论文部分内容阅读
酵母分批补料培养中,碳源添加过量会导致副产物乙醇的大量积累,破坏细胞结构及功能,降低碳源利用效率;碳源添加不足会限制细胞生长。为解决这一矛盾,提出了一种基于差分进化算法(Differential evolution algorithm,DE)的在线自适应底物流加策略(DE-PID)。该策略以传统比例-积分-微分(Proportional-Integral-Differential,PID)控制为基础,利用自回归移动平均模型(Autoregressive moving average model,ARMA)辨识酵母培养过程的动力学特性,再根据ARMA系统辨识模型预测被控变量,以被控变量的预测值与设定值之间的误差为目标函数。利用DE算法求解目标函数达到最小值时的PID控制参数,实现碳源流加的在线自适应控制。主要研究内容与结论总结如下:(1)以乙醇浓度为被控变量,利用已有的酿酒酵母培养模型,对传统PID控制与DE-PID控制策略的性能进行计算机仿真比较研究。结果表明,使用DE-PID策略时,发酵液中的乙醇浓度能够被稳定地控制在1 g·L-1的低水平,细胞浓度达到34.45 g·L-1,比采用传统PID策略的批次提高29%。(2)在实际的酿酒酵母分批补料培养中,利用DE-PID控制策略分别对乙醇浓度和呼吸商(RQ)实施定值控制。培养30 h,乙醇浓度均可以始终控制于低水平(0.02~2.35g·L-1)。乙醇浓度定值控制条件下的细胞密度仅为23.25 g-DCW·L-1;RQ定值控制条件下的细胞密度则达到47.75 g-DCW·L-1,比采用DO-Stat流加策略的对照批次提高了85.44%。(3)在重组毕赤酵母高密度培养过程中,利用DE-PID策略分别对乙醇浓度和溶解氧浓度(DO)实施定值控制,培养34 h后细胞密度分别达到112.25 g-DCW·L-1和113.25g-DCW·L-1,乙醇浓度也始终可以被限制在低水平(0.09~1.75 g·L-1)。与前期构建的改良型DO-Stat甘油流加策略相比,DE-PID策略同样能够在抑制乙醇积累的同时获得更高密度的细胞,DO控制水平稳定,过程控制和细胞培养性能明显改善。