一、用户系统规模
本发酵控制系统共包括2个操作站、1个控制站，配备1台报表打印机，信号检测控制点按下表计算.


二、检测控制方案
2.1系统功能介绍：
2.1.1总貌监控
在总貌画面中，系统有如下功能：
1、系统工艺参数总览：从这里可以了解整个工艺的基本情况。
2、报警提示：工艺的任何部分参数超越上下限时，将出现闪烁报警，给出警示信号，也可根据要求发出声音报警信号。


2.1.2流程图
在流程图画面，有如下一些功能：
1、对流程图所涉及的工艺现场进行操作控制。
2、处理相关范围的报警事物。


2.1.3 PID参数整定
在PID整定画面，有如下一些功能：
1、对执行机构的控制效果进行检测。
2、整定PID参数以达到最佳的控制。


2.1.4 历史曲线
在历史曲线画面，用于查看历史数据。


2.1.5 历史报警
历史报警画面用于查看历史报警情况


2.1.6 实时报警及登陆画面
实时报警画面会实时弹出报警，只有在登陆画面登陆后用户才能有相应的操作权限。


2.1.7用户权限管理
每个操作用户将被工程师站分配不同的帐号和密码，并分配相对应的操作权限。每个用户只有在登陆并获得操作权限以后才享有相应的操作权限。


2.1.8 系统硬件诊断
诊断内容有每个通道的工作正常情况，通
信口的工作情况，控制系统的温度等等。
通过这个诊断画面，维护工程师可了解
系统的工作状况。


2.1.9 报表生成
用于生成生产报表，如早班报表、
中班报表、晚班报表等等。

2.2 系统控制方案
生物工程对人类生活的作用越来越显示出她的重要性和迫切性，而其对人类的贡献很大一部分是通过生化工程技术的开发来实现的。例如人们所用的抗生素药物、酶制剂、味精、柠檬酸、酵母、啤酒、抗癌药物等等都离不开发酵工业。所以，微生物发酵过程是生化工程的核心。在发酵工业中，所用原料大多是粮食，因此，对这一传统的发酵工业利用现代控制技术，进行自动化技术改造，对于促进我国生化技术的发展，降低原材料和动力的消耗，提高经济效益有着极其重要的意义。

发酵工业是技术密集型的产业，她涉及到微生物学、生物化学、生化工程、自动控制技术和计算机技术等。随着生物工程的迅速发展，生化反应过程，如发酵工业越来越引起科技界、工业界和政府部门的重视，因为生物工程的许多成果，需经过发酵工业转化为工业产品，而成为商品。所以，发酵罐及其系统的控制在发酵工业中显得越来越重要，发酵罐的体积从几个立方米发展到几十立方米，而今是几百个立方米，甚至于上千立方米。对于这样大型的发酵罐系统，若操作控制不当，将会造成极大的经济损失。因此，对于发酵生产过程的参数测量、操作监视、自动控制、优化操作与控制，成为生化反应过程优化管理与自动化的关键问题。在国内，发酵工业生产技术水平相对比较落后，以手工操作生产方式为主，生产效益较低，对发酵过程的机理、模型化和优化控制研究相对较晚。

我们利用现代控制理论、生物化工理论、计算机技术、现代测量技术等领域的最新成果，解决了发酵工程中的测量、自动化、优化控制及辅助操作四个方面的问题。

发酵过程参数测量系统
由于生化反应过程的复杂性，要求纯种培养，过程需消毒等特殊性，给发酵过程测量带来了困难。其中物理参数的测量，如发酵温度、压力、流量及发酵液面等测量比较容易实现，但是对于化学参数和生物参数的测量，就比较困难了，例如pH值、溶解氧(DO)的测量、呼吸代谢参数的测量。对于发酵过程这些参数的测量，现已经形成了一套完整的技术和方法。

发酵过程计算机直接数字控制和监督管理系统
用计算机对传统发酵过程进行直接数字控制和发酵过程信息管理，包括硬件系统和软件系统，已可供工业化应用。发酵过程是一非线性的时变系统，影响因素复杂，参数相关严重。因此，利用计算机对其进行实时控制，并采集众多的物理参数、化学参数以及呼吸代谢参数，然后进行综合分析，提供发酵过程优化工艺，指导发酵操作，对提高发酵过程经济效益十分重要。

发酵过程重要参数的预测估计
由于发酵过程重要参数，如生物质浓度、产物浓度以及底物浓度无法在线测量，严重影响着发酵过程的优化操作和控制。我们应用生化反应机理模型，扩展卡尔滤波方法，非线性观察器分步设计方法，基于物料平衡的数学回归、模糊辨识、神经元网络等方法来预测这些重要参数，从而为优化控制和操作创造了条件。

发酵过程计算机优化控制及软件技术
发酵过程的优化控制，是如何提高发酵产品的产率问题，由于涉及微生物的生长代谢这一生命活动过程，使得发酵过程优化控制十分复杂和困难。我们综合利用发酵过程各种信息，开发了模糊控制方法、递阶专家控制系统以及基于物料平衡与呼吸代谢来控制营养物的优化流加技术，从而提高工业生产发酵总亿，降低了消耗。

2.3发酵反应过程的控制
为使发酵生产过程安全、平稳地运行，以达到优化生产的目的，必须对发酵生产进行自动控制。根据用户现场工艺，现主要需对以下几点进行控制。

发酵罐温度控制
对于特定的微生物，它都有一个最适宜的生长温度。如果从生物酶动力学方面来考虑，酶的最佳活力，对应着一最好的温度。因此，微生物发酵过程中的发酵温度的控制，是一个很重要的微生物生长环境参数，必须严格地加以控制。影响发酵温度的主要因素有微生物发酵热、电机搅拌热、热（冷）水本身的温度变化以及周围环境温度的改变等。在此以发酵罐温度为被控制(被调)参数，冷水（20℃）流量为控制(调节)参数的简单PID单回路控制方案。


溶解氧浓度控制
在耗氧型发酵过程中，氧是作为微生物生长必须的原料，若供氧不足，将会抑制微生物的生长和代谢的进行，为此，在发酵过程中，要保持一定的溶解氧浓度。影响溶解氧浓度的主要因素有供给的空气量、搅拌浆转速和发酵罐的压力。如果在发酵罐压力有自动控制的情况下，则认为发酵罐压力恒定不变。工艺上往往使用调节通风量或搅拌电机转速的方法来对溶解氧进行调整。


补料控制
在半连续发酵过程中，随着发酵的进行，根据微生物生长状态和生物代谢状况，中间要继续不断地补充营养物质，使微生物生长沿着优化的生长轨迹生长，以获得高产的徽生物代谢产物。由于微生物和代谢状况无法实时在线测量，使得这一补料控制极为困难。一般的发酵工业生产过程是根据实验室大量的试验研究结果得出的补料轨线来指导工业生产的补料，发酵工艺技术人员根据离线的化验室化验数据适当修正补料速率。这种方法，对于有大量实践经验的人来说，可能会作出好的判断决策，但往往不尽人意，不能确保发酵过程沿着优化的轨线生长，不能获得最好的代谢产物。针对这种发酵过程的复杂性和信息的缺乏，发酵工艺技术人员与自动控制人员一起，共同研究，试图寻找出好的补料方法和策略。例如，基于出口气体二氧化碳的释放率来控制补料速率；有的用化学元素平衡的方法来调整补糖量；也有的用控制呼吸商的办法来控制补料等等。直至今日，如何控制好中间补料，仍是亟待解决的难题。浙大中自公司针对不同的发酵过程已取得了许多实践经验。（本工程采用电磁阀控制补料）

2.4预测估计及优化控制
微生物发酵过程，特别是以次级代谢产物为产品的发酵过程，机理十分复杂，影响生物生长因素错综复杂，很难用确定的数学模型来描述这一发酵过程。发酵试验的数据重复性较差，这对数学模型的建立带来了许多困难。

然而，人们借用计算机这一先进的科学技术工具，为解决微生物发酵过程参数的测量、数据管理与分析以及发酵过程优化控制，都开创了许多令人兴奋的新局面。

生化反应过程状态估计
如前所述，生物反应过程的参数测量领域，关于微生物呼吸代谢参数和发酵热参数的测量，一般的测量仪表系统是无法实现的，只有用计算机，才能完成这种数据采集、存贮和运算。特别是对于那些微生物生长的有关参数测量，则计算机显得更为重要。

首先，可由计算机对生化过程测量数据进行滤波处理，使测量到的数据更符合实际情况。因为在过程变量测量过程中，由于传感器和仪表的误差等原因，在测量信号中往往会含有各种噪声和干扰。对于测量信号的平滑和调理，最常用、最简单在计算机上实现的方法是一阶惯性滤波方法。

在生化过程中，许多关键变量无法直接测量，往往要通过其他的方法来测量，例如，用光浊度的方法来测量生物质浓度，如何把光浊度的信号与生物质浓度关联起来呢?最方便的方法是利用最小二乘法进行多项式拟合，找出两者对应关系式。这样，一旦测量到光浊度的读数，马上就可知道生物质的浓度了。

在生化反应状态估计中，常常用物料或能量平衡的方法来估计不可在线测量的生物参数，例如利用呼吸代谢参数估计生物质浓度、比生长速率、底物消耗速度和底物浓度，也有用发酵热或元素平衡的方法来估计这些生物参数。

另外，还可用在线测量的信息，估计pH和溶解氧等传感器的故障状态，从而避免用错误信息来控制生化反应过程。

生化反应过程直接数字控制
用计算机可以实现前述的生化反应过程各种控制功能。当然，在用计算机控制时，生化反应过程中各种参数的测量变送仪表不可缺少，各种执行机构如阀门等也不可省。

计算机可以取代各种控制仪表，实现PID及各种高级控制功能。同时，用计算机控制后，也可以省去各种显示、记录、报警仪表。利用计算机的功能，对生化反应过程的各种参数、状态和数据可进行实时在线的优化管理，如报表的产生、各种参数的趋势显示图、操作工艺流程图、报警信息图等，这对于生化反应过程的操作监视既直观又方便。

生化反应过程优化控制
在生化反应过程中，为保证获得优化生产的目的，必须保持微生物生长按照一定的生长轨迹生长。为达到这一目标，一是确保微生物生长的环境条件为最优，另一是保证微生物生长代谢过程为最优。对前者来说，比较容易做到，而对后一条件，难度很大。目前，生化反应过程优化控制的研究工作都集中在这一焦点上。

为达到工业生产过程优化生产，往往要有准确的生产过程数学模型，然后利用各种最优化方法，求出其优化条件和控制方法与策略。由于生化反应过程机理复杂，很难有能描述实际生化反应工业生产过程的数学模型。因此，对于生化反应过程的代谢优化控制，通常基于人们的经验和一些模糊的关系来确定，即智能控制方案，在生化反应过程智能优化控制中，有三种方法。
1、专家控制系统
把有经验的工程技术人员与专家对于生化反应过程优化控制的知识，总结成知识库，用一些规则基来描述。然后根据生化反应过程可测量的参数来推断应采取什么样的控制方法。例如，发酵过程供气的专家控制，既保证供给适量的空气供生物生长所用，又不浪费消毒空气。再如发酵过程的补糖控制，根据CER和专家知识来判断补糖速率的大小。
2、模糊控制
由于生化反应过程可测量的参数与生物代谢和生物生长，不能用一确切的数学关系来描述，但是，根据不同的生长时期，他们之间的关系可用模糊关系，即可用隶属函数来描述。然后，用这些模糊关系的结果，来指导生化反应过程优化操作与控制。例如，根据可测量的pH、pH变化率、排气CO2浓度和它的变化率、CER和它的变化率、DO和它的变化率，构成模糊模型来预测发酵过程的染菌状态，可以及时预报染菌是否发生，从而采取措施，防止染菌事故的扩大。
3、神经网络控制
当前，很多人在研究，想用神经网络模型来描述生化反应过程，即所谓发酵过程神经网络模型。用这一模型来预报生化反应状态是否正常，预测生长阶段，预测代谢状态，以及生物质、产物、底物浓度和各种抑制状态的产生等。

例如青霉素发酵过程的补糖控制，用神经网络模型来判别发酵阶段，然后，根据不同的发酵阶段，采用不同的敏感参数，如pH，CER，DO等，组成不同的补糖修正算式，控制补糖速率，从而保证获得高的发酵效价。

所有上述这三种方法，都是根据知识库来控制生化反应过程。因此，建立好的、实时的、有效的知识库，是生化反应过程智能控制的关键。

浙大中自公司在生化发酵领域的知识库创建方面处于全国领先位置。

三、系统配置和网络结构
根据用户的要求，现场配备2个操作站/工程师站，1个控制站，其系统的网络布局如下所示：


系统配置清单
本工程项目共包括1台操作站，1台工程师站,控制站1个。








  有需要信息咨询请致电 400-672-8859

  祝您购物快乐！！