一類微生物間歇發(fā)酵過程的參數(shù)辨識(shí)

徐恭賢，譚雯心，王佳星

(渤海大學(xué) 數(shù)理學(xué)院，遼寧 錦州 121013)

?

一類微生物間歇發(fā)酵過程的參數(shù)辨識(shí)

徐恭賢，譚雯心，王佳星

(渤海大學(xué) 數(shù)理學(xué)院，遼寧 錦州 121013)

針對(duì)甘油間歇發(fā)酵過程的參數(shù)辨識(shí)問題，首先建立了以各代謝物的濃度誤差與斜率誤差之和為目標(biāo)函數(shù)的參數(shù)辨識(shí)動(dòng)態(tài)優(yōu)化模型，然后將其近似轉(zhuǎn)化為靜態(tài)非線性規(guī)劃問題，最后應(yīng)用遺傳算法求解上述得到的非線性優(yōu)化問題，并與已有文獻(xiàn)進(jìn)行了結(jié)果比較分析。

參數(shù)辨識(shí)；間歇發(fā)酵過程；優(yōu)化模型；遺傳算法

1，3-丙二醇具有廣泛的應(yīng)用領(lǐng)域，如聚合材料的單體、化妝品、潤(rùn)滑劑、醫(yī)藥等。1，3-丙二醇的生物合成尤其在工業(yè)領(lǐng)域有潛在價(jià)值，這主要是因?yàn)?，3-丙二醇成本低且無污染[1-3]。近年來，國(guó)內(nèi)外專家學(xué)者對(duì)微生物發(fā)酵法生產(chǎn)1，3-丙二醇過程的數(shù)學(xué)建模、非線性分析、參數(shù)辨識(shí)、過程優(yōu)化與過程控制等方面進(jìn)行了廣泛研究，取得了一系列成果[4-16]。例如，修志龍等[4]對(duì)過量動(dòng)力學(xué)模型進(jìn)行了修改，定性地描述了實(shí)驗(yàn)中的多態(tài)現(xiàn)象。Sun等[5]基于前人工作，建立了甘油生物歧化為1，3-丙二醇過程的還原途徑酶催化動(dòng)力學(xué)。Chen等[6]研究了一種轉(zhuǎn)基因克雷伯氏桿菌發(fā)酵生產(chǎn)1，3-丙二醇的代謝途徑。文獻(xiàn)[7-11]研究了間歇發(fā)酵、連續(xù)發(fā)酵和批式流加發(fā)酵等甘油生物歧化過程的參數(shù)辨識(shí)問題。針對(duì)生物過程的不確定性問題，Xu等[12]應(yīng)用H∞控制方法，設(shè)計(jì)了一個(gè)使甘油連續(xù)生物歧化過程在產(chǎn)物1，3-丙二醇體積產(chǎn)率最大的、最優(yōu)穩(wěn)態(tài)附近工作的魯棒控制器。Zhu等[13]應(yīng)用μ分析工具，設(shè)計(jì)了一個(gè)可用于甘油連續(xù)生物歧化為1，3-丙二醇過程的魯棒控制器。Xu等[14]提出了一種可用于甘油連續(xù)生物歧化過程在有對(duì)象/模型不匹配和有輸入約束條件下的在線迭代穩(wěn)態(tài)優(yōu)化控制策略。Xu等[15]研究了甘油連續(xù)生物歧化過程的多目標(biāo)優(yōu)化。

本文針對(duì)甘油間歇發(fā)酵生產(chǎn)1，3-丙二醇過程的參數(shù)辨識(shí)問題，建立了與其特點(diǎn)相適應(yīng)的參數(shù)辨識(shí)優(yōu)化模型，并為其設(shè)計(jì)了有效的求解方法，取得了較好的應(yīng)用效果。

1　甘油間歇發(fā)酵過程

甘油間歇發(fā)酵生產(chǎn)1，3-丙二醇過程的物料平衡可由下列方程式計(jì)算[4]：

(1)

(2)

(3)

(4)

(5)

其中：t為發(fā)酵時(shí)間(h)；X為生物量(g/L)；CS為甘油濃度(mmol/L)；CPD、CHAc和CEtOH分別為產(chǎn)物1，3-丙二醇、乙酸和乙醇的濃度(mmol/L)；μ、qS、qPD、qHAc、qEtOH分別為細(xì)胞比生長(zhǎng)速率、甘油比消耗速率、產(chǎn)物1，3-丙二醇、乙酸和乙醇的比生成速率(mmol/(g·h))，其動(dòng)力學(xué)方程由式(6)～式(10)給出：

(6)

(7)

(8)

(9)

(10)

2　甘油間歇發(fā)酵的參數(shù)辨識(shí)模型

(11)

然后以各代謝物的濃度誤差與斜率誤差之和為目標(biāo)函數(shù)，建立了如下甘油間歇發(fā)酵過程的參數(shù)辨識(shí)優(yōu)化模型：

(12)

(13)

μ(x,p)≥0

(14)

qS(x,p)≥0

(15)

qPD(x,p)≥0

(16)

qHAc(x,p)≥0

(17)

qEtOH(x,p)≥0

(18)

(19)

3　參數(shù)辨識(shí)模型的求解方法

為了有效求解參數(shù)辨識(shí)問題(12)～(19)，本文首先利用修正配置法[17]將式(13)近似表示為如下代數(shù)方程：

xi(tj)=xei(tj-1)+0.5(tj-tj-1)·

(fi(xe(tj),p)+fi(xe(tj-1),p))，

i=1,2,…,5,j=1,2,…,Ns

(20)

則可將式(12)～(19)轉(zhuǎn)化為如下非線性規(guī)劃問題：

(21)

s.t.xi(tj)=xei(tj-1)+0.5(tj-tj-1)·

(fi(xe(tj),p) +fi(xe(tj-1),p)),

i=1,2,…,5,j=1,2,…,Ns

(22)

μ(x,p)≥0

(23)

qS(x,p)≥0

(24)

qPD(x,p)≥0

(25)

qHAc(x,p)≥0

(26)

qEtOH(x,p)≥0

(27)

(28)

式(21)～(28)可進(jìn)一步化為如下只含變量上下界約束的形式：

(29)

(30)

其中：ρ>0為罰系數(shù)；zi(x,p)(i=1,2,…,5)具有如下形式：

zi(x,p)=xi(tj)-xei(tj-1)-

0.5(tj-tj-1)(fi(xe(tj),p)+

fi(xe(tj-1),p)),

i=1,2,…,5;j=1,2,…,Ns

然后由下式求得點(diǎn)t1+rl(r=0,1,2,…,NK-2) 處的斜率(記為dis，s=1,2,…,NK)：

(31)

其中：

ei=(di1,di2,…,diNK,xi(t1))T

xei=(xei(t1),xei(t2),…,xei(tNs))T

這里的A和e是對(duì)

進(jìn)行數(shù)值積分

后得到的，即A=(Ajs)Ns×NK，e是元素為1的列向量。

4　結(jié)果與分析

本文應(yīng)用Matlab軟件中的遺傳算法求解優(yōu)化問題(29)～(30)，各參數(shù)設(shè)置如下：遺傳算法中的參數(shù)取默認(rèn)值；罰系數(shù)ρ取值為108。表1給出了參數(shù)pk(k=1,2,…,16)的下界和上界。

表2為本文辨識(shí)方法獲得的最優(yōu)參數(shù)。表3給出了本文辨識(shí)方法與已有文獻(xiàn)[19]的結(jié)果比較。從表中可以看出：本文方法的各代謝物的濃度誤差與斜率誤差之和比文獻(xiàn)[19]小，約為文獻(xiàn)[19]誤差值的50.81%，這說明本文方法的參數(shù)辨識(shí)結(jié)果要好于文獻(xiàn)[19]。

圖1給出了本文辨識(shí)方法得到的主要產(chǎn)物 1，3-丙二醇的計(jì)算值與實(shí)驗(yàn)數(shù)據(jù)之間的比較，從圖中可以看出，計(jì)算值與實(shí)驗(yàn)值吻合性較好。

表1　參數(shù)的下界和上界

表2　最優(yōu)參數(shù)值

表3　與已有文獻(xiàn)的結(jié)果比較

圖1　主要產(chǎn)物1，3-丙二醇的計(jì)算值與實(shí)驗(yàn)數(shù)據(jù)的比較

5　結(jié)束語

本文針對(duì)甘油間歇發(fā)酵生產(chǎn)1，3-丙二醇過程的參數(shù)辨識(shí)問題，建立了與其特點(diǎn)相適應(yīng)的參數(shù)辨識(shí)優(yōu)化模型，并為其設(shè)計(jì)了有效的求解方法。與已有的參數(shù)辨識(shí)結(jié)果相比，采用本文方法得到了較小的代謝物濃度誤差與斜率誤差之和，相比原誤差值降低了49.19%。

[1]ZENG A P，BIEBL H.Bulk chemicals from biotechnology:the case of 1，3-propanediol production and the new trends[J].Advances in Biochemical Engineering Biotechnology，2002，74:239-259.

[2]陳堅(jiān)，劉龍.多級(jí)生物加工系統(tǒng)優(yōu)化原理與技術(shù)[M].北京:化學(xué)工業(yè)出版社，2013.

[3]徐恭賢，邵誠(chéng)，錢偉懿.非線性生化過程的優(yōu)化和控制[M].北京:科學(xué)出版社，2015.

[4]修志龍，曾安平，安利佳.甘油生物歧化過程動(dòng)力學(xué)數(shù)學(xué)模擬和多穩(wěn)態(tài)研究[J].大連理工大學(xué)學(xué)報(bào)，2000，40(4):428-433.

[5]SUN Y Q，QI W T，TENG H，et al.Mathematical modeling of glycerol fermentation by Klebsiella pneumoniae:Concerning enzyme-catalytic reductive pathway and transport of glycerol and 1，3-propanediol across cell membrane[J].Biochemical Engineering Journal，2008，38(1):22-32.

[6]CHEN Z，LIU H J，LIU D H.Metabolic pathway analysis of 1，3-propanediol production with a genetically modified Klebsiella pneumoniae by overexpressing an endogenous NADPH dependent alcohol dehydrogenase[J].Biochemical Engineering Journal，2011，54(3):151-157.

[7]YUAN J L，ZHU X，ZHANG X，et al.Robust identification of enzymatic nonlinear dynamical systems for 1，3-propanediol transport mechanisms in microbial batch culture[J].Applied Mathematics and Computation，2014，232:150-163.

[8]SHEN B Y，LIU C Y，YE J X，et al.Parameter identification and optimization algorithm in microbial continuous culture[J].Applied Mathematical Modelling，2012，36(2):585-595.

[9]GAO K K，ZHANG X，F(xiàn)ENG E M，et al.Sensitivity analysis and parameter identification of nonlinear hybrid systems for glycerol transport mechanisms in continuous culture[J].Journal of Theoretical Biology，2014，347:137-143.

[10]沈蘭，李丹，胡昌華,等.抗煙草青枯菌菌株的分離、鑒定和發(fā)酵條件研究[J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014(10):64-69.

[11]王麗，郝友進(jìn)，何正波,等.高效溶栓菌株的篩選鑒定及發(fā)酵條件優(yōu)化[J].重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，30(3)：121-126.

[12]XU G X，SHAO C，XIU Z L.H∞control of bio-dissimilation process of glycerol to 1，3-propanediol[J].Acta Automatica Sinica，2006，32(1):112-119.

[13]ZHU X，YUAN J L，WANG X Y，et al.μ-synthesis of dissimilation process of glycerol to 1，3-propanediol in microbial continuous culture[J].World Journal of Microbiology and Biotechnology，2014，30(2):767-775.

[14]XU G X，SHAO C，XIU Z L.Optimizing control of dissimilation process of glycerol to 1，3-propanediol[J].Chinese Journal of Chemical Engineering，2008，16(1):128-134.

[15]XU G X，LIU Y，GAO Q W.Multi-objective optimization of a continuous bio-dissimilation process of glycerol to 1，3-propanediol[J].Journal of Biotechnology，2016，219:59-71.

[16]劉中利.白酒釀造發(fā)酵中基于智能策略的溫度優(yōu)化控制[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2014(7):92-96.

[17]TSAI K Y，WANG F S.Evolutionary optimization with data collocation for reverse engineering of biological networks[J].Bioinformatics，2005，21(7):1180-1188.

[18]LUBANSKY A S，YEOW Y L，LEONG Y K，et al.A general method of computing the derivative of experimental data[J].AIChE Journal，2006，52(1):323-332.

[19]王明美.甘油間歇生物歧化過程的參數(shù)辨識(shí)[D].錦州：渤海大學(xué)，2015.

(責(zé)任編輯楊文青)

Parameter Identification for a Class of Microbial Batch Fermentation Process

XU Gong-xian, TAN Wen-xin, WANG Jia-xing

(College of Mathematics and Physics, Bohai University, Jinzhou 121013, China)

A dynamic optimization model for parameter identification of batch fermentation process of glycerol was first established. Its objective function is the sum of the least-square error and slop error of all metabolite concentrations. Then the proposed dynamic optimization model was transformed into a static nonlinear programming problem. Finally, a genetic algorithm was applied to solve the obtained nonlinear optimization problem. A comparation between the attained and exiting results was presented.

parameter identification; batch fermentation process; optimization model; genetic algorithm

2016-05-20

國(guó)家自然科學(xué)基金項(xiàng)目(11101051, 11371071); 遼寧省自然科學(xué)基金項(xiàng)目(2015020038); 遼寧省高等學(xué)校創(chuàng)新團(tuán)隊(duì)支持計(jì)劃項(xiàng)目(LT2014024)；遼寧省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目(201510167000012)

徐恭賢(1976—), 男, 遼寧莊河人, 博士, 副教授, 主要從事最優(yōu)化方法與應(yīng)用研究。

format：XU Gong-xian, TAN Wen-xin, WANG Jia-xing.Parameter Identification for a Class of Microbial Batch Fermentation Process[J].Journal of Chongqing University of Technology(Natural Science)，2016(10):76-80.

10.3969/j.issn.1674-8425(z).2016.10.012

O29

A

1674-8425(2016)10-0076-05

引用格式：徐恭賢，譚雯心，王佳星.一類微生物間歇發(fā)酵過程的參數(shù)辨識(shí)[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2016(10):76-80.