一种青霉素发酵过程补料优化的新方法

将青霉素发酵工艺与最优控制算法相结合，提出一种二步优化法优化青霉素发酵过程．用该方法得出的优化结果指导青霉素发酵工业生产实际过程取得了满意的效果，证明用本方法求得的优化结果可弥补生化过程动力学模型的一些不足，寻求出较适合工业生产实际的优化结果，     

氧载体强化传氧的研究Ⅰ

以液态烷烃为油相对双液相发酵系统进行了研究，通过对体积溶氧系数Ｋ_Ｌａ及油相与水相理化性质的测定，对油相的加入提高发酵能力作了初步解释，并通过青霉素发酵，初步确定了油相体积分数为０．０２Ｌ／Ｌ时可提高青霉素生产能力。     

巨大芽孢杆菌产青霉素酰化酶发酵条件的研究

该文对一株巨大芽孢杆菌产胞外青霉素酰化酶的发酵条件下进行了初步研究。不同的氮源及装液量和发酵时间产酶均有影响。该菌株在２７－２８℃１８０ｒ／ｍｉｎ，初始ＰＨ８．０，苯乙酸浓度０．６％的最佳发酵条件下发酵６０ｈ左右，青霉素酰化酶活力可达５００－７００Ｕ／１００ｍｌ。     

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.     

一类非线性动态系统的参数辨识和状态估计

为了对青霉素发酵过程采用计算机控制，提出了一种适合于一类非线性动态系统参 数辨识的方法。同时，根据在线获取的可测信息（二氧化碳释放率），利用随机状态估 计原理，实时估计了青霉素发酵过程中不可测的状态变量（菌体浓度、基质浓度、产 物浓度）。对实验室和生产现场提供的几批数据进行了计算机仿真，结果表明：文中所 提供的技术方案对青霉素生产过程实现状态监控是可行的。     

粪产碱杆菌青霉素酰化酶在枯草芽孢杆菌中的表达优化

在5L发酵罐中进行了表达粪产碱杆菌青霉素G酰化酶的重组枯草杆菌WB600(pMA5)的发酵研究。实验表明，发酵液中的葡萄糖浓度和菌体产酶能力密切相关，维持低葡萄糖水平，可以提高枯草杆菌WB600(pMA5)青霉素G酰化酶的合成能力。采用混合碳源进行发酵，在生长阶段流加葡萄糖，并维持低浓度，在发酵12h菌体浓度达到约13．8g／L时停止流加葡萄糖，使茵体利用发酵液中的可溶性淀粉作为碳源，避免葡萄糖的代谢副产物对茵体产酶能力的抑制，青霉素G酰化酶的表达水平从原来的55u／L提高到582u／L。     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题.基于RBF神经网络的辨识方法,建立了青霉素发酵过程模型.以动力学模型为基础产生教师数据,采用遗传算法对网络进行训练,建立了基于RBF神经网络的发酵过程模型,并进行了仿真实验验证.实验结果表明,该辨识模型对青霉素补料分批培养过程具有实用价值.     

剪切环境与产黄青霉形态和代谢的关系

结合青霉素发酵过程，考察了产黄青霉形态变化和发酵罐中剪切环境对菌体形态的影响。考察的产黄青霉菌株对强剪切作用呈现出瞬时响应和逐渐衰减的反应机制，实际剪切强度介于发酵罐内最高剪切速率和平均剪切速率之间。提出了总体剪切强度的概念，用于定量表达不同桨型、多层搅拌下剪切环境。青霉素发酵需要在较强剪切环境中进行，采用轴向流桨和涡轮桨组合搅拌时，可通过调整桨径和搅拌转速来保证剪切环境满足菌体生长和代谢的需要。     

剪切环境与产黄青形态和代谢的关系

结合青霉素发酵过程，考究了产黄青霉形态变化和发酵罐中剪切环境对菌体形态的影响。考察的产黄青霉菌株对强剪切作用呈现出瞬时响应和逐渐衰减的反应机制，实际剪切强度介于发酵罐内最高剪切速率和平均剪切速率之间。提出了总体剪切强度的概念，用于定量表达不同桨型，多层搅拌下剪切环境。     

基于PSO-FNN逆的青霉素发酵软测量方法

青霉素发酵过程是一个严重非线性、时变、复杂的动态过程,发酵过程中一些关键参数(如菌体质量浓度ρX、基质质量浓度ρS和产物质量浓度(ρP)难以通过常规仪表在线测量,这些参数的获取非常耗时和困难。提出一种基于粒子群模糊神经网络逆(PSO-FNN逆)的软测量方法。首先给出青霉素发酵过程数学模型,然后根据逆系统理论证明其可逆性,在此基础上构建基于PSO-FNN逆的青霉素发酵软测量模型,最后通过仿真验证该方法性能。仿真结果表明:PSO-FNN逆的青霉素发酵软测量方法能够结合基于发酵机制和纯数据驱动2种软测量方法的优点,对不直接可测的关键参数实现在线软测量,较PSO-BPNN逆和PSO-BPNN软测量方法具有更高的预测精度和更强的预测能力。     

On-line Scheduling Algorithm for Penicillin Fed-batch Fermentation

An on-line scheduling algorithm to maximize gross profit of penicillin fed-batch fermentation is proposed. According to the on-line classification method, fed-batch fermentation batches are classified into three categories. Using the scheduling strategy, the optimal termination sequence of batches is obtained. Pseudo on-line simulations for testing the proposed algorithm with the data from industrial scale penicillin fermentation are carried out.     

基于非参数回归的发酵过程软测量建模

为了对发酵过程进行检测并分析发酵中产物的浓度,提出一种基于非参数回归的发酵过程软测量方法。该方法直接利用未经处理过的历史数据,采用多维窗宽选择方法确定窗宽,通过计算待估计点与历史数据库中其他时刻点数据的距离来确定该时刻点的权值,从而达到软测量建模的目的,并将其用于青霉素发酵过程产物浓度的测量。实验研究表明,所得软测量模型精度较高,能够有效地实现对青霉素发酵产物浓度的估计。     

青霉素发酵过程特点与控制对策

通过过程参数相关,模型化和在线辩识对青霉素发酵过程特点进行了研究,认为采用自适应控制可降低对模型精度的要求,是一个较为有效的控制方法。但对至今以人工经验为主的大多数发酵过程操作,模糊专家系统也是一种有效的控制方式。     

一种智能状态估计方法及应用

为提高机理复杂工况变化较大的一类生产过程状态估计的精度 ,提出一种基于多模型和专家知识的智能状态估计方法 ,并给出了用于青霉素发酵过程状态估计的结果。这种方法采用多个状态估计模型进行估计 ,然后由优选专家系统选择一个最优的作为最终结果。给出了状态估计系统的结构及优选专家系统的结构和设计。优选专家系统采用改进的 Bayes方法进行不确定性推理。这一估计方法可以应用于类似于青霉素发酵这类机理复杂过程的状态估计。     

青霉素钠与氯化钠对N-乙酰神经氨酸发酵的影响

重组枯草芽孢杆菌生产N-乙酰神经氨酸的过程中,通过加入表面活性剂和抗生素等方法来改善细胞通透性,以减少产物和副产物所带来的反馈抑制,从而促进细胞生长和产物的合成.对比研究了吐温20、吐温60、吐温80及青霉素钠对重组枯草芽孢杆菌摇瓶和5L发酵罐发酵的影响,确定青霉素钠具有明显增强该菌种发酵产N-乙酰神经氨酸的效果.通过对青霉素钠的添加时间和添加量进行了优化,确定在10h和34h均添加200mg·L-1青霉素钠最优,使N-乙酰神经氨酸的产量达到7.17g·L-1,相比对照提高了38.42%.在利用青霉素钠提高目标产物的基础上,又通过在发酵培养基成分中添加0.75%氯化钠来改变细胞渗透压,从而增强细胞通透性.实验证明,N-乙酰神经氨酸的产量进一步增加,最终达到7.96g·L-1.     

多罐并行发酵过程的弹性停罐调度策略

针对多罐并行发酵过程，基于早先提出的分类函数和调度函数提出了弹性停罐的优化调度策略．利用工业生产过程的实际数据，对现行的固定时间间隔停罐策略和弹性停罐策略两种方案进行了分析比较，证实了弹性停罐策略的有效性．     

自校正模型算法控制及其在青霉素发酵中的应用

针对发酵过程的特点,将参数估计技术引入模型算法控制(MAC),构成自校正模型算法控制,用于时变和非线性的青霉素发酵过程。以在线估计的排气二氧化碳释放率(CER)的脉冲响应模型为基础,进行预测控制,从中求得最佳加糖控制率,使CER跟踪理想变化轨迹,实现对生产的优化控制。仿真结果证明了上述控制算法的可行性和有效性。