPAR)以及少数系统参数,即阳光利用常数(KPAR)和夜间呼吸率常数(R),来预测藻类干重的量。开环前馈生长模型的状态空间等式是:
这里,根据本发明的实施方案,uharvest是指令的从PBR中取出藻类的收获速率。这可用于连续反应器以维持特定的藻类密度。在不连续的反应器中,这个项是0。使用项yDM=malgae来明确地指出模型输出是藻类干重。在图17中示出了开环模型的框图。
以开环方案来运行模型可导致在一些情况中输出偏差。在可获得干重的测量值的情况下,在一些实施方案中使用观测器来修正模型错误。为了由先前模型建立观测器,根据本发明的实施方案,增加修正项到微分方程式。模型化的干重表示为其导数为模型化的干重输出为现在,根据本发明的实施方案,yDM是由自动设备或操作员(例如实验室技术员)获得的实际(测量)干重。根据本发明实施方案的基于观测器的前馈模型的状态空间方程式由下式给出:
基于观测的干重生长速率可决定前馈二氧化碳流速在一些情况中,外部信号处理可在上完成以使信号平滑或过滤该信号。然后,FF二氧化碳速率由下式给出:
图20示出了说明下面内容的框图:
根据本发明的实施方案,可通过数值积分来完成的实际计算,其也可以用许多不同的方式来实现。
在图4中示出了本发明实施方案的系统示意图。根据本发明的一些实施方案,前馈加反馈配置使用现场传感器:
根据本发明的其它实施方案,使用前馈加反馈配置,其中环境信息(例如阳光强度)不是由现场传感器得出,而是来自经由因特网获得的公开可用的当前天气信息。例如,这在图26中说明。
最后,根据本发明另外的其它实施方案,纯前馈配置使用公开可用的天气条件数据,并且包括非实时反馈传感器。在该实施方案中,仅仅使用初始培养物密度和外部提供的数据以便维持有效水平的二氧化碳传输。例如,这在图27中说明。
5.错误检测
图34说明了根据本发明一个或多个实施方案的基于错误检测的监督控制系统3400的一个实例。在图34中所示的模型与图4的模型相似,但具有另外的错误检测部件。基于检测的错误,监督控制器更改控制信号以维持正确的系统操作。根据本发明的一些实施方案,在接口3410读取控制器输入。一个或多个上述控制器或本领域普通技术人员已知的控制器可用于前馈3440和反馈3450控制器。根据本发明实施方案,在块3470中实现控制器并且发送执行器控制信号3460到实际设备3420。
平行地,根据各个实施方案,输入3410被发送到PBR模型3480。可将模型3480和实际设备3420的输出进行比较3490以查看是否存在错误。在一些实施方案中,如果存在错误,触发警告3495并发送错误到监督控制器3430。当存在错误时,监督控制器3430调整执行器控制信号3460以维持正确的操作,并且发送信号到前馈3440和反馈3450控制器以表示,一些(或所有)测量信号不准确并不应该用来更新控制器。这种情况的例子是如果pH传感器出现错误,那么调节pH的反馈控制器3450应当在试图计算其CO2流速控制信号时忽略在设定点和测量的pH之间的明显巨大误差。一旦在一些实施方案中消除了该错误,反馈3450控制器由监督控制器3430重设,并且控制器块3470如同没有错误一样的正常运行。
图35是流程图3500,说明了根据本发明各个实施方案的用于基于错误检测的监督控制的一组示例性操作。在阶段13510中,从环境和PBR传感器中读取测量值。阶段23520计算控制器执行信号。如果存在错误,监督控制器不考虑前馈和反馈控制器。如果不存在错误,前馈和反馈控制器正常运行。在阶段33530中,计算的控制器执行信号被发送到实际PBR。在阶段43540中,计算模型输出。在阶段53550中,对模型和实际输出进行比较并产生错误信号。例如,如果|实际值-测量值|>用户规定的阈值,那么触发错误或误差。如果存在错误,警告3570在阶段6产生和/或在阶段23520中发送到监督控制器。在阶段73538中,监督控制器发送信号到控制模块以确保前馈和反馈控制器不使用怀疑信号。如果不存在错误,过程返回到阶段13510并重复执行。
6.实现
已经根据微分(连续时间)和差分(离散时间)方程式描述了本文提出的模型和方法。可使用模拟电路元件(例如电阻器、电容器、电感器、运算放大器、跨导/互阻放大器等等)或通过数值积分(例如前向或后向欧拉/一阶Runge-Kutta、2/3/4/较高阶Runge-Kutta、Domand-Prince(常微分方程45)、Bogacki-Shampine(常微分方程23)、Adams(常微分方程113)、stiff/NDF(常微分方程15s)、stiff/改进Rosenbrock(常微分方程23s)、改进Stiff/Trapezoidal(常微分方程23t)、Stiff/TR-BDF2(常微分方程23tb))来实现微分方程式。也可以用数值来实现差分方程式。数值方法可在位于现场或者与离线系统无线通信(例如通过因特网)的专用硬件(例如PLC、FPGA、DSP芯片、压缩Fieldpoint、Fieldpoint、压缩Rio、以及任何其它可本地执行数值算法的通用DAQ设备)或较大的系统(例如主机、大型机、服务器等等)上实现。
本发明的实施方案可以作为计算程序产品来提供,该产品包括在其上存储有用于对计算机(或其它电子设备)编程以执行处理的指令的机器可读介质。机器可读介质包括但不限于软磁盘、光盘、光盘只读存储器(CD-ROM)、磁光盘、ROM、随机存取存储器(RAM)、可擦可编程只读存储器(EPROM)、电可擦除只读存储器(EEPROM)、磁或光卡片、闪存、或者适合于存储电子指令的其它类型的媒介/机器可读介质。此外,本发明的实施方案也可以作为计算机程序产品下载,其中程序可通过包含在载波或其它传播介质中的数据信号经由通信链路(例如调制解调器或网络线路)从远程计算机转送到请求的计算机。
为了进行说明,在现代计算机网络中的计算机程序、物理部件话逻辑相互作用的上下文中描述了本发明的各个实施方案。重要地,尽管这些实施方案描述了与现代计算机网络和程序相关的本发明的实施方案的各个方面,但是本文描述的方法和装置可以同等应用到其它的系统、设备和网络,如本领域技术人员所理解。因此,说明的本发明实施方案的应用并不意味着限制,而是示例性的。
示例性的计算机系统概观
本发明的一些实施方案包括多个步骤,其中一些由硬件元件执行或者由机器可执行指令体现。可使用这些机器可执行指令来使得用该指令编程的多用途或特殊用途处理器执行上述步骤。或者,由硬件、软件和/或固件组合起来执行上述步骤。此外,在一个或多个计算机系统、大型机(例如例如IMB z系列、Unisys ClearPath大型机、HPIntegrity NonStop服务器、NEC Express系列以及其它之类的IBM大型机)、或者客户-服务器型系统上,可至少部分(例如一个或多个模块)执行或实现本发明的一些实施方案。此外,本发明实施方案的特定硬件方面可包含这些系统或者其部分中的一个或多个。
同样地,图36是本发明实施方案可利用的计算机系统3600的一个实例。根据本实例,计算机系统包括总线3601、至少一个处理器3602、至少一个通信端口3603、主存储器3604、可移动存储介质3605、只读存储器3606、以及大容量存储器3607。
处理器3602是任何已知的处理器,例如但不限于或处理器、或者或Athlon处理器、或者处理器行。通信端口3603可以是用于基于调制解调器拨号连接的任何RS-232端口、10/100以太网端口、或者使用铜线或光纤的千兆比特端口。可基于网络如局域网(LAN)、广域网(WAN)或者计算机系统3600连接的任何网络来选择通信端口3603。
主存储器3604可以是随机存取存储器(RAM)、或者本领域通常已知的任何其它动态存储设备。只读存储器3606可以是任何静态存储设备,例如用于存储静态信息如处理器3602指令的可编程只读存储器(PROM)芯片。
可使用大容量存储器3607来存储信息和指令。例如,可使用硬盘如系列SCSI驱动器、光盘、盘阵列如RAID、Adaptec系列RAID驱动器、或任何其它的大容量存储设备。
总线3601可通信地使处理器3602与其它存储器、存储和通信块连接。基于使用的存储设备,总线3601可为PCI/PCI-X或基于SCSI的系统总线。
可移动存储介质3605可以是任何类型的外部硬盘驱动器、软盘驱动器、闪存驱动器、Zip驱动器、光盘只读存储器(CD-ROM)、可重写光盘(CD-RW)、数字视频光盘只读存储器(DVD-ROM)。
上面描述的元件意味着举例说明可能的一些类型。前述实例不以人任何方式限制本发明的范围,它们仅仅是示例性的实施方案。
可以对讨论的示例性实施方案作各种修改和增加而不脱离本发明的范围。例如,虽然上面描述的实施方案提到特定的特征,但是本发明的范围还包括具有不同特征组合的实施方案,以及没有包括所有所述特征的实施方案。因此,本发明的范围意在包含所有这种落入权利要求范围的替换、修改和变形,以及所有其等同方案。
Claims (17)
1.一种用于培养藻类的系统,包括:
包含培养基的光生物反应器,其中该光生物反应器受一个或多个环境条件的影响,并且其中可调整一个或多个操作参数来影响在该培养基中的藻类生长;
包含藻类生长模型的模型单元,该藻类生长模型使在所述培养基中的藻类的生长和成分与所述一个或多个环境条件以及所述一个或多个操作参数相关联;
配置用来访问模型单元的控制单元,其基于所述藻类生长模型来决定所述一个或多个操作参数,并产生指示所述一个或多个操作参数的控制信号;
配置用来接收所述控制信号并基于控制信号调整所述一个或多个操作参数的执行器单元,其中所述一个或多个环境条件包括光和培养基pH,其中所述一个或多个操作参数包括到光生物反应器的碳传送速率,并且其中所述模型单元根据碳传送的时间安排来产生控制信号;
其中所述控制信号是第一控制信号,该系统进一步包括:
配置用来检测随时间变化的所述一个或多个环境条件的传感条件并产生指示该传感条件的观测器信号的观测器;和
配置用来接收所述观测器信号并基于该观测器信号更新所述藻类生长模型的修正单元。
2.如权利要求1所述的系统,其中在给定的一个或多个环境条件下,根据所述藻类生长模型选择与最大藻类生长对应的一个或多个操作参数。
3.如权利要求1所述的系统,其中所述执行器单元是与二氧化碳供应流体连通的阀,并且其中碳传送的时间安排包括二氧化碳的间歇性传送。
4.如权利要求3所述的系统,其中在给定的光和培养基pH条件下根据所述藻类生长模型来选择与最大藻类生长对应的碳传送速率。
5.如权利要求1所述的系统,其中所述一个或多个环境条件包括光、温度、藻类培养物密度和培养基pH,并且其中所述一个或多个操作参数包括碳传送速率、培养基流速和收获速率。
6.如权利要求5所述的系统,其中在给定的光和培养基pH条件下根据所述藻类生长模型选择与最大藻类生长对应的碳传送速率、培养基流速和收获速率。
7.如权利要求1所述的系统,进一步包括配置用来检测所述一个或多个环境条件的一个或多个传感器。
8.如权利要求1所述的系统,其中所述控制信号是第一控制信号,该系统进一步包括:
配置用来检测所述一个或多个环境条件的传感条件并产生指示该传感条件的传感信号的传感器;
配置用来接收所述传感信号的反馈控制单元,该单元比较所述传感条件与设定点条件并基于该比较产生第二控制信号;
其中执行器单元进一步被配置用来接收所述第二控制信号并基于所述第二控制信号调整所述一个或多个操作参数。
9.如权利要求1所述的系统,其中所述控制信号是第一控制信号,该系统进一步包括:
配置用来检测所述一个或多个环境条件的传感条件并产生指示该传感条件的传感信号的传感器;和
配置用来接收所述传感信号的反馈控制单元,该单元比较所述传感条件与设定点条件,基于该比较并基于第一控制信号产生第二控制信号;
其中执行器单元进一步被配置用来接收所述第二控制信号并基于所述第二控制信号调整所述一个或多个操作参数。
10.如权利要求1所述的系统,其中该控制信号是第一控制信号,该系统进一步包括:
配置用来检测随时间变化的所述一个或多个环境条件中的一个或多个传感条件并产生指示所述一个或多个传感条件或指示所述一个或多个传感条件之外的一个或多个推测条件的观测器信号的观测器;和
配置用来接收所述观测器信号并基于该观测器信号更新所述藻类生长模型的修正单元。
11.如权利要求10所述的系统,其中所述观测器被配置用来产生所述一个或多个传感条件的观测器信号,以便使噪声最小化或填满在非经常性采样之间的数据。
12.如权利要求1所述的系统,其中所述控制信号是第一控制信号,该系统进一步包括:
配置用来检测所述一个或多个环境条件的传感条件并产生指示该传感条件的传感信号的观测器;和
配置用来接收所述传感信号的反馈控制单元,该单元使用Kalman滤波器将该传感信号与第一控制信号组合,并基于该组合信号产生第二控制信号;
其中所述执行器单元进一步被配置用来接收所述第二控制信号并基于该第二控制信号调整所述一个或多个操作参数。
13.如权利要求1所述的系统,其中所述光生物反应器是平板光生物反应器。
14.如权利要求1所述的系统,其中所述光生物反应器被包含在柔性薄膜中。
15.如权利要求1所述的系统,其中所述藻类生长模型考虑光生物反应器的几何形状以及在培养基中的藻类的培养密度。
16.如权利要求1所述的系统,其中所述藻类生长模型包括水化学模型和光模型。
17.如权利要求1所述的系统,其中所述藻类生长模型包括查询表、代数方程式、或者微分方程式。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US7610308P | 2008-06-26 | 2008-06-26 | |
US61/076,103 | 2008-06-26 | ||
US18505909P | 2009-06-08 | 2009-06-08 | |
US61/185,059 | 2009-06-08 | ||
PCT/US2009/048976 WO2010002745A1 (en) | 2008-06-26 | 2009-06-26 | Model based controls for use with bioreactors |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102131383A CN102131383A (zh) | 2011-07-20 |
CN102131383B true CN102131383B (zh) | 2014-07-23 |
Family
ID=41466288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980133151.1A Expired - Fee Related CN102131383B (zh) | 2008-06-26 | 2009-06-26 | 用于生物反应器的基于模型的控制 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20120107921A1 (zh) |
CN (1) | CN102131383B (zh) |
AU (1) | AU2009267214A1 (zh) |
BR (1) | BRPI0914593A2 (zh) |
MX (1) | MX2010014547A (zh) |
WO (1) | WO2010002745A1 (zh) |
Families Citing this family (63)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120156669A1 (en) | 2010-05-20 | 2012-06-21 | Pond Biofuels Inc. | Biomass Production |
US8969067B2 (en) | 2010-05-20 | 2015-03-03 | Pond Biofuels Inc. | Process for growing biomass by modulating supply of gas to reaction zone |
US11512278B2 (en) | 2010-05-20 | 2022-11-29 | Pond Technologies Inc. | Biomass production |
US8940520B2 (en) | 2010-05-20 | 2015-01-27 | Pond Biofuels Inc. | Process for growing biomass by modulating inputs to reaction zone based on changes to exhaust supply |
US8889400B2 (en) | 2010-05-20 | 2014-11-18 | Pond Biofuels Inc. | Diluting exhaust gas being supplied to bioreactor |
US10123495B2 (en) | 2010-06-16 | 2018-11-13 | General Atomics | Controlled system for supporting algae growth with adsorbed carbon dioxide |
US10234852B2 (en) | 2010-06-30 | 2019-03-19 | Ge Healthcare Bio-Sciences Corp. | Batch authoring tool and bioreactor control system |
WO2012003324A1 (en) * | 2010-06-30 | 2012-01-05 | Xcellerex, Inc. | Batch authoring tool and bioreactor control system |
IT1402640B1 (it) * | 2010-11-04 | 2013-09-13 | Poli De | "metodo e relativo impianto per la coltivazione di microrganismi fotosintetici" |
US8478444B2 (en) * | 2011-01-05 | 2013-07-02 | Honeywell Asca Inc. | Apparatus and method for controlling autotroph cultivation |
US20120276633A1 (en) | 2011-04-27 | 2012-11-01 | Pond Biofuels Inc. | Supplying treated exhaust gases for effecting growth of phototrophic biomass |
US8365462B2 (en) | 2011-05-31 | 2013-02-05 | Heliae Development, Llc | V-Trough photobioreactor systems |
USD661164S1 (en) | 2011-06-10 | 2012-06-05 | Heliae Development, Llc | Aquaculture vessel |
USD679965S1 (en) | 2011-06-10 | 2013-04-16 | Heliae Development, Llc | Aquaculture vessel |
USD682637S1 (en) | 2011-06-10 | 2013-05-21 | Heliae Development, Llc | Aquaculture vessel |
US8541225B2 (en) * | 2011-07-25 | 2013-09-24 | General Atomics | System and method for using a pulse flow circulation for algae cultivation |
CN102465090A (zh) * | 2011-09-07 | 2012-05-23 | 浙江齐成碳能科技有限公司 | 一种光利用调节装置和其在培养光能生物中的用途 |
CN103649299B (zh) * | 2011-10-28 | 2016-10-12 | 西门子公司 | 生产过程的监控系统及其控制方法 |
CN102778868B (zh) * | 2012-05-30 | 2014-11-05 | 李丽 | 用于大宗发酵产品的非线性综合节能控制系统与方法 |
US9534261B2 (en) | 2012-10-24 | 2017-01-03 | Pond Biofuels Inc. | Recovering off-gas from photobioreactor |
US9146545B2 (en) * | 2012-11-27 | 2015-09-29 | Honeywell International Inc. | Multivariable control system for setpoint design |
WO2014130357A1 (en) * | 2013-02-19 | 2014-08-28 | Heliae Development, Llc | Bioreactor array and methods of combinatorial testing |
US9405286B2 (en) * | 2013-03-01 | 2016-08-02 | Fisher-Rosemount Systems, Inc. | Use of predictors in process control systems with wireless or intermittent process measurements |
US9560837B1 (en) | 2013-03-05 | 2017-02-07 | Xiant Technologies, Inc. | Photon modulation management system for stimulation of a desired response in birds |
US9844209B1 (en) | 2014-11-24 | 2017-12-19 | Xiant Technologies, Inc. | Photon modulation management system for stimulation of a desired response in birds |
WO2014138262A1 (en) | 2013-03-05 | 2014-09-12 | Xiant Technologies, Inc. | Photon modulation management system |
US10182557B2 (en) | 2013-03-05 | 2019-01-22 | Xiant Technologies, Inc. | Photon modulation management system for stimulation of a desired response in birds |
US11278009B2 (en) | 2013-03-05 | 2022-03-22 | Xiant Technologies, Inc. | Photon modulation management system for stimulation of a desired response in birds |
DE102013104707A1 (de) * | 2013-05-07 | 2015-02-19 | Endress & Hauser Meßtechnik GmbH & Co. KG | Steuermodul für umfangreiche Messdatenvolumen |
US9766618B2 (en) * | 2014-08-14 | 2017-09-19 | International Business Machines Corporation | Generating work product plans specifying proportions of constituents to be used in forming a work product |
CN106793757B (zh) | 2014-08-29 | 2020-12-29 | 现特技术有限公司 | 光子调制管理系统 |
CN104328044B (zh) * | 2014-10-31 | 2017-06-30 | 中国科学院大连化学物理研究所 | 一种光照‑二氧化碳联合调控光生物反应器 |
CN104388314B (zh) * | 2014-10-31 | 2017-09-15 | 中国科学院大连化学物理研究所 | 一种用于微藻光自养培养的光强和二氧化碳耦合方法 |
CN112961771A (zh) * | 2014-12-16 | 2021-06-15 | 纳米及先进材料研发院有限公司 | 用于空气净化的光生物反应器系统 |
US20160166985A1 (en) * | 2014-12-16 | 2016-06-16 | Nano And Advanced Materials Institute Limited | Photobioreactor system for air purification by using microalgae |
US20160174476A1 (en) * | 2014-12-17 | 2016-06-23 | Marsh Allen | Algae growth using peristaltic pump |
AU2016200125A1 (en) * | 2015-01-14 | 2016-07-28 | General Atomics | Controlled system for supporting algae growth with adsorbed carbon dioxide |
EP3167042B1 (en) * | 2015-09-30 | 2019-12-18 | Subitec Gmbh | Bioreactor with interruptible gas supply |
AU2016338676B2 (en) | 2015-10-16 | 2021-07-15 | Lonza Ltd. | System and method for regulating cell culture based production of biologics |
US10839302B2 (en) | 2015-11-24 | 2020-11-17 | The Research Foundation For The State University Of New York | Approximate value iteration with complex returns by bounding |
CN105907637A (zh) * | 2016-05-27 | 2016-08-31 | 广东海融环保科技有限公司 | 一种用于微藻养殖的基于在线反馈自动调温的温控系统 |
US10453551B2 (en) * | 2016-06-08 | 2019-10-22 | X Development Llc | Simulating living cell in silico |
US11058889B1 (en) | 2017-04-03 | 2021-07-13 | Xiant Technologies, Inc. | Method of using photon modulation for regulation of hormones in mammals |
JOP20190145A1 (ar) * | 2017-06-14 | 2019-06-16 | Grow Solutions Tech Llc | أنظمة وطرق لتفريع حصاد قرن إنماء |
JP2020523030A (ja) * | 2017-06-16 | 2020-08-06 | ジーイー・ヘルスケア・バイオサイエンス・アクチボラグ | バイオリアクタにおいてのプロセスのアウトカムを予測するための、および、そのプロセスのモデリングのための方法 |
WO2019055834A1 (en) * | 2017-09-15 | 2019-03-21 | Battelle Energy Alliance, Llc | ADAPTIVE AND INTELLIGENT CONTROL SYSTEM AND ASSOCIATED METHODS FOR INTEGRATED BIOMASS PROCESSING |
US20210179986A1 (en) * | 2017-11-06 | 2021-06-17 | Algaennovation Ltd. | System and method of growing algae using geothermal gas |
CN107723232B (zh) * | 2017-11-21 | 2024-01-05 | 安徽贝宝食品有限公司 | 食品中微生物快检设备 |
CA3098484A1 (en) * | 2018-05-01 | 2019-11-07 | Centre For Commercialization Of Regenerative Medicine | Predicting bioreactor product production based on independent or multivariate analysis of multiple physical attributes |
IL259890B (en) * | 2018-06-07 | 2021-08-31 | Shalem For Space Ind Ltd | A system for growing and extracting algae |
EP3847235A4 (en) * | 2018-09-05 | 2022-06-22 | Wentech Solutions Inc. | SYSTEM AND METHOD FOR EVALUATION, OPTIMIZATION AND/OR CONTROL OF AN ANAEROBIC FERMENTATION PROCESS |
IL262742A (en) * | 2018-11-04 | 2020-05-31 | SHIMONI Moria | A method of constructing a digital model of a fermentation process |
WO2020157698A1 (en) * | 2019-01-31 | 2020-08-06 | Cristiano Galbiati | Photobioreactor for blue-green algae cultivation |
KR102276219B1 (ko) * | 2019-02-15 | 2021-07-12 | 씨제이제일제당 (주) | 생물반응기의 운전 조건을 결정하는 장치 및 방법 |
WO2020205611A1 (en) * | 2019-03-29 | 2020-10-08 | Amgen Inc. | Predicting cell culture performance in bioreactors |
JP7181849B2 (ja) * | 2019-10-31 | 2022-12-01 | 横河電機株式会社 | 装置、方法およびプログラム |
CN110989552B (zh) * | 2019-11-25 | 2021-08-13 | 江南大学 | 一种网络攻击下连续搅拌釜式反应器系统的故障估计方法 |
DE102020208358A1 (de) * | 2020-07-03 | 2022-01-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Regelung eines Regelsystems, Trainingsverfahren, Computerprogramm, Speichermedium und Steuereinheit. |
CN111944694B (zh) * | 2020-08-27 | 2021-09-28 | 河南大学 | 一种基于浊度值反馈补加硅酸盐培养硅藻的方法和装置 |
FR3118057A1 (fr) * | 2020-12-23 | 2022-06-24 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Systeme de surveillance d’un processus biochimique |
CN112987683B (zh) * | 2021-01-08 | 2022-02-18 | 桂林电子科技大学 | 一种死区非光滑三明治系统的故障定位方法 |
CN113162227B (zh) * | 2021-03-23 | 2023-06-20 | 贵州电网有限责任公司 | 一种配电自动化系统 |
GB2614560B (en) * | 2022-01-07 | 2024-02-07 | Nature Based Solutions Global Ltd | Algae cultivation apparatus |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0239272A2 (en) * | 1986-03-19 | 1987-09-30 | Biotechna Limited | Improvements relating to biomass production |
US5151347A (en) * | 1989-11-27 | 1992-09-29 | Martek Corporation | Closed photobioreactor and method of use |
CN1632573A (zh) * | 2004-12-23 | 2005-06-29 | 上海交通大学 | 陆生植物与海藻细胞反应器在线生物状态检测系统 |
WO2006020177A1 (en) * | 2004-07-16 | 2006-02-23 | Greenfuel Technologies Corporation | Photobioreactor cell culture systems, methods for preconditioning photosynthetic organisms, and cultures of photosynthetic organisms produced thereby |
US20070244644A1 (en) * | 2006-04-13 | 2007-10-18 | Fujitsu Limited | Weather predicting apparatus, and weather predicting method, computer product |
-
2009
- 2009-06-26 MX MX2010014547A patent/MX2010014547A/es active IP Right Grant
- 2009-06-26 AU AU2009267214A patent/AU2009267214A1/en not_active Abandoned
- 2009-06-26 US US13/001,306 patent/US20120107921A1/en not_active Abandoned
- 2009-06-26 WO PCT/US2009/048976 patent/WO2010002745A1/en active Application Filing
- 2009-06-26 BR BRPI0914593A patent/BRPI0914593A2/pt not_active IP Right Cessation
- 2009-06-26 CN CN200980133151.1A patent/CN102131383B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0239272A2 (en) * | 1986-03-19 | 1987-09-30 | Biotechna Limited | Improvements relating to biomass production |
US5151347A (en) * | 1989-11-27 | 1992-09-29 | Martek Corporation | Closed photobioreactor and method of use |
WO2006020177A1 (en) * | 2004-07-16 | 2006-02-23 | Greenfuel Technologies Corporation | Photobioreactor cell culture systems, methods for preconditioning photosynthetic organisms, and cultures of photosynthetic organisms produced thereby |
CN1632573A (zh) * | 2004-12-23 | 2005-06-29 | 上海交通大学 | 陆生植物与海藻细胞反应器在线生物状态检测系统 |
US20070244644A1 (en) * | 2006-04-13 | 2007-10-18 | Fujitsu Limited | Weather predicting apparatus, and weather predicting method, computer product |
Non-Patent Citations (1)
Title |
---|
Su 等.State and parameter estimation of microalgal photobioreactor cultures based on local irradiance measurement.《JOURNAL OF BIOTECHNOLOGY》.2003,第105卷(第1-2期), * |
Also Published As
Publication number | Publication date |
---|---|
US20120107921A1 (en) | 2012-05-03 |
CN102131383A (zh) | 2011-07-20 |
BRPI0914593A2 (pt) | 2015-12-15 |
WO2010002745A1 (en) | 2010-01-07 |
AU2009267214A1 (en) | 2010-01-07 |
MX2010014547A (es) | 2011-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102131383B (zh) | 用于生物反应器的基于模型的控制 | |
CN102597211B (zh) | 用于输送气体到藻类培养物中的系统和方法 | |
Pawlowski et al. | Effective utilization of flue gases in raceway reactor with event-based pH control for microalgae culture | |
Fernández et al. | Dynamic model of microalgal production in tubular photobioreactors | |
Carreño-Zagarra et al. | Linear active disturbance rejection control for a raceway photobioreactor | |
US10872680B2 (en) | Computer-implemented method for creating a fermentation model | |
CN105654203A (zh) | 一种基于支持向量机的黄瓜全程光合速率预测模型及建立方法 | |
Barbosa et al. | Low-cost and versatile sensor based on multi-wavelengths for real-time estimation of microalgal biomass concentration in open and closed cultivation systems | |
CN102827766A (zh) | 用于规模化红球藻生产虾青素的光生物反应器 | |
Chopda et al. | Maximizing biomass concentration in baker’s yeast process by using a decoupled geometric controller for substrate and dissolved oxygen | |
CN103649299B (zh) | 生产过程的监控系统及其控制方法 | |
CN103627620A (zh) | 通过微藻培养生产脂质的方法和装置 | |
CN116224806A (zh) | 基于数字孪生技术发酵操作变量优化控制方法 | |
Fernández et al. | Microalgae production systems | |
Kumar et al. | Multi-objective optimization of monoclonal antibody production in bioreactor | |
Hoyo et al. | A computer-based tool to simulate raceway photobioreactors for design, operation and control purposes | |
CN105373669A (zh) | 一种黄伞菌发酵条件优化及动力学模型的构建方法 | |
CN205755995U (zh) | 一种智能大棚系统 | |
Wang et al. | Simulating the Effects of Drought Stress Timing and the Amount Irrigation on Cotton Yield Using the CSM-CROPGRO-Cotton Model | |
Chance et al. | Production of Biocrude in an Advanced Photobioreactor-Based Biorefinery | |
CN105740599A (zh) | 一种基因调节连续发酵混杂动力系统 | |
Slager et al. | Feasibility study on combined production of algae and tomatoes in a Dutch greenhouse | |
Munoz-Tamayo et al. | Design of optimal experiments for parameter estimation of microalgae growth models | |
Saccardo et al. | Droop model identification via model-based design of experiments to describe microalgae nitrogen uptake in continuous photobioreactors | |
CN108220379A (zh) | 一种杂交瘤细胞生产单克隆抗体的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140723 Termination date: 20160626 |
|
CF01 | Termination of patent right due to non-payment of annual fee |