生化过程自动化技术PDF电子书下载

第1章 导论 1

1.1 概述 1

1.2 生化过程参数测量 2

1.2.1 物理参数 2

1.2.2 化学参数 2

1.2.3 生物参数 3

1.3 生化过程控制 5

1.3.1 消泡控制 5

1.3.2 生化反应温度控制 5

1.3.3 生化反应压力控制 5

1.3.4 生化反应过程pH控制 6

1.3.5 溶解氧浓度控制 6

1.3.6 补料控制 6

1.4 计算机在生化过程控制中应用 6

1.4.1 生化过程状态估计 6

1.4.2 生化过程直接数字控制(DDC) 7

1.4.3 生化过程优化控制 8

1.4.4 计算机控制系统 8

第2章 生化过程参数检测技术 10

2.1 生化过程参数检测特点和分类 10

2.2 压力和液位的测量 13

2.2.1 压力测量原理 13

2.2.2 波登(Bourdon)管式压力传感器 13

2.2.3 波纹管式压力传感器 14

2.2.4 膜式压力传感器 15

2.2.5 电阻应变片 15

2.2.6 压力测量 17

2.2.7 液位和泡沫液位的测量 17

2.3 温度的测量 19

2.3.1 热电势式测温元件 19

2.3.2 热电阻式测温元件 23

2.3.3 温度的测量、显示和记录 24

2.4 流量测量 27

2.4.1 流量测量概述 27

2.4.2 差压式流量计 27

2.4.3 转子流量计 29

2.4.4 电磁流量计 32

2.5 工业流程分析仪 33

2.5.1 红外气体分析仪 33

2.5.2 氧分析仪 36

2.5.3 生化过程新型检测技术 37

第3章 pH和溶氧的测量 41

3.1 pH测量的基本理论和实践 41

3.1.1 为何要进行pH测量 41

3.1.2 如何测量pH值 41

3.1.3 pH测量系统 44

3.2 pH测量 44

3.2.1 pH测量的一般原则 44

3.2.2 工业pH测量 45

3.2.3 信号处理和环境影响 46

3.2.4 标定 46

3.2.5 电极维护 47

3.2.6 温度补偿 48

3.3 pH测量的理论基础 49

3.3.1 电势测量原理 49

3.3.2 pH测量系统电势 50

3.3.3 pH值定义 52

3.3.4 活度与浓度的关系 53

3.3.5 缓冲液 53

3.3.6 温度与pH的关系 55

3.3.7 信号处理 57

3.4 pH测量应用示例 58

3.4.1 实验室中pH测量 58

3.4.2 工业pH连续测量 59

3.5 溶氧测量原理及电极 61

3.5.1 极谱分析法基本原理 61

3.5.2 扩散电流理论 63

3.5.3 溶氧电极 64

3.6 溶氧测量装置及其应用 66

3.6.1 溶氧电极构造 66

3.6.2 溶氧电极技术特性 66

3.6.3 溶氧电极电流放大器 67

3.6.4 溶氧测量系统的校验 68

3.6.5 溶解氧测量与维护 69

第4章 生化反应过程模型 71

4.1 建模方法简介 71

4.1.1 生化过程中的参数与变量 71

4.1.2 建模过程 72

4.1.3 模型评价 72

4.1.4 生化反应过程的数学模型 73

4.2 物料、热量衡算与速率方程 73

4.2.1 元素平衡 73

4.2.2 物料衡算 74

4.2.3 热量衡算 75

4.2.4 得率系数与速率方程 76

4.2.5 温度和pH值对反应速率的影响 80

4.3 细胞生长动力学模型 81

4.3.1 细胞生长过程 81

4.3.2 动力学模型的分类 82

4.3.3 非结构动力学模型 82

4.3.4 产物和底物抑制的动力学模型 86

4.3.5 简单结构模型 88

4.3.6 二次生长现象 89

4.4 间歇生化反应过程模型 90

4.4.1 间歇反应过程概述 90

4.4.2 间歇反应器操作衡算方程 91

4.4.3 间歇反应器操作的优化 92

4.5 连续反应过程模型 93

4.5.1 连续反应过程概述 93

4.5.2 单反应器操作模型 93

4.5.3 考虑维持过程的连续反应器模型 95

4.5.4 多反应器串联模型 95

4.6 流加操作反应过程模型 97

4.6.1 流加操作过程概述 97

4.6.2 流加操作模型 97

4.6.3 流加操作中的参数控制 100

4.7 氧传递模型 101

4.7.1 气液传质的一般步骤 101

4.7.2 双膜理论 102

4.7.3 氧传质速率 103

4.7.4 体积传质系数kLa 103

4.7.5 氧传递模型 104

4.7.6 加强氧传递的方法 105

第5章 生化反应过程状态估计方法 107

5.1 生化过程数据采集和滤波 107

5.1.1 过程数据采集和处理 107

5.1.2 简单数字滤波方法 107

5.2 呼吸代谢的测量及相关算法 110

5.2.1 氧利用率OUR 110

5.2.2 二氧化碳释放率CER 111

5.2.3 呼吸商RQ 113

5.2.4 呼吸代谢参数与生物参数关系 113

5.3 根据发酵热和物料平衡的估计方法 115

5.3.1 发酵热的测量 115

5.3.2 发酵热与动力学参数的关系 116

5.3.3 基于化学元素平衡方法来估计生物参数 117

5.4 青霉素发酵过程生物质浓度在线估计 118

5.4.1 估计算法推导 118

5.4.2 数据采集和计算方法 120

5.4.3 结果与讨论 121

第6章 生化过程控制 123

6.1 反馈控制基础 123

6.1.1 反馈控制系统组成 123

6.1.2 方块图 123

6.1.3 拉氏变换与传递函数 124

6.1.4 方块图变换 126

6.2 过程特性与模型 129

6.2.1 被控变量和操纵变量的自由度 129

6.2.2 过程特性描述 129

6.2.3 过程模型 130

6.3 反馈控制器及参数整定 134

6.3.1 开关(位式)控制 134

6.3.2 PID控制器 135

6.3.3 过程控制性能指标 141

6.3.4 控制器参数整定 143

6.4 生化过程中流量、消泡和温度控制 145

6.4.1 流量控制 145

6.4.2 消泡控制 146

6.4.3 温度控制 147

6.4.4 串级控制 150

6.4.5 前馈与反馈控制 152

6.5 pH、溶解氧和补料控制 153

6.5.1 pH控制 153

6.5.2 溶解氧控制 155

6.5.3 补料控制 157

第7章 生化过程计算机控制 160

7.1 过程工业的特点和计算机控制 160

7.1.1 过程工业特点 160

7.1.2 数字计算机在过程控制中应用概述 162

7.2 集散型控制系统(DCS)及接口技术 164

7.2.1 集散型控制系统(DCS)简介 164

7.2.2 DCS的特点 167

7.2.3 过程接口技术 167

7.3 计算机控制中的PID控制算法 171

7.3.1 数字式PID控制算法 171

7.3.2 改进型的PID控制算法 172

7.3.3 DCS中PID控制算法的实现 174

7.4 间歇生产过程控制 175

7.4.1 程序控制概述 175

7.4.2 程序控制的描述方法 176

7.4.3 可编程序控制器(PLC)及应用 178

7.5 生化过程计算机辅助优化控制设计 183

7.5.1 动力学模型及求解 183

7.5.2 菌体最佳操作浓度的确定 185

7.5.3 最佳稀释率的确定 186

7.6 计算机在生化反应过程控制中应用 189

7.6.1 DCS在链霉素发酵车间控制中应用 189

7.6.2 谷氨酸发酵过程计算机控制 193

7.6.3 柠檬酸发酵计算机控制 198

7.6.4 酱油生产过程计算机监控 199

第8章 智能控制在生化反应过程中的应用 204

8.1 智能控制概述 204

8.1.1 自动控制理论发展简史 204

8.1.2 人工智能研究与智能控制 205

8.2 分级递阶智能控制系统 206

8.2.1 分级递阶智能控制系统概述 206

8.2.2 分级递阶智能控制系统结构 207

8.3 模糊控制在发酵中的应用 208

8.3.1 模糊控制系统原理概述 208

8.3.2 模糊控制器的建立步骤 210

8.3.3 酵母流加发酵模糊逻辑控制 213

8.3.4 模糊控制特点 215

8.4 人工神经网络 216

8.4.1 人工神经网络概述 216

8.4.2 BP学习算法 217

8.4.3 人工神经网络的特点 219

8.4.4 神经网络在生化过程中应用 219

8.4.5 人工神经网络在应用中存在的几个问题 221

8.5 专家控制系统 222

8.5.1 专家系统概述 222

8.5.2 青霉素发酵过程的专家控制系统 223

8.6 模糊神经网络控制器 225

8.6.1 模糊神经网络的概念 225

8.6.2 模糊神经网络中的模糊规则推理 225

8.6.3 模糊神经网络结构与模糊推理的具体实现 226

8.6.4 模糊神经网络控制器的建立 227

参考文献 231