生化反应过程模型化及计算机控制PDF电子书下载

第一章 生化反应过程控制概述 1

1.1 生化反应过程参数测量 1

1.1.1 物理参数 2

1.1.2 化学参数 2

1.1.3 生物参数 2

1.2 生化反应过程控制 4

1.2.1 消泡控制 4

1.2.2 发酵罐温度控制 4

1.2.3 发酵罐压力控制 5

1.2.4 发酵过程pH控制 5

1.2.5 溶解氧浓度控制 5

1.2.6 补料控制 5

1.3 计算机在生化反应控制中的应用 6

1.3.1 生化反应过程状态估计 6

1.3.2 生化反应过程直接数字控制（DDC） 6

1.3.3 生化反应过程优化控制 7

1.4 生化反应过程的建模 8

1.4.1 生化反应模型 9

1.4.2 物理模型 10

1.4.3 系统模型 10

第二章 生化反应过程动力学模型 11

2.1 生化反应过程物料平衡计算 11

2.2 生化反应过程动力学模型概述 16

2.2.1 生化反应类型 16

2.2.2 生化反应过程模型类别 17

2.2.3 细胞模型 17

2.3 非结构动力学模型 19

2.3.1 简单生长和物质消耗动力学 19

2.3.2 与物质无关的生长动力学 21

2.3.3 物质与产物抑制 21

2.3.4 多物质限制 23

2.3.5 其他变量对生长的影响 28

2.3.6 初级代谢物的形成 30

2.4 结构动力学模型 30

2.4.1 一般公式 30

2.4.2 结构模型例子 31

2.4.3 控制模型 36

2.4.4 代谢调节方法 39

第三章 生化反应过程状态估计 44

3.1 基于物料和能量平衡的状态观测 44

3.1.1 呼吸代谢的测量及相关算法 44

3.1.2 发酵热的测量与相关算法 49

3.1.3 基于元素平衡来估计生物参数 51

3.2 卡尔曼滤波技术及应用 53

3.2.1 卡尔曼滤波器技术 53

3.2.2 青霉素发酵过程的数学模型 55

3.2.3 青霉素发酵状态的在线估计 57

3.2.4 模型参数的在线修改 58

3.3 生化反应过程动态观察器设计及应用 60

3.3.1 动态观察器的设计 60

3.3.2 非线性观察器设计 62

第四章 模糊控制理论及在生化反应过程中应用 67

4.1 模糊控制技术与生长阶段识别 67

4.1.1 有关定义 67

4.1.2 模糊模型化方法 70

4.1.3 具有自学习特性的在线模式识别方法 71

4.1.4 应用示例 72

4.2 生化反应过程区域模糊控制模型化方法 74

4.2.1 有关定义 75

4.2.2 模型化与决策 76

4.2.3 实施方法 79

4.3 螺旋霉素发酵过程补料时机的识别与控制 80

4.3.1 特征变量的选择 80

4.3.2 确定期望过程和期望模式 80

4.3.3 确定各期望模式的可行域 82

4.3.4 建立决策模型 83

4.4 一种基于模糊集理论发酵过程故障分级诊断 86

4.4.1 故障诊断模型化方法 87

4.4.2 诊断决策 90

4.4.3 工业应用示例 90

4.5 启发式模糊识别生化反应过程终点方法及应用 94

4.5.1 有关定义 94

4.5.2 模型化方法 96

4.5.3 在线识别方法 98

4.5.4 工业应用示例 98

第五章 专家系统和神经网络在生化反应过程中应用 103

5.1 生化反应过程供氧专家控制 103

5.1.1 变区域专家控制 105

5.1.2 空气流量控制的其他方案 107

5.2 生化反应异常工况专家诊断系统 107

5.2.1 过程特性与异常工况 108

5.2.2 概念的形式化 111

5.3 神经网络概述 113

5.3.1 前向多层神经网络与反向传播学习算法 115

5.3.2 BP学习算法的改进 118

5.4 神经网络在生化过程建模中的应用 121

5.4.1 维生素C生产过程 121

5.4.2 标准神经网络用于维生素C发酵过程建模 122

5.4.3 混合神经网络用于维生素C发酵过程建模 126

第六章 生化反应过程优化控制 130

6.1 基于物料平衡的系统优化方法 130

6.1.1 动力学模拟 130

6.1.2 过程优化 132

6.1.3 问题讨论 135

6.2 流加发酵过程的奇异优化控制 136

6.2.1 奇异控制优化方法 136

6.2.2 维C发酵过程优化控制研究 138

6.3 基于工艺分析的动态优化方法 142

6.3.1 青霉素发酵过程动力学模型 142

6.3.2 青霉素发酵工艺要求 143

6.3.3 最优补糖轨线的求取 143

6.3.4 结论和讨论 145

6.4 模式识别技术与优化控制 146

6.4.1 链霉素发酵工艺分析 146

6.4.2 链霉素发酵过程糖和氮浓度的最适化研究 147

6.4.3 模式识别技术的应用 148

6.4.4 实时优化控制 151

第七章 计算机在生化反应过程控制中的应用 154

7.1 螺旋霉素发酵过程计算机控制系统设计 154

7.1.1 控制系统的硬件结构 154

7.1.2 控制系统的软件结构 155

7.1.3 控制系统实施中的若干问题 160

7.2 DCS在链霉素发酵车间控制中的应用 162

7.2.1 概述 162

7.2.2 控制系统的组成和功能 163

7.2.3 典型控制系统组态及控制程序框图 167

参考文献 171