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．     

一株产高质量浓度酒精酵母的间歇发酵动力学初步研究

对一株产高质量浓度酒精的酿酒酵母的间歇发酵动力学进行了初步研究，分别对基质、产物和菌体对时间的变化，所得回归方程显示，3个状态参量与时间呈对数关系；而后采用比生长速率、某一时段的菌体浓度、某一时段的葡萄糖质量浓度、某一时段的酒精质量浓度来描述整个发酵过程中菌体、基质和产物之间的关系，通过二次曲面回归得到了间歇发酵动力学数学模型，与传统的Monod模型和Logistic模型相比，该模型对试验数据拟舍和预测性能较好。最后，用Simplex优化方法对间歇发酵动力学进行动态模拟，得到很好的拟合结果，将得到的模型参数用于预测初糖质量浓度为24．7g／dL的间歇发酵，预测结果也较好。因此，该模型可用来预测高初糖质量浓度下间歇发酵过程。     

啤酒酵母与葡萄酒酵母甘油生成动力学的研究

描述了3种酵母产乙醇时生成甘油的发酵过程,建立了菌体生长和甘油生成的动力学模型。结果表明,甘油生成模型符合Gaden产物生成动力学分类的生长偶联型模型,拟合结果R2均大于0.97。经比较,3种酵母的甘油拟合曲线过程基本一致,说明不同种酵母甘油的生成具有共性。     

观测数据预处理及其在发酵动力学建模中的应用

针对观测数据中可能存在的异常数据，提出了一种异常数据检测和剔除的预处理方法，并将它成功地应用于发酵过程中菌体生长的观测数据预处理，建立了拟合精度较高的发酵动力学模型。     

基于细胞自动机的青霉素菌体生长可视化模型

为了更好地反映出青霉素发酵过程中菌体生长的复杂系统特征,在对青霉素生长分批发酵过程菌体生长机理研究基础上,建立了基于细胞自动机的青霉素分批发酵过程中菌体生长的可视化模型．模型采用二维彩色图案描述了青霉素菌体的生长演化过程;模型演化规则建立在青霉素生产分批发酵过程菌体生长机理及其动力学微分方程模型基础上,更加符合青霉素分批发酵过程菌体生长演化行为的多样性,随机性和不确定性的特点．仿真结果表明,该模型较好地描述了青霉素分批发酵过程中菌体生长的演化行为．     

基于BP神经网络的L-色氨酸发酵过程建模

运用BP神经网络对L-色氨酸的发酵过程进行建模并预测，所建立的模型能够比较精确地模拟菌体生长、底物消耗以及发酵产酸3个过程的变化。结果表明，BP神经网络在L-色氨酸发酵的模拟与预测中是一种高效快速的方法。     

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。     

生物絮凝剂普鲁兰的发酵动力学模型研究

为了优化短梗霉生产的发酵过程,对出芽短梗霉(Aureobasid ium pu llu lans)发酵生产胞外多糖(EPS)普鲁兰的动力学进行了研究,利用数学建模方法得到了描述出芽短梗霉在30 L发酵罐中菌体生长,普鲁兰的合成及玉米淀粉水解物的消耗动力学数学模型和模型参数.实验和模型数据的比较结果证明模型计算值与实验效果拟合良好,为普鲁兰的放大工业化生产提供依据.     

利用神经网络对L—缬氨酸发酵建模

根据L－缬氨酸发酵过程的实验数据，利用BP神经网络进行训练，建立实验模型，实时获取生化变量的预测值并进行验证。结果表明，运用BP神经网络对L－缬氨酸发酵过程进行模拟，所建立的模型能比较精确地模拟菌体生长、底物消耗及发酵产酸过程的变化，可以为L－缬氨酸发酵生产过程提供动态模拟，具有重要的实用价值。     

保加利亚乳杆菌的增菌培养基设计及生长动力学研究

对具有促进保加利亚乳杆菌生长的山楂多糖增殖培养基进行了优化,同时对保加利亚乳杆菌在发酵过程中的生长动力学进行了研究。保加利亚乳杆菌生长的最佳条件为山楂多糖2%,pH为6.5,温度为42℃。在优化后的山楂多糖培养基中的最大菌体浓度是正常MRS培养基的菌体浓度的1.13倍。应用MATLAB软件对Logistic方程进行最优参数估计和非线性拟合,得到了菌体生长动力学模型和模型参数,其相对误差较小,全局收敛性最小。     

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.     

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．     

嗜酸乳杆菌和嗜热链球菌混菌发酵合成共轭亚油酸的动力学

利用Logistic方程建立发酵过程中菌体生长和共轭亚油酸合成的动力学模型;应用Origin 8.0对实验数据进行处理,得到了嗜酸乳杆菌和嗜热链球菌混菌发酵合成共轭亚油酸动力学的模型及参数,相关系数R2分别为0.985 09和0.986 75,说明动力学模型与实验数据拟合较好,基本反映了嗜酸乳杆菌和嗜热链球菌混菌合成共轭亚油酸的发酵过程。     

红曲霉界面生长动力学模型的建立

采用界面培养系统，模拟红曲霉固态发酵过程。将红曲霉发酵过程分为快速期，减速期和衰退期，进而建立了界面上红曲霉生长的动力学模型。模型较好地吻合了界面上红曲霉生长的动力学曲线，反映了红曲霉固态发酵过程中微环境下的生长过程。     

乳酸菌分批培养的菌体增殖动力学研究

选用Logistic equation作为菌体细胞生长的动力学模型，研究得出德氏乳杆菌保加利亚亚种菌体分批培养的动力学方程及乳酸乳球菌乳酸亚种菌体分批培养的动力学方程，为进一步放大试验和工业化生产以及优化培养工艺提供了理论模型．     

基于模糊免疫PID-Smith自适应控制算法的研究

针对缺乏精确模型的生物发酵过程中温度的大滞后过程,传统的PID难以达到满意的控制效果.基于专家系统的模糊控制能对一些非线性、模型不是很精确的系统进行控制,在一定程度上能够克服大滞后给系统带来的不利影响,然而模糊控制对延迟时间较大的系统进行控制时容易产生振荡.针对生物发酵过程大滞后系统,本文采用非线性划分的模糊语言变量的...     

一个Bayes数据融合模型及其在发酵控制中的应用

提出了一个菌体生长状态在线识别的Ｂａｙｅｓ数据融合模型。该模型依据发酵液中溶氧体积分数和尾气中ψ（ＥＯ２）及ψ（ＥＣＯ２）含量等在线参数,对发酵过程中的菌体生长状态进行识别。在一个１．５ｍ＾３试验罐上对运用了该Ｂａｙｅｓ 数据融合模型识别菌体生长状态的柠檬酸发酵控制专家系统进行了初步测试,结果表明,该系统提高产物对底物的比近十个百分点。     

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。     

神经元网络在谷氨酸发酵过程中的应用

针对谷氨酸发酵难以建立精确的数学模型这一问题,提出一种基于人工神经网络（ANN）的菌体浓度预测方法.首先对历史数据进行主元分析,提取特征信息,然后用实际生产过程中的训练数据训练神经网络,建立主元之间内部非线性关系,得到关于菌体浓度的非参数模型.仿真结果表明：该非参数模型泛化能力较强,并能达到很高的预测精度.     

白腐菌漂白废水脱色动力学研究

使用Volterra模型描述白腐菌在漂白废水培养基中菌体生长动力学,建立漂白废水色部分偶联型力学方程,初步探讨了生物降解体解菌与发色物质的反应历程,并且利用动力学方法分析间歇反应时生物降解在漂白废水脱色过程中的作用。