2、微生物发酵过程的优化控制策略
2．1基于线性化近似的经典优化控制
   经典的优化控制方法以前苏联学者JIC．IIoHTpflrI4H创立的“极大值原理”为代表，极大值原理是分析力学中哈密顿方法的推广，理论体系比较完善，在早期发酵过程优化控制中应用较多。Sudip等在发酵过程机理模型状态空问描述的基础上，采用极大值原理，通过迭代法直接求取淀粉流加速率的最优策略，实施效果良好。Shukla等在假定符合Haldane动力学模型的流加发酵过程中，用极大值原理解决过程优化控制问题，极大值原理存在的 优化控制对象比较复杂时，极大值原理方法需要很大的计算量，并且只能求取少数过程的优化轨线，用极大值原理得出的是开环控制，不能消除和抑制参数变动和环境变化对系统造成的扰动。Vanichsriratana等将变量方法与极大值原理相结合求取最佳的供给率曲线，并设计控制器实现流加发酵过程闭环控制，控制效果优于开环优化控制，但这种寻优方法在计算精度、寻优速率以及算法复杂度方面仍需进～一步改进，发酵过程的建模水平也制约着经典优化控制的发展。
2.2基于直接寻优算法的仿真优化控制
   随着仿真技术、人工智能技术的迅速发展和控制理论与其它学科的交叉渗透，基于模型的仿真技术在发酵过程优化控制中得到』泛应用。在过程仿真模型基础上，结合有效的寻优方法，获得过程最优控制律，并设计控制器跟踪过程的最优控制律，从而实现发酵过程的优化控制。在过程模型基础上，以发酵产量或产率为单一优化目标，求取最优轨线的优化方法应用广泛。王海霞等在过程SVM模型的基础上，用免疫遗传算法对发酵过程补料优化控制参数进行寻优，实现了过程的补料优化，对甘露聚糖酶的发酵过程的仿真结果表明，该方法改善了优化性能，提高了产物产量。Jayati等以改进的发酵过程Monod方程为基础，用遗传算法解决产量最大化问题，达到优化蛋白酶生产的目的。
    发酵过程优化过程中，经常会出现多个相互之问具有竞争I生的最优指标，此时，单目标优化无法实现发酵过程最优，为解决这一问题，多目标优化策略被引入发酵过程优化控制。Mandal等在多产物发酵多底物优化方程基础上，用差动进化算法解决多目标的优化问题，得到Pareto优化曲线，并将其用于黑曲霉流加发酵过程优化，实验效果良好。Sarkar等提出了改进的非支配排序遗传算法，分别用于赖氨酸和异种蛋白生产的发酵过程优化，在机理模型基础上，前者以单位时间内的产能和单位营养基的产出率为优化指标，后者则同时考虑最大化蛋白产量和最小化诱导剂用量。仿真结果证明了该方法的有效性，从发酵过程优化策略上看，多目标优化比单目标优化更加有效、更能提高发酵水平。多目标优化是一个新的研究内容，仍有一些关键技术问题有待解决。多目标协同优化的方法、策略以及多目标协同优化算法的研究，将为微生物发酵过程优化控制提供有效的优化策略。   
   

 

上一篇：下一篇：微生物发酵过程优化控制技术进展——6