CN116224806A - 基于数字孪生技术发酵操作变量优化控制方法 - Google Patents
基于数字孪生技术发酵操作变量优化控制方法 Download PDFInfo
- Publication number
- CN116224806A CN116224806A CN202310408842.XA CN202310408842A CN116224806A CN 116224806 A CN116224806 A CN 116224806A CN 202310408842 A CN202310408842 A CN 202310408842A CN 116224806 A CN116224806 A CN 116224806A
- Authority
- CN
- China
- Prior art keywords
- fermentation
- concentration
- digital twin
- reactor
- substrate
- 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.)
- Withdrawn
Links
- 230000004151 fermentation Effects 0.000 title claims abstract description 159
- 238000000855 fermentation Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000002474 experimental method Methods 0.000 claims abstract description 20
- 239000000758 substrate Substances 0.000 claims description 129
- 229930006000 Sucrose Natural products 0.000 claims description 43
- 239000005720 sucrose Substances 0.000 claims description 43
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 claims description 40
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims description 34
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 32
- 229910052799 carbon Inorganic materials 0.000 claims description 32
- NVNLLIYOARQCIX-MSHCCFNRSA-N Nisin Chemical compound N1C(=O)[C@@H](CC(C)C)NC(=O)C(=C)NC(=O)[C@@H]([C@H](C)CC)NC(=O)[C@@H](NC(=O)C(=C/C)/NC(=O)[C@H](N)[C@H](C)CC)CSC[C@@H]1C(=O)N[C@@H]1C(=O)N2CCC[C@@H]2C(=O)NCC(=O)N[C@@H](C(=O)N[C@H](CCCCN)C(=O)N[C@@H]2C(NCC(=O)N[C@H](C)C(=O)N[C@H](CC(C)C)C(=O)N[C@H](CCSC)C(=O)NCC(=O)N[C@H](CS[C@@H]2C)C(=O)N[C@H](CC(N)=O)C(=O)N[C@H](CCSC)C(=O)N[C@H](CCCCN)C(=O)N[C@@H]2C(N[C@H](C)C(=O)N[C@@H]3C(=O)N[C@@H](C(N[C@H](CC=4NC=NC=4)C(=O)N[C@H](CS[C@@H]3C)C(=O)N[C@H](CO)C(=O)N[C@H]([C@H](C)CC)C(=O)N[C@H](CC=3NC=NC=3)C(=O)N[C@H](C(C)C)C(=O)NC(=C)C(=O)N[C@H](CCCCN)C(O)=O)=O)CS[C@@H]2C)=O)=O)CS[C@@H]1C NVNLLIYOARQCIX-MSHCCFNRSA-N 0.000 claims description 30
- 108010053775 Nisin Proteins 0.000 claims description 30
- 239000004309 nisin Substances 0.000 claims description 30
- 235000010297 nisin Nutrition 0.000 claims description 30
- 239000000047 product Substances 0.000 claims description 18
- 235000014655 lactic acid Nutrition 0.000 claims description 17
- 239000004310 lactic acid Substances 0.000 claims description 17
- 241000194035 Lactococcus lactis Species 0.000 claims description 14
- 235000014897 Streptococcus lactis Nutrition 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 230000010261 cell growth Effects 0.000 claims description 14
- 238000003786 synthesis reaction Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 13
- 239000006227 byproduct Substances 0.000 claims description 12
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 9
- 244000005700 microbiome Species 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000005094 computer simulation Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000012010 growth Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000004060 metabolic process Effects 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 125000000185 sucrose group Chemical group 0.000 claims description 3
- 238000005273 aeration Methods 0.000 claims description 2
- 230000002779 inactivation Effects 0.000 claims description 2
- 230000000241 respiratory effect Effects 0.000 claims description 2
- 230000000087 stabilizing effect Effects 0.000 claims description 2
- 238000003756 stirring Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 239000001963 growth medium Substances 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000008103 glucose Substances 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 238000011165 process development Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000002609 medium Substances 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000194036 Lactococcus Species 0.000 description 1
- 239000001888 Peptone Substances 0.000 description 1
- 108010080698 Peptones Proteins 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 239000002551 biofuel Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910017053 inorganic salt Inorganic materials 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 235000019319 peptone Nutrition 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Preparation Of Compounds By Using Micro-Organisms (AREA)
Abstract
本发明属于发酵工程领域，具体涉及一种基于数字孪生技术发酵操作变量优化控制方法。包括以下5个步骤：构建初始数字孪生体反应器；构建操作变量的控制算法；构建操作变量的控制操作系统；利用操作系统获得最优操作变量；最优操作变量控制工艺实施。本发明的有益效果在于：避免大量的试错实验，降低发酵过程的经济成本和时间成本；解决发酵过程无法在线检测、无法实施在线自动控制的问题。
Description
技术领域
本发明属于发酵工程领域，具体涉及一种基于数字孪生技术发酵操作变量优化控制方法。
背景技术
在现代发酵工业中，在生物反应器中培养微生物细胞，微生物利用培养基中的营养物质完成自身生长，并将营养物质转化为具有应用价值和商业价值的产物(如氨基酸、核苷酸、多糖、维生素等)。获取微生物细胞或其特定代谢产物是发酵工程的最终目的。发酵技术已经在农业、生物基化学品、食品加工、生物医药、保健品和生物燃料等领域发挥着重要的作用。
在发酵过程中，受菌体自身生长和代谢的影响，生物反应器中的环境条件会发生自然地变化。随着传感器技术的不断发展，现今大多数的发酵过程都已采用在线传感器对关键的环境因素(如温度、pH、溶解氧浓度等)实施监测。细胞生长和目的产物的合成，都需要培养基中丰富的营养物质的支持，这些营养物质通常被称作“底物”，主要的底物类型包括碳源、氮源和无机盐等。然而令人遗憾的是，在现有技术条件下，对发酵过程中采用的绝大多数底物(如蔗糖、甘油、蛋白胨等)而言，无法使用在线传感器实时测量其浓度。发酵液中各底物浓度的测定，通常依赖于人工取样和离线测量，对于底物初始添加量和流加速率的控制也主要依赖于操作人员的经验，由操作人员手动调节。对于发酵过程而言，底物浓度是影响细胞生长和产物合成的关键因素之一。而且，在发酵过程的不同阶段，细胞对于底物浓度需求水平也各不相同。在现有技术条件下，获取整个发酵周期内某底物浓度的最佳操作曲线，仍然需要依靠大量的试错实验。。
现阶段，主要采用试错实验的方式优化发酵过程中的底物浓度，这一做法的缺点主要包括如下几个方面：
(1)工艺开发周期长
随着发酵过程所用菌种的差异，发酵周期也各不相同。其中，细菌发酵周期最短，每个批次也需要30～50h。对于某些霉菌的发酵过程，每个批次可能需要耗时150～200h，甚至更长。在如此耗时的真实发酵环境下实施多个批次的试错实验，获取最优的底物浓度操作曲线，导致底物浓度控制工艺的开发需要投入大量的时间成本。
(2)工艺开发经济成本高
实际的发酵实验或生产过程，需要投入大量成本，主要体现在培养基消耗(碳源、氮源、无机盐、营养因子等)、水消耗(配制培养基用水、冷却水等)、能源消耗(蒸汽加热、压缩空气制备、制冷机降温等)、人员工资和废水处理等几个方面。因此，在真实的发酵环境下优化底物浓度控制工艺，需要投入大量的经济成本。
(3)最优底物浓度控制工艺操作过程自动化程度低
在真实的发酵环境下，采用试错实验结合操作人员经验可以获得最优的底物浓度控制工艺。但由于在工艺开发过程中过于依赖操作人员的经验和手工操作，导致最优底物浓度控制工艺所需的配套模型、算法和软件包缺乏，工艺操作过程也只能依赖于人工操作，难以实现自动化。
发明内容
为了解决上述技术问题，本发明一种基于数字孪生技术发酵操作变量优化控制方法，具体操作步骤如下：
(a)构建初始数字孪生体反应器；
所述构建初始数字孪生体反应器的过程包括：以发酵过程的操作变量为输入参数，以发酵的状态变量或性能指标作为输出参数，建立数字孪生体反应器数学模型来描述操作变量对发酵性能的影响，利用所述数字孪生体反应器模拟物理实体生物反应器中微生物的发酵培养过程，
所述操作变量包括：底物浓度、底物流加速率、溶解氧浓度、通气量、搅拌转速、温度、pH中的一种或多种；所述发酵状态变量或性能指标包括：细胞浓度、细胞生长速率、细胞比生长速率、底物消耗速率、底物比消耗速率、目标产物浓度、目标产物合成速率、产物比合成速率、O2消耗速率、CO2排放速率、呼吸商、副产物合成速率、副产物浓度中的一种或多种。
所述底物浓度为碳源、氮源、无机盐、生长因子中的一种的浓度。
基于上述的一种基于数字孪生技术发酵操作变量优化控制方法，还包括以下步骤：
(b)构建操作变量的控制算法；
(c)构建操作变量的控制操作系统；
(d)利用操作系统获得最优操作变量；
(e)最优操作变量控制工艺实施。
本发明还提供一种基于数字孪生技术发酵底物浓度优化控制方法，包括以下步骤：
(1)构建初始数字孪生体反应器；
(2)构建底物浓度控制算法；
(3)构建底物浓度控制操作系统；
(4)利用操作系统获得最优底物浓度；
(5)最优底物浓度控制工艺实施。
进一步的，所述步骤(1)中构建初始数字孪生体反应器过程包括：以底物浓度为输入，以发酵性能参数为输出，建立数字孪生体反应器数学模型来描述底物浓度对发酵性能的影响，在给定初始发酵状态、底物流加速率的前提下，利用所述数字孪生体反应器模拟物理实体生物反应器中微生物的发酵培养过程。
进一步的，所述步骤(2)中构建底物浓度控制算法包括：将发酵系统被控量的实测值与其设定值比较，根据实测值与设定值之间的误差调节系统的输入，使被控变量稳定在其设定值附近，当有来自外部干扰信号的作用时，底物控制系统能自动消除或削弱干扰信号对被控制量的影响；物理实体反应器发酵过程中的实时底物浓度由在线传感器和离线测定获得，数字孪生体反应器实时底物浓度通过计算机模拟获得，将物理实体与数字孪生体反应器各自的实时底物浓度与底物浓度的设定值作比较，获得各自的误差信号，再分别将物理实体与数字孪生体反应器的误差信号传入底物浓度控制器，利用其中运行的控制算法计算得到下一个控制周期内物理实体与数字孪生体反应器各自的底物流加速率。
进一步的，所述步骤(3)中构建底物浓度控制操作系统包括：软件编程形成底物浓度控制操作系统，所述操作系统包括三种运行模式：(a)“物理实体反应器”模式；(b)“数字孪生体反应器”模式；(c)“同步映射”模式；
其中：
“物理实体反应器”模式，操作系统只连接物理实体反应器，操作真实发酵过程；
“数字孪生体反应器”模式，操作系统只连接数字孪生体反应器，操作虚拟发酵过程；
“同步映射”模式，操作系统同时连接物理实体反应器和数字孪生体反应器；数字孪生体反应器持续运行，以计算仿真的方式获得实时发酵性能参数，并将最新的实时发酵性能参数同步至物理实体反应器，每隔一段时间，由操作人员从物理实体反应器中采样，离线测得发酵性能参数，将离线测得的发酵性能参数录入系统，这一录入值将被用于修正物理实体反应器和数字孪生体反应器2个反应器的实时发酵性能参数，之后，数字孪生体反应器将以修正后的实时发酵性能参数作为初值，继续实施发酵过程的仿真操作。
进一步的，所述步骤(4)利用操作系统获得最优底物浓度为，在操作系统“数字孪生体反应器”模式下，设定底物浓度，进行虚拟发酵实验，获得发酵性能参数在整个发酵周期内的数值；进一步的，将底物浓度设定在不同水平下，进行多批次虚拟发酵实验，通过观察发酵性能关键参数，可获得最优底物浓度。
进一步的，所述步骤(5)中最优底物浓度控制工艺实施包括：在操作系统同步映射模式下，通过控制周期内的底物流加速率，使物理实体反应器内的底物浓度维持在步骤(4)所述利用虚拟发酵实验获得的最优底物浓度。
进一步的，所述所述步骤(1)中构建初始数字孪生体反应器过程中所述发酵底物为发酵中的碳源；所述发酵性能参数包括细胞浓度、目标产物浓度和副产物浓度，所述微生物为乳酸乳球菌；所述发酵培养过程为乳酸乳球菌发酵生产乳链菌肽(Nisin)的过程；所述数学模型的公式(1)包括：
(1)细胞生长动力学方程，
(2)碳源浓度变化动力学方程，
(3)副产物乳酸生成动力学方程
(4)Nisin生成动力学方程
其中：其中μ为细胞比生长速率，X为细胞浓度，Xmax为最大细胞浓度，F为蔗糖流加速率；Sin为流加蔗糖溶液的浓度，S为发酵液中的蔗糖浓度，YX/S为细胞得率系数，YL/S为乳酸得率系数，m为维持代谢的系数；α为细胞生长速率与乳酸合成速率的关系系数，L为乳酸浓度；KN为细胞生长速率与Nisin合成速率的关系系数，KD为比Nisin失活速率，N为产物的效价；
其中：参数μ、Kl,i和α可由下述公式(2)计算得出
进一步的，所述步骤(2)中构建底物浓度控制算法，所述底物为蔗糖；所述发酵过程为乳酸乳球菌发酵生产乳链菌肽(Nisin)的过程；发酵过程中包括括物理实体和数字孪生体中的实时蔗糖浓度S由离线测定和计算机模拟两种方式获得，将S与蔗糖浓度的设定值Sset作比较，获得误差信号e；碳源浓度控制器中运行的控制算法根据误差信号e计算得到下一个控制周期内的蔗糖流加速率F；
采用标准PID算法对蔗糖浓度实施控制，如公式(3)所示，其中比例常数KC、积分常数Ti和微分常数Td的取值分别为6.7、5.1和1
进一步的，所述步骤(5)中最优底物浓度控制工艺实施中，在实际的发酵过程中，若底物浓度可在线检测，则直接将其在线检测值作为底物浓度控制的依据；若底物浓度无法在线检测，则将数字孪生反应器中底物浓度值来作为底物浓度控制的依据；发酵过程中，每隔一段时间人工取样一次，离线测定底物浓度，并手工录入系统，若底物浓度离线检测值和数字孪生反应器中的底物浓度值出现较大的偏差，则系统自动修正数字孪生体反应器中的底物浓度，从而确保底物浓度控制的准确性。
本发明的有益效果在于：(1)避免大量的试错实验，降低发酵过程底物浓度优化的经济成本和时间成本，以乳酸乳球菌发酵生产Nisin过程葡萄糖浓度为例，每批次的发酵实验(5L发酵罐)，需要投入的经济成本包括培养基、水、电、传感器损耗和人员工资，采用虚拟发酵的方式优化葡萄糖浓度，完成表2中所示的16批发酵实验，可节约经济成本，此外，每批次实际的发酵实验耗时约25h，完成表2中所示的16批发酵实验总耗时约400h。与此相比，虚拟发酵实验的时间成本可以忽略不计；(2)解决发酵过程底物浓度无法在线检测、无法实施在线自动控制的问题。由于缺乏成熟可用的商业化传感器，发酵过程中的绝大多数底物浓度无法在线检测，这就导致绝大多数底物浓度的控制只能依靠人工操作。即便底物浓度的最优水平已知，也很难将底物浓度准确地控制在其最优水平。本专利将实体生物反应器中的培养过程映射至数字孪生体反应器，以软测量的方式在线计算获得底物浓度，将其作为底物流加的反馈信号，可以实现底物浓度的自动控制。
附图说明
图1发酵数字孪生系统示意图
图2底物浓度反馈控制框图
图3底物浓度优化控制UI操作界面
图4底物浓度15g/L条件下发酵参数变化规律
具体实施方式
如图1-4所示，一种基于数字孪生技术的乳酸乳球菌发酵生产乳链菌肽蔗糖碳源浓度优化控制方法，包括以下步骤：
步骤(1)构建初始数字孪生体反应器
利用前期研发或生产过程中积累得到的数据，以碳源浓度为输入，以发酵性能参数(如细胞浓度、底物浓度、目标产物浓度和副产物浓度等)为输出，建立数学模型描述碳源浓度对发酵性能的影响。在给定初始发酵状态、碳源流加速率的前提下，可以利用该模型在计算机中模拟实体生物反应器中微生物的培养过程，因此将该模型称作初始的数字孪生体反应器，即图1中“*”标注的部分。数字孪生体反应器对于实体生物反应器微生物培养状态的预测性能取决于其所包含的数学模型的准确性。基于本实例的工艺优化需求，数字孪生体反应器只用于描述碳源浓度对于发酵性能的影响，其他条件对于发酵性能的影响忽略。
以乳酸乳球菌发酵生产乳链菌肽(Nisin)的过程为例，可建立如下数学模型。第一个方程为细胞生长动力学方程，其中μ为细胞比生长速率，X为细胞浓度，Xmax为最大细胞浓度，F为蔗糖流加速率；第二个方程为碳源浓度变化动力学方程，其中Sin为流加蔗糖溶液的浓度，S为发酵液中的蔗糖浓度，YX/S为细胞得率系数，YL/S为乳酸得率系数，m为维持代谢的系数；第三个方程为副产物乳酸生成动力学方程，其中α为细胞生长速率与乳酸合成速率的关系系数，L为乳酸浓度。第四个方程为产物Nisin生成动力学方程，其中KN为细胞生长速率与Nisin合成速率的关系系数，KD为比Nisin失活速率，N为产物的效价。
公式(1)中的参数μ、Kl,i和α可由公式(2)表示，其他参数取值如表1所示。
表1乳酸乳球菌发酵生产Nisin过程模型参数取值
步骤(2)构建蔗糖碳源浓度控制算法
蔗糖碳源浓度控制是指将系统被控量的实测值与其设定值比较，根据实测值与设定值之间的误差调节系统的输入，使被控变量稳定在其设定值附近。当有来自外部干扰信号的作用时，蔗糖碳源控制系统能自动消除或削弱干扰信号对被控制量的影响。在本实例中，乳酸乳球菌生长和合成产物的过程会持续消耗蔗糖，使得培养液中的蔗糖浓度不断降低，为了使培养液中的蔗糖浓度始终维持在其设定水平，需要按照一定速度持续向培养液中添加高蔗糖浓度的新鲜培养基。采用反馈控制的方法将乳酸乳球菌培养过程中的碳源(蔗糖)浓度控制在其设定值，操做流程如图2所示：发酵过程(包括物理实体或数字孪生体)中的实时蔗糖浓度S可以由离线测定和计算机模拟两种方式获得，将S与蔗糖浓度的设定值Sset作比较，获得误差信号e。反馈控制器中运行的控制算法会根据误差信号e计算得到下一个控制周期内的蔗糖流加速率F。
上述反馈控制器(图2中“*”标注的部分)的性能，由其中运行的控制算法决定。在本实例中，采用最常用的标准PID算法对蔗糖浓度实施控制，如公式(3)所示。其中比例常数KC、积分常数Ti和微分常数Td的取值分别为6.7、5.1和1。将PID控制算法装载于图1所示的实体PLC和虚拟PLC中，分别用于物理实体反应器和数字孪生体反应器中蔗糖浓度的控制。
步骤(3)构建用户操作UI界面及其蔗糖碳源浓度控制系统
在西门子人机界面(HMI)上构建用户操作UI界面(图1中“***”标注的部分)，图3所示。从该UI界面中，用户可以通过“模式选择”下拉框选择运行模式，之后点击“启动批次”按钮，即可开始数据采集、数据展示和参数控制。本系统共包含3种运行模式，具体含义描述如下：
(a)“物理实体反应器”模式：UI界面只连接物理实体反应器，操作真实发酵过程。
(b)“数字孪生体反应器”模式：UI界面只连接数字孪生体反应器，操作虚拟发酵过程。
(c)“同步映射”模式：UI界面同时连接物理实体反应器和数字孪生体反应器，数字孪生体反应器持续运行，以计算机仿真的方式获得实时发酵参数，并将最新的实时发酵参数同步至物理实体反应器。每隔一段时间(如2h)，由操作人员从物理实体反应器中手工采样，离线测得发酵参数。之后点击UI界面上的“实时修正”按钮，将离线测得的发酵参数录入系统，这一录入值将被用于修正物理实体和数字孪生体2个反应器的实时发酵参数。之后，数字孪生体反应器将以修正后的实时发酵参数作为初值，继续实施发酵过程的仿真操作。在此模式下，若勾选“模型更新”复选框，实时发酵参数被修正后，系统会利用最新的数据集合修正模型参数。
步骤(4)利用虚拟发酵实验优化蔗糖碳源浓度控制工艺
以乳酸乳球菌发酵生产Nisin的过程为例，在“数字孪生体反应器”模式下，设定底物浓度，进行虚拟发酵实现，可在1min内快速获得关键参数在整个发酵周期内的数值。例如，将碳源浓度设定为15g/L，细胞浓度X、底物浓度S、乳酸浓度L和Nisin浓度N的在整个发酵周期内的变化规律如图4所示。从中可以看出，发酵20.1h，Nisin浓度达到最大值3.839，此时的细胞浓度和乳酸浓度分别为1.438g/L和7.803g/L。
将碳源浓度设定在不同水平下，进行多批次虚拟发酵实验，发酵性能如表2所示。结果表明：当碳源浓度为8g/L时，Nisin最高浓度达到4.305g/L，高于其他批次，且副产物乳酸的浓度较低，仅有1.783g/L。因此，8g/L的碳源浓度是生产Nisin的最优碳源浓度。
表2乳酸乳球菌发酵生产Nisin过程模型参数取值
步骤(5)最优蔗糖碳源浓度控制工艺实施
如前所述，针对乳酸乳球菌发酵生产Nisin的过程，可以利用虚拟发酵实验获得其最优碳源浓度8g/L。在实际的发酵过程中，将碳源浓度控制在该浓度，有望获得较高的Nisin产量，同时将副产物乳酸浓度维持在较低水平。想要对碳源浓度稳定地控制在指定浓度，首先需要对碳源浓度进行在线检测。然而，本实例中使用的碳源种类是蔗糖，目前尚没有成熟的蔗糖在线检测传感器可供使用。因此，可以将数字孪生体反应器中的蔗糖浓度作为蔗糖浓度控制的反馈信号，利用控制算法(如PID)自动调节葡萄糖流加速率。发酵过程中，可每隔一段时间(如2h、4h)人工取样一次，离线测定蔗糖浓度，手工录入系统。若实测蔗糖浓度和数字孪生反应器中的蔗糖浓度之间出现较大偏差，则系统会自动修正数字孪生体反应器中的蔗糖浓度，确保蔗糖浓度控制的准确性。
Claims (10)
1.一种基于数字孪生技术发酵操作变量优化控制方法，其特征在于，包括以下步骤：
(a)构建初始数字孪生体反应器；
所述构建初始数字孪生体反应器的过程包括：以发酵过程的操作变量为输入参数，以发酵的状态变量或性能指标作为输出参数，建立数字孪生体反应器数学模型来描述操作变量对发酵性能的影响，利用所述数字孪生体反应器模拟物理实体生物反应器中微生物的发酵培养过程，
所述操作变量包括：底物浓度、底物流加速率、溶解氧浓度、通气量、搅拌转速、温度、pH中的一种或多种；所述发酵状态变量或性能指标包括：细胞浓度、细胞生长速率、细胞比生长速率、底物消耗速率、底物比消耗速率、目标产物浓度、目标产物合成速率、产物比合成速率、O2消耗速率、CO2排放速率、呼吸商、副产物合成速率、副产物浓度中的一种或多种。
2.如权利要求1所述的一种基于数字孪生技术发酵操作变量优化控制方法，其特征在于，还包括以下步骤：
(b)构建操作变量的控制算法；
(c)构建操作变量的控制操作系统；
(d)利用操作系统获得最优操作变量；
(e)最优操作变量控制工艺实施。
3.一种基于数字孪生技术发酵底物浓度优化控制方法，其特征在于，包括以下步骤：
(1)构建初始数字孪生体反应器；
(2)构建底物浓度控制算法；
(3)构建底物浓度控制操作系统；
(4)利用操作系统获得最优底物浓度；
(5)最优底物浓度控制工艺实施。
其中，所述步骤(1)中构建初始数字孪生体反应器过程包括：以底物浓度为输入，以发酵性能参数为输出，建立数字孪生体反应器数学模型来描述底物浓度对发酵性能的影响，在给定初始发酵状态、底物流加速率的前提下，利用所述数字孪生体反应器模拟物理实体生物反应器中微生物的发酵培养过程。
4.根据权利要求3所述的一种基于数字孪生技术发酵底物浓度优化控制方法，其特征在于：所述步骤(2)中构建底物浓度控制算法包括：将发酵系统被控量的实测值与其设定值比较，根据实测值与设定值之间的误差调节系统的输入，使被控变量稳定在其设定值附近，当有来自外部干扰信号的作用时，底物控制系统能自动消除或削弱干扰信号对被控制量的影响；物理实体反应器发酵过程中的实时底物浓度由在线传感器和离线测定获得，数字孪生体反应器实时底物浓度通过计算机模拟获得，将物理实体与数字孪生体反应器各自的实时底物浓度与底物浓度的设定值作比较，获得各自的误差信号，再分别将物理实体与数字孪生体反应器的误差信号传入底物浓度控制器，利用其中运行的控制算法计算得到下一个控制周期内物理实体与数字孪生体反应器各自的底物流加速率。
5.根据权利要求3所述的一种基于数字孪生技术发酵底物浓度优化控制方法，其特征在于：所述步骤(3)中构建底物浓度控制操作系统包括：软件编程形成底物浓度控制操作系统，所述操作系统包括三种运行模式：(a)“物理实体反应器”模式；(b)“数字孪生体反应器”模式；(c)“同步映射”模式；
其中：
“物理实体反应器”模式，操作系统只连接物理实体反应器，操作真实发酵过程；
“数字孪生体反应器”模式，操作系统只连接数字孪生体反应器，操作虚拟发酵过程；
“同步映射”模式，操作系统同时连接物理实体反应器和数字孪生体反应器；数字孪生体反应器持续运行，以计算仿真的方式获得实时发酵性能参数，并将最新的实时发酵性能参数同步至物理实体反应器，每隔一段时间，由操作人员从物理实体反应器中采样，离线测得发酵性能参数，将离线测得的发酵性能参数录入系统，这一录入值将被用于修正物理实体反应器和数字孪生体反应器2个反应器的实时发酵性能参数，之后，数字孪生体反应器将以修正后的实时发酵性能参数作为初值，继续实施发酵过程的仿真操作。
6.根据权利要求3所述的一种基于数字孪生技术发酵底物浓度优化控制方法，其特征在于：所述步骤(4)利用操作系统获得最优底物浓度为，在操作系统“数字孪生体反应器”模式下，设定底物浓度，进行虚拟发酵实验，获得发酵性能参数在整个发酵周期内的数值；进一步的，将底物浓度设定在不同水平下，进行多批次虚拟发酵实验，通过观察发酵性能关键参数，可获得最优底物浓度。
7.根据权利要求3所述基于数字孪生技术的发酵底物浓度优化控制方法，其特征在于：所述步骤(5)中最优底物浓度控制工艺实施包括：在操作系统同步映射模式下，通过控制周期内的底物流加速率，使物理实体反应器内的底物浓度维持在步骤(4)所述利用虚拟发酵实验获得的最优底物浓度。
8.根据权利要求3所述的基于数字孪生技术发酵底物浓度优化控制方法，其特征在于，所述发酵底物为发酵中的碳源；所述发酵性能参数包括细胞浓度、目标产物浓度和副产物浓度，所述微生物为乳酸乳球菌；所述发酵培养过程为乳酸乳球菌发酵生产乳链菌肽(Nisin)的过程；所述数学模型的公式(1)包括：
(1)细胞生长动力学方程，
(2)碳源浓度变化动力学方程，
(3)副产物乳酸生成动力学方程
(4)Nisin生成动力学方程
其中：其中μ为细胞比生长速率，X为细胞浓度，Xmax为最大细胞浓度，F为蔗糖流加速率；Sin为流加蔗糖溶液的浓度，S为发酵液中的蔗糖浓度，YX/S为细胞得率系数，YL/S为乳酸得率系数，m为维持代谢的系数；α为细胞生长速率与乳酸合成速率的关系系数，L为乳酸浓度；KN为细胞生长速率与Nisin合成速率的关系系数，KD为比Nisin失活速率，N为产物的效价；
其中：参数μ、Kl,i和α可由下述公式(2)计算得出
9.根据权利要求4所述的基于数字孪生技术发酵底物浓度优化控制方法，其特征在于，所述底物为蔗糖；所述发酵过程为乳酸乳球菌发酵生产乳链菌肽(Nisin)的过程；发酵过程中包括物理实体和数字孪生体中的实时蔗糖浓度S由离线测定和计算机模拟两种方式获得，将S与蔗糖浓度的设定值Sset作比较，获得误差信号e；碳源浓度控制器中运行的控制算法根据误差信号e计算得到下一个控制周期内的蔗糖流加速率F；
采用标准PID算法对蔗糖浓度实施控制，如公式(3)所示，其中比例常数KC、积分常数Ti和微分常数Td的取值分别为6.7、5.1和1
10.根据权利要求7所述的基于数字孪生技术发酵底物浓度优化控制方法，其特征在于，在实际的发酵过程中，若底物浓度可在线检测，则直接将其在线检测值作为底物浓度控制的依据；若底物浓度无法在线检测，则将数字孪生反应器中底物浓度值来作为底物浓度控制的依据；发酵过程中，每隔一段时间人工取样一次，离线测定底物浓度，并手工录入系统，若底物浓度离线检测值和数字孪生反应器中的底物浓度值出现较大的偏差，则系统自动修正数字孪生体反应器中的底物浓度，从而确保底物浓度控制的准确性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310408842.XA CN116224806A (zh) | 2023-04-17 | 2023-04-17 | 基于数字孪生技术发酵操作变量优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310408842.XA CN116224806A (zh) | 2023-04-17 | 2023-04-17 | 基于数字孪生技术发酵操作变量优化控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116224806A true CN116224806A (zh) | 2023-06-06 |
Family
ID=86569698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310408842.XA Withdrawn CN116224806A (zh) | 2023-04-17 | 2023-04-17 | 基于数字孪生技术发酵操作变量优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116224806A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116675564A (zh) * | 2023-08-03 | 2023-09-01 | 北京市农林科学院智能装备技术研究中心 | 基于数字孪生的畜禽粪污发酵监控方法、系统及存储介质 |
| CN117111567A (zh) * | 2023-10-19 | 2023-11-24 | 广州恒广复合材料有限公司 | 一种洗护组合物中季铵盐生产工艺控制方法及装置 |
-
2023
- 2023-04-17 CN CN202310408842.XA patent/CN116224806A/zh not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116675564A (zh) * | 2023-08-03 | 2023-09-01 | 北京市农林科学院智能装备技术研究中心 | 基于数字孪生的畜禽粪污发酵监控方法、系统及存储介质 |
| CN116675564B (zh) * | 2023-08-03 | 2023-12-05 | 北京市农林科学院智能装备技术研究中心 | 基于数字孪生的畜禽粪污发酵监控方法、系统及存储介质 |
| CN117111567A (zh) * | 2023-10-19 | 2023-11-24 | 广州恒广复合材料有限公司 | 一种洗护组合物中季铵盐生产工艺控制方法及装置 |
| CN117111567B (zh) * | 2023-10-19 | 2023-12-29 | 广州恒广复合材料有限公司 | 一种洗护组合物中季铵盐生产工艺控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116224806A (zh) | 基于数字孪生技术发酵操作变量优化控制方法 | |
| Toma et al. | Inhibition of microbial growth and metabolism by excess turbulence | |
| CN113272052A (zh) | 用于工业生产过程自动化控制的系统方法和计算装置 | |
| Minihane et al. | Fed-batch culture technology | |
| EP2041262A1 (en) | A method for on-line optimization of a fed-batch fermentation unit to maximize the product yield | |
| KR20200026783A (ko) | 아스페르길루스 니제르 종자의 연속 배양 및 그 구연산 생산 방법 | |
| CN102965272B (zh) | 发酵联动装置及发酵联动的实现方法 | |
| CN108681297A (zh) | 一种生物发酵过程控制装置 | |
| Zhang et al. | A multi-scale study of industrial fermentation processes and their optimization | |
| CN102154426A (zh) | 核黄素工业发酵的方法 | |
| CN103698541A (zh) | 谷氨酸发酵在线检测系统及采用该系统在线检测的方法 | |
| Chitra et al. | Dissolved oxygen control of batch bioreactor using model reference adaptive control scheme | |
| CN110462018A (zh) | 用于控制生物技术过程的方法 | |
| Jenzsch et al. | Improving the batch-to-batch reproducibility in microbial cultures during recombinant protein production by guiding the process along a predefined total biomass profile | |
| CN116540533A (zh) | 一种基于数字孪生技术发酵溶解氧浓度优化控制方法 | |
| CN103614428A (zh) | 一种高效发酵生产l-色氨酸的方法 | |
| CN102021214B (zh) | 基于氧消耗速率的维生素b12发酵生产控制工艺 | |
| CN118151692A (zh) | 一种食醋发酵室的温度自适应调节方法及系统 | |
| CN111893145A (zh) | 一种赖氨酸智能生物发酵新方法 | |
| Calam et al. | Microbial aspects of fermentation process development | |
| US20240318123A1 (en) | Process for fermenting yeast | |
| CN114507609B (zh) | 一种提高磷脂酶c蛋白产量的方法 | |
| CN101945991A (zh) | 通过发酵过程中氧化还原电位和溶解氧的联合调节来增加生物量和微生物代谢活性的方法 | |
| CN103509883A (zh) | 新颖的适用于多种微生物发酵的补料调控工艺 | |
| Jenzsch et al. | Optimization and control of industrial microbial cultivation processes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230606 |