Details

Control of Fed-batch fermentation processes by using artificial neutral systems.

by Valencia Peroni, Catalina

Abstract (Summary)
Resum Optimització i Control dels Processos de Fermentació Fed-batch a través de Sistemes Neuronals Artificials Els processos de fermentació són amplament utilitzats en lindústria química, farmacèutica i alimentaria. La producció de menjar per a animals, iogurts, formatge, cervesa, colorants per aliments, fertilitzants, medicines terapèutiques i penicil·lina entre altres, són alguns exemples de processos biotecnològics. En una recerca ràpida a Internet, cerca de 113000 llocs van ser trobats, tots ells relacionats amb productes de processos de fermentació. El camp daplicació de la bioenginyeria avarca des dels tradicionals processos de fermentació de vi fins a lindustrialització de no solament la producció de cervesa, formatge i llet; sinó també de noves productes biotecnològics com són els antibiòtics, enzims, hormones, vitamines, sucres i àcids orgànics. Des de temps remots els microorganismes van ser utilitzats per lhome en la producció daliments bàsics, com el pa o el formatge. Lart de fer vi a passat de pares a fills des dl antic Egipte. Només fins a finals del segle XIX, gràcies als estudis del químic i microbiòleg Louis Pasteur, va nàixer la biotecnologia com a ciència. La definició moderna de biotecnologia, segons la OCDE, és laplicació de la ciència i la tecnologia tant als organismes vius com a les seves parts, productes i models dells, amb el propòsit de modificar tant la matèria viva com la no viva amb lobjecte de produir coneixements, bens i serveis. Un procés de fermentació és un procés químic que fa servir microorganismes per a obtenir un producte en particular, aprofitant la selectivitat dels microorganismes per a produir un determinat compost. Els processos de fermentació es realitzen en un bioreactor. Un bioreactor és un vaixell on els microorganismes són cultivats de forma controlada i/o matèria primera és convertida o transformada per reacciones biològiques. En una fermentació, es necessita un adequat control de totes les variables de procés, per tal que qualsevol canvi inesperat en el valor dalguna de elles pot afectar el desenvolupament de els microorganismes i en conseqüència disminuir la productivitat del bioreactor. El principal objectiu de controlar un procés de fermentació, és maximitzar la producció de microorganismes o altres compostos metabòlics. Recents avanços en enginyeria genètica han augmentat la importància de ladequat control dels processos biotecnològics. Lús de cèl·lules de mamífers o microorganismes en la producció de molècules complexes necessita de lanàlisi i el control de totes las variables de procés, tal com temperatura, concentració doxigen i pH. El present treball es centra en laplicació de xarxes neuronals artificials en les àrees de modelat, identificació, control i optimització de processos biotecnològics, principalment en bioreactors de tipus fed-batch. Un bioreactor fed-batch es fa servir quan la producció dun determinat compost dinterès, és inhibida per lalta concentració de substrat. En un procés fed-batch, la fermentació comença amb un volum, concentració de microorganismes i substrat determinats i a mida que transcorre el procés de fermentació, el substracte sagrega poc a poc, fins que el bioreactor és ple. En aquell treball les idees i tècniques utilitzades per las xarxes neuronals artificials són presentades amb la notació familiar per a un enginyer de control. Diferents estructures de xarxes neuronals artificials i la seva possible aplicació a diferents sistemes de control van ser resumides. També shan presentat alguns processos de fermentació fed-batch. Aquests processos es fan servir per il·lustrar casos específics de problemes de control. Específicament, un model no lineal i multivariable dun bioreactor es fa servir per il·lustrar les tècniques de control basades en el model del procés. Un model per a la producció de invertasa a través del llevat Saccharomyces cerevisiae es fa servir per il·lustrar les tècniques doptimització i control. Dins les tècniques de control basades en el model del procés, es va a implementar un model directe i un invers de la fermentació multivariable. Els dos models, basats en xarxes neuronals artificials, consideren efectes biològics, tèrmics i de pH. Multilayer perceptron i Radial Basis Function són las xarxes neuronals que es van a fer servir per a la construcció dambdós models. Per il·lustrar la fiabilitat daquests models, diferent proves van ser realitzades. El model directe del processo de fermentació, basat en xarxes neuronals, va ser provat quan el procés opera en estat estacionari, en estat dinàmic i quan una perturbació en làcid causa que el pH del procés sigui un altre. El model invers del procés de fermentació també va ser provat fent canvis aleatoris del punt de consigna. Larquitectura Radial Basis Function va a ser el millor model directe que es va a trobar. Pel model invers del procés de fermentació, es va a trobar que la millor arquitectura es la Multilayer Perceptron 11-7-1, que va ser entrenada amb informació dels estats estacionaris del procés. Per una altre banda, per a loptimització de la producció de invertasa es necessita trobar el perfil dalimentació òptim, de manera que la productivitat del bioreactor sigui màxima i el temps de fermentació sigui mínim. Aquest doble objectiu de optimització constitueix una novetat i no ha estat obtingut per altres mètodes doptimització prèviament publicats. Lobjectiu del controlador és trobar a cada instant de temps lacció òptima de control, és dir, cada vegada trobar quin és el flux dalimentació correcte per complir el doble objecte de loptimització. Aquest treball va fer servir la programació dinàmic neuronal (NDP) amb lobjectiu de implementar aquell controlador. Aquesta tècnica fa servir xarxes multilayer perceptron o fuzzy ARTMAP. Aquest mètode doptimització utilitza perfils dalimentació subòptimes com a suposició inicial. A través della, una xarxa neuronal es utilitzada per construir la superfície de costos en lespai dels estats del procés. Aquesta superfície de costos es millora a través de la iteració de Bellman. Una vegada obtinguda una bona aproximació a la superfície de costos òptima, aquesta es implementada en un sistema de control que fa ús de lequació de Bellman. Aquest controlador és provat dins diferentes condiciones doperació del procés de fermentació, específicament quan la fermentació comença amb diferents volums inicials. Sha trobat que la metodologia emprada és millor que altres mètodes de optimització ja que es pot utilitzar en altres processos de fermentació sense la necessitat de fer una optimització on-line. Les trajectòries òptimes trobades pel controlador son similars a la trajectòria seguida pel millor dels perfils subòptims. Amb Multilayer Perceptron- NDP shan obtingut els millores rendiments, però la trajectòria de variable manipulada és força abrupta. Amb Fuzzy ARTMAP-NDP no es presenta aquest problema. El controlador que implementa fuzzy ARTMAP-NDP és provat també quan es presenta un canvi brusc en la concentració de cèl·lules. El 50% moren. En aquell cas el desenvolupament del controlador és millor que el rendiment de la fermentació quan el millor dels perfils dalimentació subòptimes es fan servir. Per últim es pot dir que la integració de lenginyeria de control amb les xarxes neuronals és un camí a seguir per futures línees dinvestigació. Las xarxes neuronals artificials poden, amb èxit, fer-se servir en el control de bioreactors fed-batch.
This document abstract is also available in English and Spanish.
Document Full Text
The full text for this document is available in English.
Bibliographical Information:

Advisor:Giralt Prat, Francesc; Giralt Marce, Jaume

School:Universitat Rovira i Virgili

School Location:Spain

Source Type:Master's Thesis

Keywords:departament d enginyeria química

ISBN:

Date of Publication:12/16/2002

© 2009 OpenThesis.org. All Rights Reserved.