[發明專利]基于近紅外光譜分析技術的青霉素發酵生產過程多模型監控系統

有效

• 申請號: 201610976845.3
• 申請日: 2016-11-07
• 公開（公告）號: CN106645009B
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 劉飛;尹燕燕;陳鑫
• 申請（專利權）人: 江南大學
• 主分類號: G01N21/3577
• 分類號: G01N21/3577;G01N21/359
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉

1.一種基于近紅外光譜分析技術的多模型青霉素發酵過程監控系統，其特征在于，由近紅外光譜分析儀、PLC和工控機組成硬件系統，由最小距離判別法、基于系統參數的工況判別法和多偏最小二乘回歸模型、組成在線軟件算法，由系統聚類分析，模糊K均值聚類和偏最小二乘回歸方法組成前期離線模型建立算法；具體如下：

光譜儀與工控機通過專用USB接口相連，與PLC通過RS232口相連；PLC與工控機也通過RS232口相連，實現相互之間的通訊；光譜儀所配備光纖探頭插入發酵罐罐體中部30cm，并安裝配備沖洗裝置；采用PT100熱電阻進行溫度檢測，配有相應溫度變送器，輸出信號4-20mA，共三路，分別為發酵罐溫度，冷卻水入口溫度，冷卻水出口溫度；采用工業在線pH計進行pH信號的采集，輸出信號4-20mA；使用工業電磁流量計進行冷卻水流量的檢測，輸出信號4-20mA；所得5個模擬量信號進入PLC模擬量輸入模塊；葡萄糖流加閥門狀態、前體補充閥門狀態、補氮閥門狀態三個開關量信號，直接采用電磁閥自帶閥位反饋信號，進入PLC數字量輸入模塊；光譜儀的啟動信號通過PLC數字量輸出模塊進行輸出，啟停的反饋信號經由數字量輸入模塊反饋至PLC；

系統的運行過程：發酵過程開始，PLC上電，光譜儀開機并處于待機狀態；10分鐘后，對發酵罐內發酵液光譜進行第一次測量，測量前進行10s沖洗；沖洗完畢等待30s，待發酵液流動均勻時開始光譜采集；采集過程由光譜儀自動完成；光譜數據采集完成后發送至工控機，在工控機內完成光譜預處理，發酵工況判別，回歸分析過程，得到所需生化指標；將所需參數存儲并予以顯示，生成狀態曲線，完成一次采集過程；后續每隔一定時間，進行一次光譜采集與分析，時間間隔人為設定；光譜重復采集次數人為根據經驗進行選取；

PLC程序中包含光譜儀控制程序塊，模擬量信號采集程序塊，開關量信號采集程序塊，沖洗裝置控制程序塊四個部分；光譜儀控制程序塊與沖洗裝置控制程序塊為簡單的開關量控制；模擬量、開關量信號采集程序塊簡單使用PLC內部寄存器實現；配合工控機實現信號的采集以及所需的開關量控制；

光譜數據的處理在工控機中完成；光譜數據采集后，首先經過光譜預處理，然后使用判別分析算法進行子模型歸屬判斷，與模型中預存的幾種子模型的光譜進行對比，初步確定當前光譜的子模型歸屬；此后，將初步確定的子模型狀態與使用各種數字量、模擬量信號所達成的工況判斷結論進行綜合，在時間標尺的輔助下，精確確定此時的工況；根據判定的工況，在多模型回歸算法中調用匹配的子模型；將預處理的光譜數據導入子模型，經回歸分析計算出生物量、含糖量、含氮量和青霉素濃度四個指標；最后，上位機軟件對所測得參數進行顯示和歸檔；

采用了多模型建模方式；初步將子模型設置如下：延遲期為子模型、加速期為子模型、進入對數期到補糖之前為子模型、補糖后與補氮之前一段為子模型、補氮之后為子模型、減速期為子模型、停滯期前期為子模型、停滯期后期至放罐前為子模型；在系統的初始設計階段，對應于每個工況，建立相應的子模型；當系統投入在線檢測時，根據工況判別情況對子模型進行調用和分析；

未知光譜首先經預處理，然后進行工況的初步判別，得到所屬的子模型序號，接著程序調用其所對應的子模型，每個子模型都是由PLS偏最小二乘回歸方法進行建模；未知光譜經模型計算，得到最終生化指標的值；

光纖探頭插入罐體30cm，發出并接收近紅外光；正對光纖探頭，使用不銹鋼支架支撐一塊平面鏡，與光纖探頭的間隙為5mm，用以構建近紅外光的透反射光路；光纖和平面鏡間狹縫的正上方，設置沖洗裝置的噴嘴，沖洗裝置采用微型直流水泵實現，直接吸取發酵罐中發酵液，并以高速噴出，沖洗狹縫，將其中沉積的物質清除；

本系統模型前期建立過程：系統中所使用判別分析模型和回歸模型都是前期離線建立的；前期建模需要對多個批次的完整發酵過程進行數據采樣，采集所需的光譜和發酵液成分濃度信息；整個青霉素發酵過程需要200小時，在此過程中每隔6分鐘進行一次采樣，共采集2000個樣本；對所采集的樣本使用國標方法檢測其中生物量、含糖量、含氮量和青霉素含量，并離線采集近紅外光譜；所采集的數據，在后續的建模階段作為模型輸入；

光譜的預處理過程也需要采用多種不同方法的配合；首先進行歸一化處理；接著進行多元散射校正MSC，消除發酵液中顆粒物和氣泡對光譜的影響；然后采用一階導數+Savitzky-Golay卷積平滑處理，使光譜有效信息更為突出；本模型中使用全光譜進行判別和回歸；

判別分析模型只需要光譜數據；前期離線建模時，首先將經過預處理的2000個樣本光譜進行系統聚類分析，劃分出樣本的譜系圖，在譜系圖的基礎上，對所用子模型的數量進行小幅調整，最終確定子模型數量n；然后采用無監督的模式識別方法，選定n個聚類中心，進行聚類；因為青霉素發酵過程為一個連續的過程，各類別的分界不夠清晰，因而在本發明中采用模糊K均值聚類方法將2000個樣本聚成n類，這些類別基本是按照發酵時間的先后順序聚集在一起，計算每類的中心和邊緣樣本的位置；當在線測量時，考慮計算速度，則采用最小距離判別法，分別計算當前所采集光譜與每一類別聚類中心之間的馬氏距離，并將當前光譜歸結為馬氏距離最小的一類；當出現當前光譜與兩類中心馬氏距離都相等的情況，則計算所測樣本和兩個類別最邊緣樣本的馬氏距離，并由此距離大小判定其歸屬；

馬氏距離的計算公式為，

其中，表示當前所采集光譜與每一類別聚類中心之間的馬氏距離；x_un為當前所采集光譜；為第j類的聚類中心；H_j為樣本協方差矩陣；T表示轉置；

工業級的發酵需要高度的可靠性，然而判別分析得到的子模型歸屬可能會出現誤差，需要將其結果和發酵過程參數狀態加以綜合和對比，最終得到確定的子模型歸屬；由青霉素發酵過程的經驗可知，發酵前60小時為菌絲生長期，溫度控制為26℃，pH值控制為6.8-7.2；后140小時為青霉素合成期，溫度控制為24.7℃；pH值控制為6.5；第10小時左右，進行補加葡萄糖；發酵單位升至2500U·mL^-1補加前體；PLC采集每一次的加料動作和溫度、pH的變化，將這些數據與發酵時間相結合，判斷出此時此刻發酵過程所處的工況，再對應判別分析的結果，準確判定子模型的編號；

回歸模型建立在聚類結果的基礎上，采用偏最小二乘回歸模型PLS；偏最小二乘回歸的基本思想是對光譜矩陣X和成分含量矩陣Y進行分解，分別計算載荷和矩陣和得分矩陣；

其中，P為X矩陣的載荷矩陣，T為X矩陣的得分矩陣，Q為Y矩陣的載荷矩陣，U為Y矩陣的得分矩陣；E為光譜矩陣X相應回歸方程的殘差矩陣，F為成分含量矩陣Y相應回歸方程的殘差矩陣；

然后對U和T矩陣進行最小二乘回歸；

U＝TB (3)

則乘積PBQ即為光譜對應濃度的回歸系數；

對于每個子模型，需要針對三種不同成分求取三個回歸系數；

實際的在線監測過程中，只需輸入當前時刻的光譜數據值，就可得出此時所需測量的生物量、青霉素濃度信息；

Y_未知1＝X_未知PBQ₁ (4)。