海洋生物酶发酵溶解氧Fuzzy.docx

海洋生物酶发酵溶解氧Fuzzygengwt导语：本文提出了采用模糊PID策略，配合可编程逻辑控制器实现海洋生物酶溶解氧的准确控制。1引言海洋生物酶发酵自动控制系统，是中国水产科学研究院黄海水产研究所承当的国家“九五863方案工程海洋生物酶示范工程的配套电气控制系统。海洋生物酶是采用我国海洋产酶微生物的代谢产物，运用当代生物工程手段开发出的一种新型酶制剂产品，与传统酶制剂相比具有更为广阔的应用领域和市场前景。海洋生物酶发酵自动控制系统是海洋生物酶产业化进程的重要载体，它将当代工业自动化技术与传统生物发酵技术相结合以实现海洋生物酶发酵经过的自动优化控制。在发酵经过中收集溶解氧浓度数据并对其进展自动控制是海洋生物酶示范工程中的难点，必须根据生物发酵和溶解氧控制的特点，结合现场发酵设备和先进工控技术，实现溶解氧浓度的自动优化控制。2海洋生物酶发酵溶解氧自动控制策略2.1海洋生物酶发酵溶解氧的特性要实现海洋生物酶发酵溶解氧浓度的自动优化控制，必须首先理解生物酶发酵和发酵溶解氧浓度控制的特点。在发酵经过中，微生物以培养液为依托，经历着生长、繁殖和死亡等一系列的变化。本文所研究的海洋微生物其生长阶段可分为：延迟期、对数生长期、平稳期和衰亡期四个阶段，生物酶菌在这四个阶段中的耗氧情况也不尽一样，也就是讲发酵经过中溶解氧浓度的最优值非恒定。发酵溶解氧浓度的变化既受到自身特性的制约，又受到四周发酵环境的影响。海洋生物酶发酵溶解氧具有大滞后、非线性和时变性的特点，影响溶解氧浓度的因素很多，比方发酵罐的构造型式、外表张力、培养液的粘度和搅拌方式等，这些都是发酵系统固有的、无法改变的因素，另外无菌空气的流量、搅拌转速、发酵温度和罐内压力也是直接影响溶解氧浓度的重要因素。我们无法简单地通过控制某单一参数完成对溶解氧浓度的优化控制，必须综合考虑各种因素。海洋生物酶发酵所允许的溶解氧浓度范围为6mg/L，12mg/L，浓度过高或者过低都将对微生物的活性和酶制剂产品的品质造成严重影响。2.2海洋生物酶发酵溶解氧自动控制策略讨论海洋生物酶发酵溶解氧浓度的控制是一个复杂的非线性经过，受到众多因素的共同影响，本课题从无菌空气的流量、搅拌转速、发酵温度和罐内压力等工艺参数出发，讨论实现溶解氧浓度优化控制的策略和方法。Smith预估补偿法控制是解决工业纯滞后问题的有效方法，但它过分地依靠被控对象的准确数学模型，而发酵溶解氧浓度由于其自身的特点目前还无法得出准确的数学模型。传统数字PID控制算法简单、鲁棒性好、可靠性高，被广泛应用于工业经过中的模拟控制系统，但对于具有大滞后、非线性和时变性特点的系统，数字PID控制适应性较差，易出现参数整定不良、超调量大等现象。Fuzzy控制有效的避开了被控对象的数学模型，以专家知识和操纵人员经历为根底制定控制规那么，实现复杂系统的控制。Fuzzy控制的鲁棒性较好，对纯滞后及被控对象参数的变化不敏感，但因控制规那么粗糙而轻易产生稳态误差。针对海洋生物酶发酵自身的特点，我们采用Fuzzy-PID复合控制系统对发酵溶解氧浓度进展准确调节，主要控制思想如下：当发酵溶解氧浓度偏向较大时采用Fuzzy控制，以加快系统响应速度；当偏向较小时，系统自动切换到数字PID控制，消除静态误差以进步控制精度，控制方式的切换由PLC程序根据设定的偏向阈值自动实现，以获得良好的控制效果和系统稳定性。该发酵溶解氧浓度Fuzzy-PID复合控制系统原理如图1所示。在该Fuzzy-PID控制系统中，发酵溶解氧浓度信号来自DO电极，经DO变送器将420mA信号传送至PLC。图1虚线框内为该控制系统的关键，包括两种控制方式的切换及各自控制算法基于PLC的实现，这也是本文要重点讨论的内容。图1海洋生物酶发酵溶解氧Fuzzy-PID控制系统原理图3发酵溶解氧Fuzzy-PID控制系统的构建3.1发酵经过溶解氧控制变量的选择要实现发酵溶解氧浓度的自动优化控制，首先必须解决控制变量选择的问题。通过分析可知，海洋生物酶发酵溶解氧浓度的控制是一个复杂的非线性经过，受到众多因素的共同影响：有些因素是系统固有的，比方发酵罐的构造型式、外表张力等；有些因素是难以实现控制的，比方培养基的粘度和搅拌方式等；而实际发酵经过中真正可以用作控制溶解氧的变量只有：无菌空气的流量、搅拌转速、发酵罐温度和罐内压力等四个变量。对海洋生物酶发酵经过而言，温度是关系到微生物生长和产物生成的关键因素之一，是根据黄海水产研究所中试试验消费的经历给定的29±0.5，近似为恒定值，不可以把它作为一个控制变量。对于罐压，罐压为零时可能造成染菌，因此发酵罐需要维持一定的正压。增大压力可以增加氧在培养液中的溶解度，有利于菌的生长及海洋生物酶的合成，但是二氧化碳在水中的溶解度比氧大30倍，罐压增大，二氧化碳的溶解度也增加，进而可能会造成菌体的窒息死亡，因此罐压不宜过高。罐压一般稳定在0.040.06MPa之间，也就是讲罐压也不适宜作为控制变量。搅拌转速可以作为一个控制变量，但对搅拌转速有一定的要求：搅拌转速不可过高，否那么将会打断菌丝；搅拌转速也不能过低，由于搅拌除了可以增加溶解氧之外，还具有维系发酵液物系均匀混合的作用。对于无菌空气流量而言，它也可以作为一个控制变量，但对它也需要作上下限的限制：通气量不能太大，否那么将会产生太多泡沫，造成发酵液的逸出并大大增加染菌的时机；通气量也不能太小，发酵液中的大量气泡随着微生物的呼吸会有大量的二氧化碳的产生，假如不及时地把这些气泡带走将会造成菌体的二氧化碳中毒。综上所述，系统选取无菌空气流量和搅拌转速作为溶解氧浓度控制的控制变量，通过对无菌空气通气量和搅拌转速的调节间接优化控制海洋生物酶发酵溶解氧浓度。3.2发酵溶解氧PID控制器的构建发酵溶解氧PID控制器的系统构成如图2所示，转速PID控制器和空气流量PID控制器各自独立运行，但均以溶解氧浓度为最终控制对象：转速PID控制器通过调节搅拌电机转速实现对溶解氧浓度的调节；空气流量PID控制器通过改变无菌空气的流量到达调节溶解氧浓度的目的。发酵溶解氧PID控制器主要应用在溶解氧浓度偏向小于阈值的情况下，可以在设定值附近实现准确控制，且稳定性较好，超调量较小。转速PID控制器和空气流量PID控制器的构建及其基于PLC的实现方法与发酵温度PID控制器类似。图2发酵溶解氧PID控制器的系统构成3.3发酵溶解氧Fuzzy控制器的构建发酵溶解氧Fuzzy控制器同样将搅拌转速和无菌空气流量作为控制变量，以模糊控制算法为根底，通过控制搅拌电机和电动调节阀实现发酵溶解氧浓度的自动优化控制。从整体上看该发酵溶解氧控制系统属于二维输入二维输出模糊控制系统，而搅拌电机转速和无菌空气流量这两个参数相对独立，二者之间不存在明显的耦合关系，因此可将模糊控制算法分别单独应用于转速控制和空气流量控制。发酵溶解氧Fuzzy控制器系统构成如图3所示。下面将以无菌空气流量为对象讨论Fuzzy控制器的构建方法，转速Fuzzy控制器与此类似。图3发酵溶解氧Fuzzy控制器系统构成模糊控制器的构造模糊控制的根底是模糊集公道论的模糊逻辑，是用模糊逻辑来模拟人的思维，对那些非线性、时变的复杂系统以及无法建立数学模型的系统进展控制。模糊控制器是模糊控制系统的核心，主要由四大局部组成：模糊化接口、知识库、模糊逻辑推理机和解模糊接口，其根本原理如图4所示。图4模糊控制根本原理框图在设计模糊控制器时，首先应根据被控对象的详细情况和系统的性能指标要求进展控制器的构造选型。由于模糊控制器的控制规那么是根据专家知识或者操纵经历得出的，而实际操纵时只能观察到被控对象的输出变量及其变化情况，因此，在模糊控制器中，经常选取误差和误差的变化率作为二维输入变量，而把系统控制量作为模糊控制器的输出变量，这样就确定了二维模糊控制器的构造。发酵溶解氧浓度二维模糊控制器的设计在模糊控制系统中，模糊控制器是整个控制系统的核心，它的硬件构造和普通数字控制器一样，因此模糊控制系统设计的本质就是编写模糊控制算法。当设计一个模糊控制器时，并不需要像设计数字控制器时那样，必须知道被控对象的准确数学模型，而是根据模糊控制原理按以下步骤设计模糊控制器：A.确定模糊控制器的输入变量和输出变量；B.设计模糊控制器的控制规那么；C.确立模糊化和解模糊的方法；D.选择模糊控制器的输入变量及输出变量的论域，并确定模糊控制器的参数如量化因子、比例因子等；E.设计模糊控制算法应用程序海洋生物酶发酵溶解氧Fuzzy控制采用二维模糊控制器，将发酵溶解氧浓度偏向及其偏向变化率作为该控制器的二维输入变量，其系统构造以无菌空气流量为控制变量如图5所示：西门子PLC的模拟输入、输出模块完成A/D、D/A的转换工作；计算控制变量和模糊控制器的实现工作由PLC程序完成；执行机构、被控对象和传感器分别为电动调节阀、发酵罐无菌空气流量和DO电极变送器，也就是讲通过改变无菌空气的流量来调节溶解氧浓度。图5海洋生物酶发酵溶解氧Fuzzy控制无菌空气流量原理图A模糊控制器准确量的模糊化处理溶解氧二维模糊控制器的输入量为溶解氧浓度偏向及其偏向变化率，首先需要对其进展尺度变换，将测量变量转换成离散论域中的量值。3.1由式3.1可知，一旦量化因子选定，系统的任何偏向ei总可以量化为论域X上的某一元素假设为小数，那么四舍五入为整数值；假设超出根本论域，那么将其量化为-n或者n。同样，可得到偏向变化率的量化因子定义如下：3.2在发酵溶解氧模糊控制器中，溶解氧浓度偏向的根本论域为-15mg/L，15mg/L将-3mg/L，3mg/L扩大5倍，以进步系统的灵敏度，偏向变化率的根本论域为-0.8mg/Ls，0.8mg/Ls；取n=6，E和EC的论域分别取为X=-6，-5，-4，-3，-2，-1，-0，+0，+1，+2，+3，+4，+5，+6和Y=-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6，由式3.1、式3.2可得：图6正态分布型隶属函数曲线对于溶解氧浓度偏向变量，选用“正大PB、正中PM、正小PS、正零PO、负零NO，负小NS、负中NM和负大NB等8个语言变量值E分档，即NB，NM，NS，NO，PO，PS，PM，PB，溶解氧偏向变化率选用NB，NM，NS，O，PS，PM，PB7个语言变量值EC分档；隶属函数均采用正态函数如图6所示，并根据海洋生物酶发酵溶解氧的相关特性和消费经历进展修正得到如表1、表2所示的语言变量赋值表。发酵溶解氧模糊控制器的输出量为控制电动调节阀开度的信号u4mA，20mA，在此表1语言变量E赋值表表2语言变量EC赋值表将其线性变换得到其根本论域为-8mA，8mA，输出语言变量为U。基于以上编制语言变量E、EC赋值表的原理，可选定U的论域Z=-7，-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6，+7，选取其语言值为NB，NM，NS，O，PS，PM，PB。通过海洋生物酶发酵的理论经历总结，在确定其隶属函数选为正态函数并进展修正的根底上，建立如表3所示的语言变量U赋值表。表3语言变量U赋值表B基于手动控制策略的模糊控制规那么表根据海洋生物酶发酵手动控制的经历数据，可总结出8×7=56条由模糊语句构成的控制规那么，这些控制规那么对于双输入E和EC、单输出U的模糊控制器，通常采用以下形式：ifEandECthenU详细到发酵溶解氧模糊控制中，那么表示为：ifE=PBandEC=PBthenU=PB此模糊语句代表了发酵操纵者这样的经历：发酵溶解氧浓度很低偏向大于零且具有很大的下降趋势，此时电动调节阀的开度应取最大值，即迅速增大无菌空气流量。根据手动控制发酵经过的经历可将56条类似的模糊语句即控制规那么制成溶解氧浓度模糊控制规那么表，如表4所示。表4中的每一条规那么均决定一个模糊关系，共有56个。其中表4溶解氧浓度模糊控制规那么表C溶解氧模糊控制查询表根据上述阐述计算出总的模糊关系R后，利用推理合成规那么公式3.4进展计算。3.4通过E和EC的所有元素E为14个，EC为13个在其所对应的论域上的独立点模糊集和，便可求得输出语言变量U的模糊子集，共有14×13=182个模糊子集合，采用最大隶属度法对该模糊集合进展模糊判决，并以溶解氧浓度偏向变化率EC的论域元素为行，偏向E的论域元素为列，两元素相应的交点为输出量U，制成溶解氧浓度模糊控制查询表根据实际情况已进展修正，如表5所示。最大隶属度法是模糊控制器中实现明晰化的常用算法，在经过推理所得的模糊集合中选取隶属度最大的元素作为明晰量。表5溶解氧浓度模糊控制查询表D模糊控制器输出量U的转换溶解氧浓度模糊控制查询表中的U值不能直接用来控制电动调节阀，需将其对应变换为420mA的电流信号u。模糊控制器输出量U的论域Z=-7，-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6，+7，通过尺度变换用比例因子进展变换得到对应输出量的根本论域为-8mA，8mA，再转化为420mA的实际电流信号。比例因子定义如下：3.5可得在该系统中，这样就可以得到控制电动调节阀动作的实际电流值u。4发酵溶解氧Fuzzy-PID控制基于PLC的实现4.1PLC程序控制算法流程针对海洋生物酶发酵自身的特点，我们采用Fuzzy-PID复合控制系统对发酵溶解氧浓度进展准确调节：当发酵溶解氧浓度偏向|e|3.0mg/L时，系统输出u取最大值，即电磁阀全开或者全闭；当0.3mg/L|e|3.0mg/L时采用Fuzzy控制，以加快系统响应；当|e|0.3mg/L时，系统将自动切换至数字PID控制方式，消除静态误差以进步控制精度，控制方式的切换由PLC程序根据设定的偏向阈值自动实现，以获得良好的控制效果和系统稳定性，发酵溶解氧Fuzzy-PID控制的PLC程序流程如图7所示。图7发酵溶解氧Fuzzy-PID程序流程图Fuzzy控制子程序的实现是海洋生物酶发酵溶解氧Fuzzy-PID控制器的关键局部，本文将对其基于西门子PLC的程序流程及实现方法作具体讨论。根据溶解氧浓度二维模糊控制器的构建步骤，可得出如图8所示基于PLC的溶解氧浓度Fuzzy控制算法流程图。4.2溶解氧Fuzzy控制在STEP7中的实现由图8可知，溶解氧浓度Fuzzy控制在STEP7中的实现主要包括以下五个步骤：将量化因子ke、ke和比例因子ku存放到位存储器M中；采样时间到达时，计算实时偏向e和偏向变化率e；将e和e量化到模糊论域中，得到其离散值E和EC；根据E、EC和溶解氧浓度模糊控制查询表得到控制输出量U；U值乘以ku并经线性变换得到实际输出u。其中，第是模糊控制功能实现的关键。将e和e量化到模糊论域中，得到其离散值E和EC。溶解氧浓度偏向e和偏向变化率e的根本论域分别为：-15mg/L，15mg/L将-3mg/L，3mg/L扩大5倍和-0.8mg/Ls，0.8mg/Ls；E和EC的论域分别为X=-6，-5，-4，-3，-2，-1，-0，+0，+1，+2，+3，+4，+5，+6和Y=-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6。图8海洋生物酶发酵溶解氧Fuzzy控制算法流程图图9溶解氧偏向e量化处理的PLC程序其中，溶解氧偏向e的实际值存放在DB1.DBD20中，经量化处理后的E值存放在DB1.DBD32中，同理可得到量化处理后的EC值存放在DB1.DBD40中。在图9中，ROUND指令为取整操纵，即取最接近的整数值。根据E、EC和溶解氧浓度模糊控制查询表得到控制输出量U溶解氧浓度模糊控制查询表在PLC程序中的实现是整个模糊控制PLC程序的重点，为此系统采用PLC的间接寻址功能实现该表格的存储和查询。系统在STEP7中建立分享数据块DB5以存放溶解氧浓度模糊控制查询表。表5中的14×13=182个控制输出量U值按先行后列、从左到右的顺序依次存放在DB5中，并设置其变量初始值。该182个控制输出量U值的PLC地址为：DB5.DBD0DB5.DBD724，每个U值占用一个双字的存储空间。这样，表5中的控制输出U值就与数据块DB5中的PLC地址相对应：表5中的第a行、第b列的U值在DB5中的位置y顺序号可由以下公式得出：根据表5和式3.8可得到如图11所示溶解氧浓度模糊控制查询表的PLC程序。其中，控制输出量U的PLC地址存放在位存储器MD62中，U值存放在MD66中。控制输出量U值乘以比例因子ku，并经线性变换得到实际输出u420mA，以实现对电动调节阀开度的控制。图11溶解氧浓度模糊控制器查询表在STEP7中的实现在发酵溶解氧浓度稳定设定值与实际值均为8.4mg/L的前提下，将其设定值修改为8.0mg/L，此时浓度偏向大于0.3mg/L。系统首先采用Fuzzy控制方法进步动态响应速度将溶解氧浓度偏向调节至0.3mg/L，而后转为PID控制以进步控制精度。调试经过中的一组溶解氧浓度响应数据如表6示，根据该表格可在MATLAB中采用“描点连线法作出如图12所示的溶解氧浓度调试响应曲线。表6溶解氧浓度Fuzzy-PID控制调试数据表格图12发酵溶解氧浓度Fuzzy-PID控制响应曲线由图12及发酵PID控制经历可知，相对于传统数字PID控制，Fuzzy-PID控制方法在调节海洋生物酶发酵溶解氧浓度时更具上风，系统的动态响应速度明显进步，稳态误差较小，溶解氧浓度的控制可以知足海洋微生物的生长需要，进一步进步了其活性和酶制剂产品的品质。这样，系统就实现了通过调节无菌空气流量来控制发酵溶解氧浓度的目的。根据以上阐述，也可得到搅拌转速的模糊PID控制策略及其基于PLC程序的实现方法。5完毕语发酵溶解氧浓度的控制采用了模糊PID控制技术，将模糊控制和传统的数字PID控制相结合以优化溶解氧浓度的自动控制。将Fuzzy-PID控制方法引入到发酵经过溶解氧浓度自动控制中，系统获得了较好的控制效果，海洋生物酶制剂产品的活性接近黄海水产研究所的中试试验结果，进而大大降低了发酵消费对工作人员操纵经历的依靠，进步了海洋生物酶发酵自动控制系统的自动化程度和消费效率。0