CN102220239A - 一种基于生长预测模型的流加控制系统 - Google Patents
一种基于生长预测模型的流加控制系统 Download PDFInfo
- Publication number
- CN102220239A CN102220239A CN2011100725197A CN201110072519A CN102220239A CN 102220239 A CN102220239 A CN 102220239A CN 2011100725197 A CN2011100725197 A CN 2011100725197A CN 201110072519 A CN201110072519 A CN 201110072519A CN 102220239 A CN102220239 A CN 102220239A
- Authority
- CN
- China
- Prior art keywords
- predictive model
- stream
- fed
- growth
- batch 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.)
- Pending
Links
Images
Landscapes
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明提供了一种基于生长预测模型的流加控制系统，包括控制器和执行机构，控制器为工业控制计算机，所述执行机构为恒流泵，具体包括如下步骤，建立参考轨迹，建立预测模型，预测期望输出，反馈初始化，滚动优化，流加控制信号输出，流加控制，本发明能根据生物生长规律进行流加控制，形成微生物最优生长、最优形成产物的环境，使其向产出物最大化方向发展。
Description
技术领域
本发明涉及一种流加控制系统，尤其涉及一种在生物制造过程中的基于生长预测模型的流加控制系统。
背景技术
生物制造过程是一个复杂的生化反应过程，生物制造有两个核心：一是涉及获得特殊反应或过程所需的最良好的生物细胞(或酶)；二是选择最精良的生物制造设备，开发最优技术，创造充分发挥生物细胞(或酶)作用的最佳环境。
目前，生物制造行业多采用依据各环境参数进行控制的策略，即通过传感器采集到和生化反应环境密切相关的过程量参数，如温度、DO(溶解氧)、pH等，通过测量值和设定值的偏差进行流加控制，将各测量值控制在一定范围内。然而，这种流加控制方式存在一些问题，一是反映生物生长环境的过程量曲线是平滑变化的，现有流加控制方式是有级的，一般是在几个阶段设定不同数值的过程量，并把过程量的当前值稳定在设定值附近；二是现有流加控制方式是有差的，只有测量值和设定值出现偏差才进行流加控制。
发明内容
本发明的目的在于解决上述的技术问题，提供一种基于生长预测模型的流加控制系统。
本发明的目的通过以下技术方案来实现：
一种基于生长预测模型的流加控制系统，包括控制器和执行机构，所述控制器为工业控制计算机，所述执行机构为恒流泵，具体包括如下步骤，
步骤一、建立参考轨迹，通过生物细胞(或酶)在最佳生长环境时的不同过程量绘制曲线的集合，建立参考轨迹；
步骤二、建立预测模型，根据生物细胞(或酶)生长规律，建立描绘其生化反应过程中生长环境、细胞浓度、产出物等各种因素为预测模型；
步骤三、预测期望输出，根据已经建立的预测模型和得到的理想细胞浓度曲线，展开从当前时刻开始到生化反应结束的各个时刻的细胞浓度和过程量参数的期望值；
步骤四、反馈初始化，用活细胞仪实时采集生化反应过程中的细胞浓度及相应过程量参数；
步骤五、滚动优化，将步骤三中得出的过程量参数与预测模型期望的过程量数值相比较，用它们的差值修正初始条件；
步骤六、流加控制信号输出，通过工业控制计算机根据步骤二中预测模型，采用建立在实时信息的基础上的优化算法，给出流加控制信号；
步骤七、流加控制，由步骤六中输出的流加控制信号触发并启动恒流泵，添加物料，进行流加控制。
本发明的有益效果主要体现在：能根据生物生长规律进行流加控制，形成微生物最优生长、最优形成产物的环境，使其向产出物最大化方向发展。
附图说明
下面结合附图对本发明技术方案作进一步说明：
图1：本发明的基于生长预测模型的流加控制系统结构框图。
图2：理想环境下细胞生化反应过程中的细胞浓度曲线。
具体实施方式
先建立预测模型，所述预测模型就是一个根据特定生物细胞(或酶)生长规律，建立的描绘其生化反应过程中生长环境、细胞浓度、产出物等各种因素的模型。根据理想细胞得出细胞浓度曲线，如图2所示，图2的曲线是总结多次实验数据后绘制而成，可以认为是理想环境下细胞浓度曲线。生化反应开始后，根据已经建立的预测模型和得到的理想细胞浓度曲线，展开从当前时刻开始到生化反应结束的各个时刻的细胞浓度和过程量参数的期望值。
用活细胞仪实时检测细胞浓度，其它仪器检测生化反应和细胞浓度密切相关的其它过程量参数，如温度、DO、pH等。
在每个优化周期，为保证优化是建立在实时信息的基础上，通过预测模型各参数的期望数值和实际检测数值的偏差修正初始条件，生成流加控制信号。流加控制信号触发并启动精密的恒流泵，添加生化反应所需物料，改变反应环境，使生化反应向我们期望轨迹发展。当生化反应轨迹和期望轨迹基本一致时，停止流加。
循环执行各个过程，如图1所示，可以保证生化反应向我们期望的产出物最大化方向发展。
本发明与现有技术相比具有以下优点：
1)、本发明可以根据生物细胞(或酶)的生长规律，提前进行流加控制，以创造充分发挥生物细胞(或酶)作用的最佳环境，而现有控制几乎都是当反映微生物生长环境的过程变量参数和设定值出现偏离后，才进行流加控制，有一段时间的滞后；
2)、本发明是根据生物细胞(或酶)的生长规律曲线进行控制，属于无级控制，适宜生物细胞(或酶)生长的环境变化比较平滑；
3)、本发明通过加入反馈初始化环节，保证流加控制是一直建立在实时信息的基础上，可以反映微生物的客观生长环境。
本发明尚有多种具体的实施方式，凡采用等同替换或者等效变换而形成的所有技术方案，均落在本发明要求保护的范围之内。
Claims (1)
1.一种基于生长预测模型的流加控制系统，包括控制器和执行机构，所述控制器为工业控制计算机，所述执行机构为恒流泵，其特征在于：具体包括如下步骤，
步骤一、建立参考轨迹，通过生物细胞(或酶)在最佳生长环境时的不同过程量绘制曲线的集合，建立参考轨迹；
步骤二、建立预测模型，根据生物细胞(或酶)生长规律，建立描绘其生化反应过程中生长环境、细胞浓度、产出物等各种因素为预测模型；
步骤三、预测期望输出，根据已经建立的预测模型和得到的理想细胞浓度曲线，展开从当前时刻开始到生化反应结束的各个时刻的细胞浓度和过程量参数的期望值；
步骤四、反馈初始化，用活细胞仪实时采集生化反应过程中的细胞浓度及相应过程量参数；
步骤五、滚动优化，将步骤三中得出的过程量参数与预测模型期望的过程量数值相比较，用它们的差值修正初始条件；
步骤六、流加控制信号输出，通过工业控制计算机根据步骤二中预测模型，采用建立在实时信息的基础上的优化算法，给出流加控制信号；
步骤七、流加控制，由步骤六中输出的流加控制信号触发并启动恒流泵，添加物料，进行流加控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011100725197A CN102220239A (zh) | 2011-03-24 | 2011-03-24 | 一种基于生长预测模型的流加控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011100725197A CN102220239A (zh) | 2011-03-24 | 2011-03-24 | 一种基于生长预测模型的流加控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102220239A true CN102220239A (zh) | 2011-10-19 |
Family
ID=44776948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011100725197A Pending CN102220239A (zh) | 2011-03-24 | 2011-03-24 | 一种基于生长预测模型的流加控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102220239A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014207166A1 (en) * | 2013-06-26 | 2014-12-31 | Techno-Path (Distribution) | A method of determining or predicting a characteristic of a cell |
| CN109256176A (zh) * | 2018-10-28 | 2019-01-22 | 浙江师范大学 | 基于代谢产物测量的微生物生长过程评估模型 |
| US10591463B2 (en) | 2014-04-04 | 2020-03-17 | Valitacell Limited | Method of predicting phenotypic instability in a cell |
| US10626436B2 (en) | 2015-04-01 | 2020-04-21 | Valitacell Limited | Method of determining a compositional or functional characteristic of a cell culture media |
-
2011
- 2011-03-24 CN CN2011100725197A patent/CN102220239A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014207166A1 (en) * | 2013-06-26 | 2014-12-31 | Techno-Path (Distribution) | A method of determining or predicting a characteristic of a cell |
| US10591463B2 (en) | 2014-04-04 | 2020-03-17 | Valitacell Limited | Method of predicting phenotypic instability in a cell |
| US10626436B2 (en) | 2015-04-01 | 2020-04-21 | Valitacell Limited | Method of determining a compositional or functional characteristic of a cell culture media |
| CN109256176A (zh) * | 2018-10-28 | 2019-01-22 | 浙江师范大学 | 基于代谢产物测量的微生物生长过程评估模型 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hartline et al. | Dynamic control in metabolic engineering: Theories, tools, and applications | |
| WO2008055200A3 (en) | Model predictive control of a fermentation feed in biofuel production | |
| CN109696827A (zh) | 惯性权重余弦调整粒子群优化算法的pid参数整定方法 | |
| CN102220239A (zh) | 一种基于生长预测模型的流加控制系统 | |
| CN101639902B (zh) | 生物发酵过程中基于支持向量机的软测量仪表的建模方法 | |
| ATE523818T1 (de) | Integrierte modellprädiktive steuerung von destillations- und dehydrationssubprozessen in einem biokraftstoff-produktionsprozess | |
| Tebbani et al. | Model-based versus model-free control designs for improving microalgae growth in a closed photobioreactor: Some preliminary comparisons | |
| CN106950824A (zh) | 基于模糊神经网络的秸秆发酵燃料乙醇过程补料预测控制系统及方法 | |
| Duan et al. | An on-line adaptive control based on DO/pH measurements and ANN pattern recognition model for fed-batch cultivation | |
| Johnsson et al. | Feed rate control in fed‐batch fermentations based on frequency content analysis | |
| Mesquita et al. | Machine learning applied for metabolic flux‐based control of micro‐aerated fermentations in bioreactors | |
| Garzón-Castro et al. | Performance of an active disturbance rejection control on a simulated continuous microalgae photobioreactor | |
| Roell et al. | A comparative evaluation of machine learning algorithms for predicting syngas fermentation outcomes | |
| CN105184049A (zh) | 基于调控-代谢网络整合模型预测微生物生长表型的方法 | |
| CN102141778B (zh) | 一种受核糖体rna启发的高阶控制器参数优化方法 | |
| CN114912363A (zh) | 基于bp-lstm模型的解脂耶氏酵母发酵软测量方法 | |
| KR20200099684A (ko) | 생물반응기의 운전 조건을 결정하는 장치 및 방법 | |
| Kiran et al. | Control of continuous fed-batch fermentation process using neural network based model predictive controller | |
| CN104133369A (zh) | 一种质子交换膜燃料电池动态特性的控制方法 | |
| Patnaik | Design considerations in hybrid neural optimization of fed-batch fermentation for PHB production by Ralstonia eutropha | |
| Hu et al. | Differential Evolution Algorithm Based Self-adaptive Control Strategy for Fed-batch Cultivation of Yeast. | |
| Rodríguez-Miranda et al. | Application of a symmetric-send-on-delta event-based controller for a microalgal raceway reactor | |
| Galvanauskas et al. | Model‐based optimization and pO2 control of fed‐batch Escherichia coli and Saccharomyces cerevisiae cultivation processes | |
| CN104614982A (zh) | 基于多目标头脑风暴的圆盘剪重叠量参数调整方法 | |
| Chopda et al. | On-line implementation of decoupled input-output linearizing controller in Baker's yeast fermentation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111019 |