胆固醇氧化酶分批发酵动力学模型的建立

基于7L的发酵罐分批发酵实验数据，建立了发酵过程菌体生长、产物生成及基质消耗随时间变化的数学模型．Logistic方程、Luedeking．Piret方程能够很好地分别描述甾短杆菌菌体生长和发酵产酶过程．此外，还建立了基质消耗动力学模型，并将3个动力学模型的预测值和实验值进行了比较．所建立的分批发酵动力学模型能较好地反映胆固醇氧化酶分批发酵过程．     

破乳菌B_3菌株分批发酵动力学分析

以从采油废水中筛选到的一株高效生物破乳菌株B3为试验菌株,为认识其发酵机理并指导发酵工艺设计,利用分批发酵的方法研究破乳菌株B3菌体生长和葡萄糖消耗情况.根据分批发酵实验结果,采用Logistic方程和Lu-edeking-Piret方程,建立破乳菌株B3的菌体生长和葡萄糖消耗动力学模型,利用拟线性法求得破乳菌分批发酵的动力学模型参数.模型计算值与实验值能够较好地拟合,相对误差分别小于9%和6%,表明所建立的动力学模型能够反映B3破乳菌株发酵过程的动力学特征.     

温度对透明质酸分批发酵的影响及动力学模型

文章研究了30℃－40℃范围内透明质酸（HA）分批发酵过程,发现最适的细胞生长温度是34℃,而40℃时HA的产量最高为0.810g.L^-1。以现有的底物抑制和产物抑制动力学模型为基础,建立HA发酵过程中菌体生长,HA合成,乳酸合成及葡萄糖消耗的动力学模型,并计算出不同温度下相关的动力学参数,在此基础上,进一步研究了温度同细胞生长动力学参数之间的内在联系,结果表明H inshelwood模型能够很好地反应在HA分批发酵过程中细胞浓度的变化同温度以及底物浓度之间的一般关系式。     

基于模糊理论的酵母发酵动力学模型

在模糊理论基础上，提出了一种描述菌体生长的模糊动力学模型，将专家对发酵过程的定性经验描述和精确的数学模型联系起来，模型分析发现，对数期隶属度函数就是菌体的相对比生长速率，从而提供了一种划分菌体发酵阶段的方法，最后针对酵母发酵过程，精确地确定了划分对数生长期的开始时间和结束时间。     

青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一，其浓度与菌体细胞的生长速度密切相关．在青霉素发酵过程溶解氧变化机理的基础上，将模糊神经网络和变结构预估控制方法相结合，研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法，设计了青霉素发酵过程溶解氧的变结构预估控制系统．实验结果表明，对青霉素发酵过程中的溶解氧浓度进行变结构预估控制，可以使溶解氧浓度的调节达到满意的效果，既降低氧消耗，又避免出现氧抑制现象，使发酵过程始终处于较优的状态．     

L-半胱氨酸产生菌TS1138的补料分批发酵动力学研究

以DL-2-氨基-Δ2-噻唑啉-4-羧酸(DL-2-amino-Δ-2-thiazoline-4-carboxylic acid,DL-ATC)为底物,采用来自假单胞菌(Pseudomonas sp.)TS1138的L-半胱氨酸合成酶系对DL-ATC进行生物转化合成L-半胱氨酸.以5 L发酵罐补料分批发酵试验数据为依据,对TS1138菌株的补料分批发酵动力学进行了研究,建立了菌体生长、产物形成和基质消耗的动力学模型,并应用MATALAB软件进行模型拟合,拟合模型较好地反映了L-半胱氨酸产生菌TS1138的补料分批发酵过程.     

L-亮氨酸分批发酵动力学研究

通过检测发酵过程的基质浓度、菌体量和产物浓度，建立了一组反映TQ9806菌株L-亮氨酸分批发酵的动力学模型，结果显示该动力学模型可以很好的拟合发酵过程。     

重组人白细胞介素-6补料分批发酵工艺研究

在传统分批发酵工艺的基础上。对E.Coli表达IL-6的补料分批发酵工艺进行研究，结果表明：在发酵诱导前补料可在表达纯度相差无几的情况下提高菌体的产量，最终提高了生产效率，降低了成本。通过几次发酵比较，结果如下：分批补料工艺菌体生物量平均为10．8g/L，SDS—PAGE电泳法测IL-6表达量平均为40％，比分批发酵8．3g／L的菌体生物量及3．5％的纯度提高30．1％和3．9％。     

基于元胞自动机的固液吸附动力学模型研究

根据固液吸附机理和元胞自动机的特征,建立生物质吸附动力学的元胞自动机模型,以数字矩阵为表现形式,以matlab为开发工具实现模型的可视化编程,并进行了仿真实验.结果表明,该模型能够形象地描述固-液吸附的演化行为,实现了生物质吸附剂对亚甲基蓝吸附过程的动态可视化模拟,演化动力学符合拟二级动力学方程.通过对所建模型的应用分析,为固液吸附系统建模、仿真提供了新思路.     

补料分批培养大肠杆菌表达胸腺素α1融合蛋白

在摇瓶培养含有trymosin α1基因的重组pET32a质粒的工程菌BL21表达胸腺素α1融合蛋白的基础上，确定了分批发酵的基本培养条件．分别在B．Braun 5L自控发酵罐中进行了分批发酵和补料分批发酵，针对发酵过程中工程菌生长较旺盛而表达量小的情况，改变了培养方式．比较了不同的培养条件和方式下的工程菌的生长状况和融合蛋白的表达量，得到了高产量和高表达的培养条件：在培养过程中始终保持DO值〉30％，在对数生长期溶氧供给不足的情况下，提高搅拌速度到最大并适当补充纯氧；（2）限制性流加葡萄糖；（3）培养温度35℃，诱导表达温度30℃；（4）对数中期诱导，表达时间为4～5h；（5）在诱导前加入新鲜培养基，稀释发酵液一倍，并以稀释后的发酵液体积为准加入诱导剂．最终使菌体的干重达10g／L，融合蛋白表达量达23．25％．     

基于MPCA-MHMT的多阶段间歇过程监控研究

为了克服多阶段间歇过程监控只针对时间尺度从而导致误报率过高的缺陷,建立了捕捉实际测量数据的持续性和聚集性的隐马尔科夫树模型。该方法减少了信号扭曲从而更好地提取影响过程的系统变量,解决离散小波变换不具有平移不变性的问题。对展开结构进行简单的修改,把时域扩展到时间-频率域中,提取了历史数据的主要特征,对多阶段间歇过程进行了有效监控。利用提出的方法对青霉素发酵过程进行监控,验证了该方法比传统方法更为切实可行。     

基于细胞自动机模型的青霉素发酵过程优化控制策略

针对青霉素分批补料发酵过程优化控制问题,提出了一种基于青霉素分批补料发酵过程细胞自动机模型(简称CAPFM)的青霉素分批补料发酵过程优化控制策略设计方法．该方法通过理论分析,将CAPFM等价并转化为一个马尔可夫过程,并构造了基于马尔可夫决策过程的CAPFM迭代优化控制策略,设计了青霉素分批补料发酵过程迭代优化控制的模拟仿真系统．     

嗜酸放线菌701深层发酵产纤溶酶动力学研究

以嗜酸放线菌701为菌株,在摇瓶培养条件下,研究嗜酸放线菌701产纤溶酶发酵过程中菌丝体生物量、纤溶酶生成量及残糖含量随时间的变化情况。采用Logistic和Luedekin_Piret方程,得到嗜酸放线菌701产纤溶酶的分批发酵动力学模型及模型参数,将实验数据与所得动力学模型进行验证比较,结果表明模型值与实验数据拟合性良好,模型基本可以反映嗜酸放线菌701分批发酵产纤溶酶的发酵动力学特征。     

一种改进的间歇过程故障诊断方法

针对单一故障诊断方法对间歇过程故障诊断效率和准确率低的缺点,提出将快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法 FastICA-RLSSVM。利用FastICA对非高斯间歇过程数据快速提取特征分量,通过RLSSVM对该时变过程进行快速分类。为验证该方法的有效性,将该方法应用于青霉素发酵过程故障诊断,并与提升小波—递推最小二乘支持向量机(LW-RLSSVM)方法进行对比分析,实验结果证明FastICA-RLSSVM诊断间歇过程故障准确率高,适应性好,分类效果稳定。     

基于MICA-OCSVM的间歇过程故障监测

针对多向独立成分分析(multi-way independent component analysis,MICA)需要假设过程变量服从非高斯分布的要求,以及MICA基于马氏距离构造的监控统计量会导致故障检测率降低的问题,研究了一种将多向独立成分分析与单类支持向量机(one-class support vector machines,OCSVM)相结合的MICA-OCSVM监测方法.首先采用MICA提取间歇过程所有批次的独立成分;然后分别对每个时刻的所有批次的独立成分进行OCSVM建模,利用确定的决策超平面构造非线性的监控统计量;最后计算所有建模数据的监控统计量,并利用核密度估计确定相应的控制限.将该方法应用到青霉素发酵过程仿真平台,实验结果表明:该方法相比于传统的MICA故障监测方法,无需考虑过程变量服从何种分布,能够有效利用独立成分的结构信息,故障的误报率、漏报率明显降低.     

Forward heuristic breadth-first reasoning based on rule match for biomass hybrid soft-sensor modeling in fermentation process

Biomass is a key parameter in fermentation process,directly influencing the performance of the fermentation system as well as the quality and yield of the targeted product.Hybrid soft-sensor modeling i...     

基于多阶段动态PCA的发酵过程故障监测

针对间隙发酵过程具有多阶段、批次不等长,且过程动态非线性往往与发酵阶段密切相关等特点,提出一种基于多阶段动态主元分析(principal component analysis,PCA)的故障监测策略.该方法采用高斯混合模型(Gaussian mixture model,GMM)对过程数据进行聚类,能客观反映不同阶段操作模态的数据分布特点,可实现子阶段划分.针对各批次阶段划分后存在的不同步问题,采用动态时间错位(dynamic time warping,DTW)方法对各阶段进行轨迹同步,对同步后的子阶段建立动态PCA模型.最后以工业青霉素发酵过程和重组大肠杆菌制备白介素-2发酵过程为背景,采用多阶段动态PCA策略对其进行故障监测,发现算法能有效降低运行过程的漏报和误报率,验证了算法的有效性。     

混合神经网络建模方法在青霉素发酵过程中的应用

本文采用广义混合神经网络建模方法对青霉素发酵过程进行建模，根据青霉素发酵过程可在线测量过程参数二氧化碳生成率CER，实现青霉素发酵过程生物质浓度的测量。由仿真实验结果可以看出，该方法建模精度高、泛化能力强。