生物工程控制策略

生物工程控制策略

1.引言

2.生物反应器参数

2.1物理参数

2.2化学（外部）参数

2.3生物化学（内部）参数

3.生物过程控制策略

4.生物反应器器动力学

4.1生物反应器的多参数的非线性动力学

4.2批式发酵的生长模型

4.3连续反应器动力学

4.4连续生物反应器中静态的多样性和稳定性

4.4.1多变型静态的计算

4.4.2静态的稳定性

4.5基于莫诺动力学的连续生物反应器的均衡控制

4.5.1CSTBR的开环控制的稳定性分析

4.5.1.1CSTBR 开环控制的线性稳定性分析

4.5.1.2CSTBR开环的相位面分析

4.5.2CSTBR闭环控制的稳定性分析

4.6连续生物反应器的底物抑制动力学控制

4.7流加发酵动力学

5.反馈控制系统

5.1比例积分微分控制器

5.2稳定性的考虑

5.3更深远的反馈控制技术

5.4多变系统的反馈控制

6.最优化控制理论

7.适应性控制

8.高级控制器

8.1发酵过程的状态评估技术

8.2控制和动力学的优化

9.生物反应器的控制器设计

9.1生物反应器控制的一般性问题

9.2生物过程控制的设备

9.3实现控制的潜在问题

9.4实例：高密度发酵一种海洋细菌（teredinobacter Turnirae）产蛋白酶优化的过程控制

10.展望

11.结语

参考文献

1.引言

1.1 微生物：微小的生物化学工厂

单个细胞可以看作微小的生物化学工厂。碳，氮，氧，等物质进入细胞后经过成百上千的反应转变为细胞组分和生物化学产品。生物化学产品可以储存在细胞内部，也可以被运送到细胞外乃至环境中[1]。细胞内的代谢活动可以在胞内和胞外的很多水平控制。而且，微生物的生物化学活力对细胞所处的环境很敏感，由于如此复杂的调控，从工程的角度的观点来看，研究营养和环境因素多细胞代谢的影响是非常必要的。

1.2生物反应器是一个为微生物生长提供可控的环境

工程师总是关注于长时间产物的大量生产。达到这种目的的最好方式是细胞一直保持高活力的在生物反应器中生长。生物反应器的三种操作方式：批式发酵，流加批式发酵，连续发酵。下面逐个讨论三种方式。

1.3生物反应器过程控制的重要性

商业化的生物反应器监测和控制方法的发展依赖于可靠和稳定的实时传感器。传感器的问题可以参考95年7月的自然科学和技术的基础科学会议中的生物技术研究分会报告。

上游设备的良好性质不能缺少系统状态的知识和优化控制的控制运算。生物工程的控制是很具有挑战性的，尤其是高度非线性（数学模型计算的非线性微分方程）的批式发酵和流加批式发酵，还有重组细胞的不稳定性。这些问题由于缺乏在线实时传感器和理想化的模型变得更加复杂。

2.生物反应器的特征参数

生物反应器中活着的微生物细胞使得生物反应器比普通的化学反应器更加复杂。正像刚才提到的，设计和控制生物反应器之前要学习表述生物反应器的基础知识。生物反应器的初步认识可以从以下几个参数开始：物理参数，化学参数，生化参数生物参数[3]。下面逐个讨论参数，参数的计算在9.2中表述。

2.1 物理参数

重要的物理参数包括：搅拌动力，转速，培养基体积，颜色，扩展培养基的体积，泡沫，气体流速，气体适度，热量产生速率，传热速率，液体流速，液体高度，生物质，渗透压，压力，剪切速率，叶片速率，温度，转变时间，黏度[3]。其中很多参数对于生物反应器的控制有很重要的作用。

2.2 化学参数

化学参数包括：氨基酸，二氧化碳，阳离子水平，传导率，抑制剂，中间体，离子强度，malliard 反应产物，氮（游离氮和总氮），营养成分，氧，pH，磷，前体，产物，氧化还原作用，底物。

2.3 生物化学参数（细胞内部）

生物化学参数指的是细胞生长在一个特定时间的代谢状态，包括：氨基酸，能荷，碳水化和物，细胞组分，酶，中间代谢物，还原力，核酸，总蛋白，维生素[3]。

2.4 生物学参数

生物学参数是表征生物反应器中细胞水平的参数。包括：细胞年龄的分布，繁殖，污染，降解，倍增时间，遗传的稳定性，细胞形态，突变，细胞大小的分布，总细胞计数，活细胞计数。

3.生物过程的控制策略

现有的生物反应器都有三个基本的环境因素：pH，温度，溶氧。这些设备利用酸碱流速，

冷却水流速，搅拌转速来实现对生物反应器的控制。显而易见，这三个参数是优化细胞最重要的参数，但是只有这三个参数对于工业化发酵是远远不够的。本文将揭示实现工业发酵的控制策略。

在详细的理解控制策略之前，我们应该熟悉一下这方面的基本知识。其中一个综合的特征是控制的运算法则。控制的运算法则是利用现有的检测手段和控制水平来采取可行的方法改变生物过程实现产物最大化[4]。

不好好了解一个过程是不能够控制好这个过程的。了解过程的最有效的方法是过程的数学模型，建立合适的生物模型对于控制运算方法的运用是非常有用的，也就是说没有好好理解一个过程也是可以控制的，只不过需要一个昂贵的、好时间的、允许试错的控制系统。

得到一个简单的、经验性质的控制模型需要慢慢的对系统引入扰动，再观察输出的动力学行为。经过研究是可以得到一个线性的、不随时间变化的直观模型，但是最基本的还是建立不同组分的生物质和能量的非线性的方程式。非线性的模型更能表示过程中状态的大幅度变化，线性的经验式的方程就容易造成和实际的偏差。能在批式和补料批式发酵过程中表征状态的大幅度变化是非常重要的，但是一个缺点就是非线性模型还缺少现成的控制模型-缺少控制软件[4]。

生物反应器操作有3种模式：批式、补料批式、连续发酵。下面我们将说明每一种模式都有不同的控制难点。第4章将讨论每一种反应器的控制特点

合适的控制计算方法决定于目标的特征、过程的模型、现有的检测手段、可操作的方法。我们将介绍很多种控制运算方法。第五章讨论简单的反馈控制计算方法，例如PID控制计算方法。第六章讨论最优化控制，它也是目前容易得到的正在广泛应用的一种方式。第七章讨论适应性控制。最后，第八章研究缺乏在线控制器的情况下状态参数的估计。第九章举例说明生物工程控制和在线实时控制。

本文致力于实现控制策略的探索。

4.生物反应器动力学

4.1. 生物反应器是一个非线性动力学的多变量系统

在讨论具体的应用之前，我们应该介绍一下生物反应器相关的一般特征。有两个方面对于设计控制反应器的控制系统十分重要。

多变的系统：控制反应器包括很多变量，

非线性动力学：生物反应器因为它的非静态和非线性特点使得控制生物反应器很复杂。导致的后果比较多，例如滞后作用，CSTBR初始状态开始，增速流加造成的改变是和减速流加造成的改变是不同的。静态只有在一样的流加条件是一样的，这时候外来的动力学限制条件，瞬间摆动，长的滞后时间就会体现出来。

以上的复杂情况从根本上来说都是和活细胞相关的。控制生物反应器的重要变量是那些长时间可控的或者是根本不可检测到的。这就是准确的数学模型和参数估计技术所要研究的范围。幸运的是，简单的模型和一个输入-一个输出的反馈抑制模型成功应用到很多实例中了。

4.2 批式生物反应器中的细胞生长模型

最简单的细胞生长模型是非结构，统一的模型，这种模型中

r x = dX/dt = mX (1)

其中，r x=细胞生长速率（g/l.h）

X=细胞浓度（g/l）

m=比生长速率（h-1）

最常用的表达方式是比生长速率和底物浓度的莫诺方程：

m = m max S/(K s + S) (2)