[发明专利]基于近红外光谱分析技术的青霉素发酵生产过程多模型监控系统

摘要

本发明公开了一种基于近红外光谱分析技术的青霉素发酵生产过程多模型监控系统，属于近红外光谱分析和青霉素过程监控的交叉领域。基于近红外光谱分析技术的多模型分析方法，实现对青霉素发酵过程中的发酵液生物量、含糖量、含氮量以及青霉素浓度等生化指标的实时在线检测和监控，得到精确的数值和变化趋势。按照本发明提供的技术方案，所述青霉素发酵监控系统，包括由近红外光谱仪、PLC和工控机组成的硬件装置，以及由化学计量学方法组成的判别模型、回归模型等软件部分。各部分协同工作，结构清晰，系统完备，可以很好的提高青霉素发酵过程的自动化程度。

主权项

1.一种基于近红外光谱分析技术的多模型青霉素发酵过程监控系统，其特征在于，由近红外光谱分析仪、PLC和工控机组成硬件系统，由最小距离判别法、基于系统参数的工况判别法和多偏最小二乘回归模型、组成在线软件算法，由系统聚类分析，模糊K均值聚类和偏最小二乘回归方法组成前期离线模型建立算法；具体如下：光谱仪与工控机通过专用USB接口相连，与PLC通过RS232口相连；PLC与工控机也通过RS232口相连，实现相互之间的通讯；光谱仪所配备光纤探头插入发酵罐罐体中部30cm，并安装配备冲洗装置；采用PT100热电阻进行温度检测，配有相应温度变送器，输出信号4‑20mA，共三路，分别为发酵罐温度，冷却水入口温度，冷却水出口温度；采用工业在线pH计进行pH信号的采集，输出信号4‑20mA；使用工业电磁流量计进行冷却水流量的检测，输出信号4‑20mA；所得5个模拟量信号进入PLC模拟量输入模块；葡萄糖流加阀门状态、前体补充阀门状态、补氮阀门状态三个开关量信号，直接采用电磁阀自带阀位反馈信号，进入PLC数字量输入模块；光谱仪的启动信号通过PLC数字量输出模块进行输出，启停的反馈信号经由数字量输入模块反馈至PLC；系统的运行过程：发酵过程开始，PLC上电，光谱仪开机并处于待机状态；10分钟后，对发酵罐内发酵液光谱进行第一次测量，测量前进行10s冲洗；冲洗完毕等待30s，待发酵液流动均匀时开始光谱采集；采集过程由光谱仪自动完成；光谱数据采集完成后发送至工控机，在工控机内完成光谱预处理，发酵工况判别，回归分析过程，得到所需生化指标；将所需参数存储并予以显示，生成状态曲线，完成一次采集过程；后续每隔一定时间，进行一次光谱采集与分析，时间间隔人为设定；光谱重复采集次数人为根据经验进行选取；PLC程序中包含光谱仪控制程序块，模拟量信号采集程序块，开关量信号采集程序块，冲洗装置控制程序块四个部分；光谱仪控制程序块与冲洗装置控制程序块为简单的开关量控制；模拟量、开关量信号采集程序块简单使用PLC内部寄存器实现；配合工控机实现信号的采集以及所需的开关量控制；光谱数据的处理在工控机中完成；光谱数据采集后，首先经过光谱预处理，然后使用判别分析算法进行子模型归属判断，与模型中预存的几种子模型的光谱进行对比，初步确定当前光谱的子模型归属；此后，将初步确定的子模型状态与使用各种数字量、模拟量信号所达成的工况判断结论进行综合，在时间标尺的辅助下，精确确定此时的工况；根据判定的工况，在多模型回归算法中调用匹配的子模型；将预处理的光谱数据导入子模型，经回归分析计算出生物量、含糖量、含氮量和青霉素浓度四个指标；最后，上位机软件对所测得参数进行显示和归档；采用了多模型建模方式；初步将子模型设置如下：延迟期为子模型、加速期为子模型、进入对数期到补糖之前为子模型、补糖后与补氮之前一段为子模型、补氮之后为子模型、减速期为子模型、停滞期前期为子模型、停滞期后期至放罐前为子模型；在系统的初始设计阶段，对应于每个工况，建立相应的子模型；当系统投入在线检测时，根据工况判别情况对子模型进行调用和分析；未知光谱首先经预处理，然后进行工况的初步判别，得到所属的子模型序号，接着程序调用其所对应的子模型，每个子模型都是由PLS偏最小二乘回归方法进行建模；未知光谱经模型计算，得到最终生化指标的值；光纤探头插入罐体30cm，发出并接收近红外光；正对光纤探头，使用不锈钢支架支撑一块平面镜，与光纤探头的间隙为5mm，用以构建近红外光的透反射光路；光纤和平面镜间狭缝的正上方，设置冲洗装置的喷嘴，冲洗装置采用微型直流水泵实现，直接吸取发酵罐中发酵液，并以高速喷出，冲洗狭缝，将其中沉积的物质清除；本系统模型前期建立过程：系统中所使用判别分析模型和回归模型都是前期离线建立的；前期建模需要对多个批次的完整发酵过程进行数据采样，采集所需的光谱和发酵液成分浓度信息；整个青霉素发酵过程需要200小时，在此过程中每隔6分钟进行一次采样，共采集2000个样本；对所采集的样本使用国标方法检测其中生物量、含糖量、含氮量和青霉素含量，并离线采集近红外光谱；所采集的数据，在后续的建模阶段作为模型输入；光谱的预处理过程也需要采用多种不同方法的配合；首先进行归一化处理；接着进行多元散射校正MSC，消除发酵液中颗粒物和气泡对光谱的影响；然后采用一阶导数+Savitzky‑Golay卷积平滑处理，使光谱有效信息更为突出；本模型中使用全光谱进行判别和回归；判别分析模型只需要光谱数据；前期离线建模时，首先将经过预处理的2000个样本光谱进行系统聚类分析，划分出样本的谱系图，在谱系图的基础上，对所用子模型的数量进行小幅调整，最终确定子模型数量n；然后采用无监督的模式识别方法，选定n个聚类中心，进行聚类；因为青霉素发酵过程为一个连续的过程，各类别的分界不够清晰，因而在本发明中采用模糊K均值聚类方法将2000个样本聚成n类，这些类别基本是按照发酵时间的先后顺序聚集在一起，计算每类的中心和边缘样本的位置；当在线测量时，考虑计算速度，则采用最小距离判别法，分别计算当前所采集光谱与每一类别聚类中心之间的马氏距离，并将当前光谱归结为马氏距离最小的一类；当出现当前光谱与两类中心马氏距离都相等的情况，则计算所测样本和两个类别最边缘样本的马氏距离，并由此距离大小判定其归属；马氏距离的计算公式为，其中，表示当前所采集光谱与每一类别聚类中心之间的马氏距离；x_un为当前所采集光谱；为第j类的聚类中心；H_j为样本协方差矩阵；T表示转置；工业级的发酵需要高度的可靠性，然而判别分析得到的子模型归属可能会出现误差，需要将其结果和发酵过程参数状态加以综合和对比，最终得到确定的子模型归属；由青霉素发酵过程的经验可知，发酵前60小时为菌丝生长期，温度控制为26℃，pH值控制为6.8‑7.2；后140小时为青霉素合成期，温度控制为24.7℃；pH值控制为6.5；第10小时左右，进行补加葡萄糖；发酵单位升至2500U·mL^‑1补加前体；PLC采集每一次的加料动作和温度、pH的变化，将这些数据与发酵时间相结合，判断出此时此刻发酵过程所处的工况，再对应判别分析的结果，准确判定子模型的编号；回归模型建立在聚类结果的基础上，采用偏最小二乘回归模型PLS；偏最小二乘回归的基本思想是对光谱矩阵X和成分含量矩阵Y进行分解，分别计算载荷和矩阵和得分矩阵；其中，P为X矩阵的载荷矩阵，T为X矩阵的得分矩阵，Q为Y矩阵的载荷矩阵，U为Y矩阵的得分矩阵；E为光谱矩阵X相应回归方程的残差矩阵，F为成分含量矩阵Y相应回归方程的残差矩阵；然后对U和T矩阵进行最小二乘回归；U＝TB   (3)则乘积PBQ即为光谱对应浓度的回归系数；对于每个子模型，需要针对三种不同成分求取三个回归系数；实际的在线监测过程中，只需输入当前时刻的光谱数据值，就可得出此时所需测量的生物量、青霉素浓度信息；Y_未知1＝X_未知PBQ₁  (4)。