基于自动化和计算流体力学技术的发酵工厂设计课程教学探索

丁健 槐强强

摘要：发酵工厂设计是整个生物工程专业课程体系中最具工程化和创造性的课程。但是传统的教学方式已不能满足社会的需要，本课程将自动化技术应用到教学中，以此来丰富教学内容，创新教学手段，培养高素质应用型工程设计人才。

关键词：发酵工厂设计；自动化技术；计算流体力学

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2016）17-0136-02

《发酵工厂设计》课程是生物工程专业的一门专业必修课程，在专业课程教学中占有重要地位。开设该课程的目的是培养学生对工厂的全局设计思考能力，专业性的工艺、设备设计能力，再结合毕业设计和生产实习，完成工程学科的综合性基础训练，也是大学生向工程师转化的一个重要的教学环节[1]。该课程具有非常强的综合性和实践性，要求学生具有《生物工程设备》、《化工原理》以及《工程制图》等多门课程的理论知识，并在生产实习等实践课程的基础上对所学的理论知识进行综合和与系统化，实现从理论学习向工程设计的转化。开设该课程的目的是为学生打好理论与实践能力的基础，使其在未来的工作岗位上具有从事工厂技术改造和工艺设计等相关工作的能力。目前，全国多所高校的均面向生物工程专业本科生开设《发酵工厂设计》课程。但是随着现代科技发展，知识更新速度加快，新技术、新工艺和新设备不断涌现，生物制品的生产过程与质量控制环节精细化程度越来越高，发酵工业生产逐渐呈现出多学科交叉的趋势。发酵工艺与设备越来越复杂，在有限的课时内将如此复杂的设备和流程清晰、准确、形象地传达给学生将变得越来越困难。现有教学模式中的语言描述、简单的设备示意图和流程图越来越难以胜任不断提高的教学要求。

为了满足未来发酵工厂中控制过程精细化的需求，我们将自动控制技术融入《发酵工厂设计》的教学内容之中。同时，我们将计算流体力学技术（CFD）作为课堂教学的手段之一，将工业发酵反应器及管道内部流场的分布，以动态方式展现给学生，以增强学生对设备及工艺的感性认识，进一步提高教学质量。

一、自动控制技术在发酵工厂中的应用

随着发酵生产过程精细化程度的提高，传统的人工控制方法已经无法满足发酵生产的控制需求。因此，将自动控制技术用于发酵生产，形成特有的发酵过程控制技术已经成为不可阻挡的趋势。发酵过程控制，广义上讲、就是将发酵过程的某个或多个状态变量控制在期望的水平或者时间曲线上，从而使得某一发酵性能指标（如目标产物浓度、生产强度等）达到最优[2]。本质上讲，发酵过程控制和发酵过程优化是密切相关的。根据能否在线测量某一个或某些反映发酵过程特征的状态变量，可以将发酵过程控制分为离线控制和在線控制两类。离线控制是一种典型的开回路-前馈控制方式，它最大的特点就是不需要测量任何状态变量，仅利用已知的动力学模型或其他方式来计算和确定控制变量。离线控制虽然不需要对过程状态参数进行在线测量，但是，它必须严格要求描述过程动力学特征的数学模型的准确性。实际环境下、一旦过程动力学特性发生变化和偏移，离线控制的性能和效果就会产生不同程度的恶化，发酵过程优化的目标也就无法得到实现。

鉴于离线控制的种种缺陷，在线控制方法的越来越受到研究者们的青睐。在线控制是典型的闭回路-反馈的控制方式。在反馈控制中，至少要有一个状态变量可以在线测量。根据被控状态变量测量值与其设定值之间的偏差，反馈控制器按照一定的方式，自动地对操作变量进行修正调整，使得测量值能够迅速和稳定地被控制在其设定值附近。然而，微生物发酵过程具有明显的非线性和时变性特征，常规的反馈控制策略，如比例-积分-微分（PID）控制，难以满足发酵过程控制的需求。因此，在《发酵工厂设计》课程中所讲授的自动控制技术应将重点集中在智能控制方面。智能工程是计算机科学研究的一个重要领域，致力于设计开发精密的计算机程序和软件，并以此来模拟人脑的信息获取、逻辑推理以及归纳总结等智能行为，以便解决一些需要人类智慧才能解决的复杂问题。常见的智能工程方法主要包括人工神经网络、遗传算法、模糊逻辑控制以及支持向量机等。该课程面向的对象是生物工程专业的本科生，受教学对象专业背景所限，授课过程中应当尽量避免晦涩难懂的数学公式推导，力求以通俗易懂的语言讲授各种智能控制方法的原理，并列举发酵过程控制的实例来增强学生对基本智能控制方法的理解和应用能力。

二、发酵过程故障诊断技术在发酵工厂中的应用

发酵过程控制通过将特定的过程状态参数控制于期望水平上，达到改善发酵性能的目的。但是，有时即便将发酵操作条件控制在所谓“最优”状态或水平，却也不能确保发酵性能的优化或改善。然而，在实际的发酵过程中，因配料错误、检测错误等无法预测的原因使得过程优化控制策略的有效实施受到严重制约，即便在“最优”控制条件下，发酵性能差、甚至彻底失败的现象也时有发生。对于大规模的工业发酵生产，考虑到下游产品提取精制工艺的要求，有时“稳产”甚至比“高产”更加重要。因此，发酵过程故障诊断和预警技术也就成为发酵过程控制中的一个重要组成部分。利用该技术，如果在发酵前期识别故障的发生和类型，及时采取相应的补救措施，可以减少原料、能源以及人力的浪费，实现发酵过程的稳产。

故障诊断是一类利用数学方法分析可测的过程参数，从而识别动态过程异常状态的技术。故障诊断技术主要分为两类：完全基于过程模型的故障诊断和基于历史数据/特定模型的故障诊断[3]。考虑到发酵过程模型的复杂性，完全基于过程模型的故障诊断方法在发酵领域应用较少。基于历史数据/特定模型工具的故障诊断方法，通过归纳历史数据、从中提取故障特征，并以此为依据来识别特定的过程故障，这类方法的应用范围更加广泛。这类方法的典型代表就是所谓主元（成分）分析法（PCA）。由于标准的主元分析法压缩数据特征的过程是通过简单的线性变换来完成的，它在处理发酵过程故障诊断这类非线性特征强烈的问题时，具有明显的局限性。因此，人工神经网络、支持向量机、模糊推理等智能型方法在近年来也被广泛地用于发酵过程的故障诊断。另外，还有一些非主流、但又非常实用的故障诊断方法，例如多变量聚类分析等。利用有效的发酵故障在线诊断系统，在第一时间检测发现故障及其故障种类，并采取有效的补救措施、排除故障，挽救“错误”发酵，是发酵故障诊断系统的最高境界。只有这样，才能真正确保发酵过程的稳定性和经济性。

三、CFD技術在《发酵工厂设计》课程中的应用

计算流体力学（CFD）技术以经典流体动力学和数值模拟计算方法为基础，研究传热和传质等过程的一门交叉学科。流体力学、计算机科学、数值计算理论等学科之间相互作用、相互支持、相互融合，共同推动着CFD技术的发展。CFD技术通过求解反应器相关区域内质量、动量和能量方程以及相关附加方程来获得流场的整体和局部信息。CFD技术的基本原理是采用适当的方法对时间域和空间域上连续的物理量场进行离散化，用一系列离散点的集合来替代上述物理量场，并通过一定原则和方式建立有关离散点上场变量之间关系的代数方程组，通过求解方程组获得场变量的近似值。离散化的目的是将连续的偏微分方程组及其定解条件依据某种方法、遵循特定规则在计算域的离散网格上转化为代数方程组，以得到连续系统的离散近似解[4]。CFD技术能够经济有效地预测发酵工厂中反应器、管道内的流体流动、传热传质等其他一系列相关现象。将CFD技术用于《发酵工厂设计》的教学中，可以显著增强学生对反应器及设备内部流场变化的感性认识，提高教学效果。

四、结束语

发酵工厂设计是一门发展中的应用性很强的课程。本课程将发酵行业近年来所需要的自动控制技术引入教学内容中，创新教学手段，增强学生对课程整体内容的综合认识，体会课程中知识之间的联系。同时引入并深入剖析最新的工厂和工艺设计的成功案例，从而有助于学生将学习内容与生产实际结合起来，使所学知识更加具体化。

参考文献：

[1]卢庆华，卢梭.生物工程工厂设计课程教学改革的探索[J].广州化工，2013，41（17）：251-252.

[2]丁健.基于人工智能和代谢调控的典型好氧发酵过程在线控制和故障诊断[D].江南大学博士学位论文，2010.

[3]Jian Ding，Yan Gao，Enock Mpofu，et al. A hybrid support vector machine and fuzzy reasoning based fault diagnosis and rescue system for stable glutamate fermentation[J].Chemical Engineering Research and Design，2012，90：1197-1207.

[4]Shengbing Duan，Guoqiang Yuan，Yanli Zhao，et al. Simulation of computational fluid dynamics and comparison of cephalosporin C fermentation performance with different impeller combinations[J]. Korean Journal Chemical Engineering，2013，30（5）：1097-1104.