[发明专利]使产物收率最大化的补料-分批发酵设备的在线优化方法

说明书

发明背景

发明领域

本发明涉及补料-分批发酵设备的在线优化。该发酵设备具有基于计算机的数据采集和控制系统，以最佳方式控制底物补料速率曲线(profile)，以使发酵罐的产物收率最大化。

先有技术的描述

发酵工艺广泛地用于食品和制药工业中，以生产各种产品如酒精、酶、抗生素、维生素等。这些过程包含微生物的生长、使用供给的底物和/或营养素和期望的产品的形成。在精确控制的工艺条件如温度、pH和溶解的氧下，在搅拌罐或其它类型的生物反应器中进行这些过程。由于在细胞内发生复杂的生化反应，将底物和/或营养素控制在合适的水平对于产品的形成是必需的。许多发酵过程以补料-分批方式进行，其中在整个发酵时期将底物连续补料进入反应器，而不取出任何发酵发酵液。已发现了该类型的底物补料克服了效应例如底物对产率的抑制。通常的工业实践是基于操作经验发展底物补料速率的参考曲线，在装置中通过合适的调节实施它，以说明发酵罐的实际条件。该方法在本质上完全根据经验和依赖操作者，导致产率的变化。或者，将发酵过程的数学模型用于离线计算最佳底物流速曲线，在实际发酵设备中实施它以使产物收率最大化。

文献报导了用于使补料-分批工艺的产率最大化的许多不同的优化方法和策略。依靠计算最佳补料曲线的详细数学模型的优化方法和考虑发酵过程中存在的动力学和传送现象的模型已经用于发酵设备的优化。用来使产率最大化的控制变量一般为在恒定底物浓度时的底物(如糖)补料速率。

Modak和Lim[1]阐明了基于奇异控制理论的用于补料-分批发酵工艺的补料速率的反馈优化，并在简化的发酵罐模型上试验。因为发酵过程表现出时变行为，所以反馈控制方案的成功取决于模型参数的可靠性，参数的不确定性导致优化方案的性能退化。

Cuthrell和Biegler，[9]提出了基于在有限元件上的SQP(分段二次编程)和正交配置的同步优化和解决策略，得到的结果与用于模拟的补料-分批发酵罐模型的基于变分法的传统方法得到的结果类似。该考虑的模型不包括溶解的氧对生物量生长和产物形成速率的影响。

Kurtanjek[6]提出了基于正交配置技术的方法，将其应用于最佳补料速率、进料底物浓度和温度的计算，并将约束赋予控制变量和状态变量。该考虑的发酵罐模型包括温度对比生长速率常数的影响。

Foss等，[10]遵循基于操作者制度的建模方法，以在几个局部线性模型中表达发酵罐模型，使用SQP以优化平均产物形成速率。该方法在局部线性模型的阐明方面需要相当大的努力，参数的估算所需的数据大约几百个，比非线性模型的识别所需的数据明显的多很多。Hilaly等，[11]通过执行得自庞特里雅金氏最大原则的优化策略，证实了实验室补料-分批发酵罐设备的实时优化。报导了与常规补料-分批发酵相比改善的产率和生产力。用于优化计算的发酵罐模型为简化模型，其中假定底物的比消耗速率和产物的比形成速率和生物量的比生长速率成线性关系，独立于发酵液中的溶解的氧浓度。该假定在实际装置环境中是无效的。Van Impe和Bastin，[4]提出了用于最佳适应控制的方法论，并在补料-分批发酵罐的模拟模型上试验。然而，该方法仅适用于特征为在生物量生长和产物形成之间去耦的发酵过程。

Banga等，[7]使用随机直接搜索法，以计算用于补料-分批发酵工艺的最佳补料速率，并报导了在模拟研究中改善了的性能。然而，由于干扰的存在和发酵过程的时变行为，这样的开环最佳控制策略在实际情况中是不够的。在这样的情况下，模型参数需要在线更新，最佳路线需要基于最新模型和状态信息重新计算。

Mahadevan等，[12]提出了基于平面的优化方案，并通过在简化的补料-分批发酵罐模型上模拟而试验该优化方案。在真的发酵罐上实施这样的优化方案需要进一步的工作，因为模型比在他们的研究中考虑的模型更复杂。