乙酸发酵的建模和优化.docx

乙酸发酵的建模和优化：基于多项式的方法 Iens M. Santos-Due? nas , Jorge E. Jimenez- Hornero ,? , Ana M. Ca? nete-Rodriguez , Isidoro Garcia-Garcia 摘要：醋生产是农业食品工业范围内的典型生物过程。 它的优化需要仔细的建模，到目前为止主要通过使用非结构化的第一原理模型来解决。由于在获得这些模型中的困难，诸如这里使用的黑箱模型变得越来越频繁。在这项工作中开发的多项式模型，准确地反映了工业中用于该过程的主要的和典型的操作变量的影响。 此外，使用响应表面来鉴定最佳操作条件，以使平均发酵速率和生产率最大化。 遵循的策略具有巨大的工业效益，因为产生一了种工具，其不仅允许根据不同的标准找到最佳操作条件，而且对于过程控制是有用的。据我们所知，这是第一次这些变量以这种方式相关。 关键词：生物反应器 造型 优化 乙酸 醋酸菌 醋 介绍 乙酸发酵作为生物技术-生理过程的优化已经成为近来许多研究的主题，特别是关于醋生产[1-6]。 影响乙酸菌生长和活性的变量的复杂相互依赖性导致了用于量化主要变量之间的关系的数学模型的发展。大多数这样的模型具有现象学或非结构化的第一原理基础[11-14]，并使用微分方程来平衡底物和产物浓度，以及动力学方程来定义不同变量的影响[15,16]。该方法的优点在于，由于其依赖于所涉及的方法的物理化学性质，在宽范围的操作条件下是有效的。然而，其具有的缺点是所获得的模型是复杂的，并且必须构建它们的动力学方程，而未知的参数确定，必须通过应用优化算法估计其实验值[17]。此外，获得准确，明确的估计需要满足结构和实用的可识别性条件[18-22]。结构可识别性分析条件仅取决于模型方程的数学结构，而实际可识别性分析条件需考虑用于估计参数的数据及其质量。检查两个条件是否都满足需要使用计算复杂的算法[23,24]，这是第一原则模型的附加缺点。 另一方面，黑盒模型不需要考虑目标过程背后的物理化学原理[25]。此外，这些模型寻求在不同条件下获得的实验值之间的操作变量和过程变量之间的最简单可能的关系。通常，黑箱模型比现象模型更容易构建，并且不需要先前的可识别性分析，因此它们对于过程优化???控制更加实用。 然而，黑箱模型适用于比现象模型更窄的操作范围，因为它们必须是局部方法。 多项式模型是最广泛使用的黑箱模型[26,27]之一，允许操作和过程变量通过变量顺序的线性或非线性广义多项式相关，但通常是第一或第二[28,29] - 后者往往是更准确和广泛适用的因素（操作变量）之间的考虑互动的影响。然而，他们需要更多的实验数据来拟合系数;并且，所需的实验的数量取决于多项式阶数，因子的数量和用于离散每个因子范围的级别（值）的数量。实验设计用于识别在特定实验条件下最强烈影响过程的因素，最小化不受控制的因素（扰动）的影响，通过统计分析来分离和评估每个个体因素的影响[3??0]，并且合理化所需的实验[31]。实验设计允许获得用于构造多项式模型的最简单的代数方程。 联合使用多项式模型和响应面为过程优化提供了强大的工具[1,6,32]，因为它有助于识别一个过程的最佳操作条件，考虑各个影响因素之间的相互作用。 在这项工作中，我们利用这些模型的优势来构建乙酸发酵过程变量的二次多项式。 为此，我们使用三个不同的因素，即：反应器在卸载时剩余的乙醇浓度，卸载体积百分比和反应器加载速率，这是工业最广泛使用的三个操作变量。 据我们所知，这是第一次这些变量已经以这种方式相关。随后的模型用于通过变量的响应面优化过程，并将结果与先前报道的第一原理模型的那些相比较。 材料和方法 2.1。 原材料或基材 乙酰化底物是来自Montilla-Moriles地区的白葡萄酒，它是西班牙南部的保护原产地[33]。 该酒的初始乙醇浓度为11.7±0.3％（v / v），酸度为0.2％（w / v）。 2.2。 微生物 使用的接种物由来自完全操作（Deoleo S.A.，Córdoba，Spain）的工业槽的3L发酵液组成。 2.3。 发酵条件 实验在全自动8L Frings反应器（Heinrich Frings GmbH＆Co.，KG，Bonn，Germany）上进行，其细节可以在先前的工作中找到[14,24,34-38]。反应器在 半连续模式，以便于评估乙醇浓度在卸载时的影响，平均卸载体积和葡萄酒加载速率对发酵速率和乙酸生产的影响。 使用31℃的恒温来模拟工业条件。 卸载时的乙醇浓度为0.5?3.5％（v / v），平均卸载体积为最终工作容积的2?6L的25?75％，负荷率为0.01?0.06Lmin-1 。反应器达到其最终体积（8L）时的空气流速为7.5L（hL-培养基)-1 生物反应器被完全装备