人工智慧發酵
1. 為什麼醬香型白酒只能在茅台釀造
由於茅酒銷路好利潤高,其它地方許多人企圖仿製,但都未成功。茅酒之所以不可克隆主要是因為:
獨特的地域環境
雲貴高原海拔1200多米,茅台鎮位於貴州高原最低點的盆地,海拔僅440米,遠離高原氣流,終日雲霧密集。一年有大半年時間籠罩在悶熱、潮濕的雨霧之中。這種氣候、水質、土壤條件,對於酒料的發酵、熟化非常有利,同時對茅台酒中香氣成分的微生物產生、精化、增減起了決定性的作用。
獨特的赤水河水
赤水河水質優良無色透明,微甜爽口,酸鹼適度,鈣鎂離子含量、硬度均符合優質飲用水標准。赤水河水有一個奇怪現象,每年端午節至重陽節,河水呈紅色;而重陽節至翌年端午節之間,河水清徹透明。茅酒完全按照這一節律的變化進行釀制。
特有的紅纓子高粱
茅台鎮當地出產的高粱,顆粒堅實、飽滿、均勻,粒小皮厚,其截面呈玻璃質地狀,十分有利於茅酒工藝的多輪次翻烤。是茅酒優雅細膩、酒體豐滿醇厚的重要因素,其它外地高粱均無法取代。
復雜的釀造工藝
茅酒生產季節性很強,必須在每年端午節踩曲,重陽節投料。茅酒工藝的特點可概括為三高三長:高溫制曲、高溫堆積發酵、高溫餾酒;基酒生產周期長、大麴貯存時間長、基酒酒齡長。茅酒基酒生產周期長達一年,需二次投料、九次蒸餾、八次發酵、七次取酒,歷經春、夏、秋、冬一年時間。而其他白酒只需幾個月或十多天即可。茅酒大麴貯存時間長達6個月,比其他白酒多存3-4個月,而且大麴用量大,是其它白酒的4-5倍。
2. 如何控制優化發酵條件，降低大腸桿菌高細胞密度培養過程中乙酸的生成
高生產率和高細胞密度發酵生物技術研究者追求的兩個主要目標，一是新型生物產品的開發，另一就是為傳統的或新生生物產品，尋求更經濟的生產方式。近十年來，利用遺傳工程技術來生產一些重要的生物葯物，是生物技術領域中迅速發展的一個重要方向。在這一研究領域里，如何創造更經濟、更有效的方法，來提高生產過程的經濟性和產品的市場競爭力，已經成為生物技術領域的科學家們所關注的焦點問題。 利用重組DNA技術生產重要的生物葯物，在人類文明史上具有劃時代的意義。由於生產成本和生產率的高低直接影響公司的生存，重組生物葯物生產過程的優化已經成為一個重要問題。它包括以下六個方面∶(1)適宜宿主的選擇；(2)重組蛋白積累位點(如可溶的胞內積累、胞內聚合積累、周質積累或胞外積累)的確定；(3)重組基因最大表達的分子策略；(4)細胞生長和生產環境的優化；(5)發酵條件的優化；(6)後處理過程的優化。只有這六個方面都以實現高生產率為目標，整個生產過程的最優化才能實現。 (一)細胞生長環境的優化策略 要提高細胞密度和生產率，首先需要對微生物生長的物理和化學環境進行優化，包括生長培養基的組成，培養物理參數(pH、溫度和攪拌)及產物誘導條件。優化這些參數的目的在於保證細胞生長處於最適的環境條件之下，避免營養物過量或不足、防止產物降解以及減少有毒產物的形成。 1．培養基組成的優化 培養基中通常含有碳(能)源、氮源，以及微營養物如維生素和微量元素，這些營養物的濃度與比例，對實現生產重組微生物的高密度發酵是很重要的。例如，過量的Fe2+和CaCO3與相對低濃度的磷酸鹽可促進黃麴黴生產L-蘋果酸；鏈黴菌在60～80 mmol/L CO32-存在下，其絲氨酸蛋白酶生產能力可提高10倍之多；在重組微生物達到高細胞密度後，限制磷酸鹽濃度可使抗生素和異源白介素1的產率顯著提高。此外還發現，限制精氨酸的濃度雖然會抑制細胞的生長，但比起精氨酸充足時細胞生長優良的情況，其重組-澱粉酶的產量可提高2倍。 培養基中復合氮源的種類對重組大腸桿菌的高密度發酵也非常重要。一般地，當流加培養基中含有酵母膏時，重組蛋白不穩定；而當流加培養基中含有蛋白腖時，大腸桿菌不能再利用其所產生的乙酸。將酵母膏和蛋白腖都加入流加培養基中，不但所生產的重組蛋白非常穩定，細胞還能再利用代謝合成的乙酸，這是一種非常有趣的代謝機制。 恆化技術可用於優化精氨酸營養缺陷型大腸桿菌X90的生長培養基。使該菌株以0.4 h-1的比生長速率在含精氨酸的基本培養基上生長，待培養達到穩定狀態後，在恆化器內分別加入氨基酸、維生素和微量元素來考察這些物質對菌體生長和精氨酸合成的影響。結果表明，由於氨基酸生物合成途徑的末端產物抑製作用，加入某些氨基酸後，細胞生長反而受到抑制。加入NH4Cl後細胞量則出現了戲劇性的增長。而添加維生素對菌體生長基本上沒有任何影響。通過計算生物量對每種基質的產率，最終可以確定高密度發酵培養基的組成，在此優化培養基上，大腸桿菌X90細胞密度可達到92 g/L，同時形成56 mg/L的胞外重組蛋白酶。 2．特殊營養物的添加 在某些情況下，向培養基中添加一些營養物質能提高生產率。這些營養物的作用有可能是作為產物的前體，也有可能是阻止產物的降解，例如，在培養重組大腸桿菌生產氯黴素乙醯轉移酶(一種由許多芳香族氨基酸組成的蛋白)時添加苯丙氨酸，可將酶的比活力提高大約2倍；在培養重組枯草芽孢桿菌生產-內醯胺酶的培養基中添加60 g/L的葡萄糖和100 mmol/L的磷酸鉀能使重組蛋白的穩定性顯著提高。其原因可能是由於宿主細胞產生的多種胞外蛋白酶的活性被抑制，從而防止了重組蛋白的降解。 在生長培養基中添加特殊物質有時還能以一種未知的機制提高生產率。例如，在搖瓶培養Micromonospora cbersina時添加碘化鈉可使dynemicin A的產量提高35倍，但在小型反應器中卻無法重復這一結果。 3．限制代謝副產物的積累 培養條件的控制對代謝副產物的形成影響甚大。在分批或流加培養中，某些營養物的濃度過高均會導致Crabtree效應的產生。在這種效應下，釀酒酵母會產生乙醇，大腸桿菌則會產生過量乙酸，一旦生成乙酸，細胞生長及重組蛋白的生產均會受到抑制。大腸桿菌形成乙酸的速度依賴於細胞的生長速度和培養基的組成。業已確證，如果在培養基中添加復合營養物(如大豆水解物)，則會增加乙酸的積累量。針對如何減輕由於乙酸積累而產生的負面影響，眾多研究者進行了大量工作，如利用循環發酵技術來限制乙酸在重組大腸桿菌高密度培養中的積累。近來也有研究表明，添加某些氨基酸能減輕乙酸的抑製作用。如在培養基中添加10 mg/L的甘氨酸能顯著促進大腸桿菌合成重組-澱粉酶和-內醯胺酶，並能刺激酶從周質向培養基中釋放，但此時仍有乙酸伴隨生成。 (二)培養模式 由於許多營養物在高濃度下對細胞有抑製作用，而為了達到高細胞密度，又必須供給大量的營養物質，因此，濃縮營養物必須以與其消耗速率成比例的速度加入反應器中。為此產生了多種形式的補料策略，它可以簡單到線性補料，也可以復雜到利用數學模型計算得出的策略來控制補料速率。具體來說，培養模式的選擇主要依賴於以下三個因素∶(1)所培養細胞的具體代謝行為；(2)利用抑制性底物合成目的產物的潛力；(3)誘導條件以及測量細胞培養各項參數的能力。 1．大腸桿菌流加發酵策略 大腸桿菌是迄今為止遺傳背景最清楚的菌株，廣泛用於基因工程的研究中。大腸桿菌高密度培養時最關鍵的問題是如何盡量減少乙酸的產生，因為高濃度葡萄糖或高比生長速率帶來的高濃度乙酸會嚴重抑制細胞生長和重組蛋白的生產。研究發現，即使葡萄糖濃度只有0.25～0.5 g/L，大腸桿菌仍會產生乙酸。因此，高細胞密度發酵所採用的流加策略必須按照一定的演算法制定，以保持反應器中底物濃度處於較低的水平。營養物最好以它們的消耗速率加入反應器中，這樣不僅可以防止底物積累到毒性水平，也不會使細胞處於飢餓狀態。 近年來已經報道了多種控制大腸桿菌流加培養中流加速率的方法，其中大多數是將流加速率與一種物理參數間接耦合(如溶氧、pH或CO2釋放速率)。有學者將溶氧控制在一個預定值上以保證較低的生長速率，結果乙酸產生很少，最終細胞乾重達到110 g/L，並發現較低的比生長速率還有利於重組蛋白的高表達。在另一個控制低比生長速率的高細胞密度培養中，研究者採用先指數流加葡萄糖、銨鹽和無機鹽，後採用廣義線性流加的培養策略，有效地防止了乙酸的積累，重組大腸桿菌的細胞密度達到66 g/L，通過溫度誘導可在胞內形成19.2 g/L的活性重組蛋白。 如果將葡萄糖濃度控制在一個不致於產生毒性的足夠低的水平上，也可以使細胞在不存在限制性基質的情況下迅速生長到高細胞密度。這種控制策略對儀器的要求較高。Kleman等採用在線葡萄糖分析儀，以微生物對葡萄糖的需求來決定葡萄糖和其它營養物的流加速率，這一演算法能夠在產物誘導階段中根據細胞生長的變化自動調整流加速率。培養攜帶質粒的大腸桿菌 MV1190，其質粒中帶有編碼1,5-二磷酸核酮糖羧化酶的基因，最終細胞乾重達到39 g/L，產生1.7 g/L可溶的活性蛋白。 2．重組酵母的流加發酵 酵母中廣泛用於遺傳工程研究的菌株是釀酒酵母。但採用釀酒酵母作為重組宿主也有以下缺點∶(1)重組蛋白生產的水平較低；(2)質粒不穩定；(3)生成乙醇。其中生成乙醇是研究者最不希望出現的，因為這會抑制重組蛋白的形成。近來研究表明，其它酵母，如巴斯德畢赤氏酵母也具有作為重組宿主的潛力。Clare等比較了重組巴斯德畢赤氏酵母和釀酒酵母在高細胞密度狀態下表達和分泌鼠表皮生長因子的能力。培養每基因組含有19個拷貝數的巴斯德畢赤氏酵母，最終可獲得447 mg/L胞內重組蛋白；而培養釀酒酵母所獲得的最高水平僅6～7 mg/L。 通過先指數流加，後採用基於CO2釋放和RQ值的線性流加控制方式可使重組巴斯德畢赤氏酵母的細胞乾重達到80～90 g/L，並分泌高水平的重組人血清蛋白。而培養釀酒酵母，細胞乾重和重組蛋白的產量僅分別為25 g/L和20 mg/L。即使將釀酒酵母的生長速率維持在0.12～0.18 h-1，也將形成10～13 g/L的乙醇，因而導致產率降低。但釀酒酵母產乙醇也並不是不可控制的。Shimizu等採用一個復雜的流加系統，將酵母的生長速率控制在0.3 h-1，可使谷胱甘肽(GSH)的生產最大而乙醇的生成最小。 3．流加培養的控制 一個好的流加控制系統必須避免兩種傾向∶一是流加過量，補料組分在反應器中積累從而對細胞生長和產物形成產生抑制；二是流加不足，這可能會導致細胞必需營養物的缺乏。計算機技術的迅猛發展，為流加培養的控制提供了更有效的手段。近年來，應用計算機技術來監測和控制發酵過程的研究屢見報道。由於現代計算機技術的幫助，人們能夠採用多種生長參數和數學模型來控制流加培養中營養物的添加，從而使復雜的控制系統得以實現。在各種人工智慧技術中，模糊推理(fuzzy reasoning)是應用最廣的一種。模糊邏輯控制(fuzzy logic control)部分依賴於數學生長模型，也採用「語言定義的規則系統」(linguistically defined rules system)來幫助系統響應發酵過程的非線性和動態行為。Alfafara等在流加培養釀酒酵母生產谷胱甘肽的研究中，採用一個模糊邏輯控制系統來控制葡萄糖的流加速度，對系統進行優化後谷胱甘肽的比產生速率達到6.2 mgg-1h-1。目前，在流加培養中應用模糊邏輯控制技術的最大問題在於如何減少底物和產物濃度振盪所需的調整次數。自適應模糊邏輯控制演算法的發展可望對此有所幫助。 (三)誘導策略 對於許多帶有誘導型啟動子的重組微生物，只有將生長期和產物形成期分開才能獲得最大生產率。在流加培養中，這兩段時期的分離可以通過延遲誘導直至細胞生長已達到高密度來實現。此外，如果質粒穩定並且產物對培養物無毒，那麼可以用重復補料分批培養系統來提高生產率。有學者採用重復補料分批培養技術培養釀酒酵母，每24 h更換50%的培養基，持續30 d，其產物(hirudin)的產量可比連續培養系統提高3倍。 如果誘導物和產物對細胞都有毒性，那麼應當人為地將誘導期和生長期分開。對於這種情況，兩級連續培養是最適宜的培養方式。控制第一罐的條件，使細胞生長處於最適狀態之下，而誘導與產物形成則發生在第二罐中。例如，在恆化器中培養一株能產-內醯胺酶的重組大腸桿菌，將第一罐的發酵液導入第二罐中，構成一個兩級培養系統。第二罐中添加營養物以及IPTG作為誘導物。結果獲得300 mg活性-內醯胺酶(相當於總蛋白的25%)，其中90%分泌至胞外。這一系統至少可以穩定運行50 d。另一相似的系統被用於培養大腸桿菌生產重組蛋白A-EcoRI蛋白融合體。培養在恆濁器中進行，對第二罐進行熱誘導，結果獲得了比分批發酵高6倍的比生產率。研究者還嘗試將生產重組蛋白的兩級連續培養系統與親和色譜柱相組合，試圖實現重組蛋白生產和純化的連續化。但由於技術上的一些原因，這種組合還未得到成功。 比生長速率對細胞生長和產物形成均有重要作用。經常會遇到的情況是，最適於細胞生長的比生長速率卻並不適於產物的形成或其它特性的實現。我們在培養麵包酵母時發現，比生長速率為0.2 h-1時細胞產率最高，而比生長速率為0.178 h-1時酵母發酵活力最佳。針對這一現象我們提出了一個兩階段控制比生長速率的流加培養策略，結果在一個反應器中實現了高發酵活力與高細胞產率的統一。 (四)細胞循環發酵 從反應器角度來考慮獲得高細胞密度，通常採用的是細胞循環生物反應器。這種反應器利用一種切向流或中空纖維過濾器從醪液中分離細胞，細胞返回容器，無細胞醪液則以給定速率連續轉移，同時代之以新鮮培養基。利用細胞循環技術，可使細胞保留在反應器中並達到高細胞密度，而毒性廢產物和胞外產物則不斷轉移，這可以延遲或防止由細胞生長或產物形成引起的反饋抑制。細胞循環生物反應器能夠適用於多種機體和生產系統，但它的應用也存在許多限制，主要包括∶(1)作用於進入過濾單元的細胞的剪應力太大；(2)系統的放大存在許多實際困難。 操作細胞循環生物反應器時必須考慮兩個因素，一是稀釋率(流速／體積)；二是循環速率(指通過過濾系統的培養基速率)。稀釋率的大小影響細胞的生長速率，不同的實驗目的對稀釋率的要求也不同；高的循環速率可使組分混合均勻，特別適用於細胞容易凝聚或成團的情況。但循環速率過高會使作用在細胞上的剪切力過高，也會導致過濾單元膜的迅速損壞。因此，很難同時確定合適的稀釋率與循環速率，這也是限制細胞循環技術應用的一個重要因素。 細胞循環技術可望獲得高的體積生產率，這對產物的提取非常有利。近年來循環發酵技術已廣泛用於生產細胞代謝物，如燃料酒精和有機酸(如丁酸)及2,3-丁二醇。Lee和Chang採用細胞循環發酵技術，重組大腸桿菌細胞乾重達到145 g/L，其重組青黴素醯化酶生產率比分批培養提高了近10倍。對於活細胞即為所希望的產物的培養，細胞循環發酵也能發揮作用。如在食品工業中，為生產牛奶，乳酪和酸乳酪需培養不同的乳桿菌，採用細胞循環生物反應器可以很容易地提高這些生物體的的密度。 在多種控制手段的幫助下，目前人們已經能很容易地獲得超過100 g/L的細胞密度。但已有的研究結果表明，與最適生物量形成所對應的生長條件通常會導致較低的比生產率。例如，用細胞循環反應器生產2,3-丁二醇，生物量提高了大約6倍，但體積生產率只提高了2～3倍。同樣，流加培養可以使鏈黴菌的細胞乾重達到43 g/L，但蛋白酶活為零，而當細胞乾重為18 g/L時蛋白酶活卻高達3500 U/mL。我們在研究中也經常遇到類似問題。要解決這一問題，一方面應當研究如何促進重組蛋白的高效表達和提高重組菌株的穩定性，另一方面要研究與高細胞密度相關聯的高水平產物的形成條件.
3. 演算法公司角逐AI晶元，商業化之難如何破
二月初，AI晶元投資回暖。2月25日，成立100天的GPU晶元公司摩爾線程宣布融資數十億元，摩爾線程由前英偉達全球副總裁、中國區總經理張建中創立，其融資信息剛發布立刻在業界發酵。2月11日，另一家GPU晶元的創業公司登臨科技宣布完成了A+輪融資，首款GPU+人工智慧處理器已成功回片通過測試，開始客戶送樣。
與此同時，另一陣營的AI演算法公司紛紛提速AI晶元商業化進程。2月18日，網路在年度財報會上首次披露AI晶元的進展情況，加上此前其AI晶元將單獨運作進行正與IDG等進行融資談判的消息被媒體傳出，網路AI晶元的商業化被猜提速。2月9日，由做了二十餘年演算法余凱其創立的AI晶元公司地平線，宣布完成3.5億美元的C3輪融資、其自動駕駛晶元今年出貨量將突破100萬片。也是在最近，另外一家AI演算法公司依圖科技將推出第二顆AI晶元消息，也被傳出，而其上市招股書顯示，募集資金中有23億將用於新一代晶元的研發以及生態布局。
4. 長帝的那個空氣烤風爐烤箱好用嗎聽介紹功能還挺強大
你說的是循環風的電烤箱，帶有循環風的電烤箱比起沒有循環風的電烤箱，烤起東西來，火力是比較均勻的，尤其是烤制麵包蛋糕的時候不需要翻盤倒盤，相比來說帶有循環風的烤箱價格要高一些。
5. OHR-E400系列顯示控制儀表適用於需要進行高精度多段曲線程序升/降溫控制的系統(如啤酒發酵)嗎
我只曉得NHR的，
NHR-5400系列60段人工智慧溫控器採用真正的人工智慧算式，儀表啟動自整定功能，可以根據被控對象的特性，自動尋找參數以達到很好的控制效果，無需人工整定參數。控溫精度基本達±0.1℃，無超調、欠調，達國際先進水平。適用於需要進行高精度多段曲線程序升/降溫控制的系統(如啤酒發酵，窯爐升溫等)。
★具備36種信號輸入類型，用戶可根據需求任意設置輸入類型；0.2％級測量精度
★具備「上下限報警」、「偏差報警」、「LBA報警」、「閃爍報警」等報警功能，帶LED報警燈指示
★PID控制曲線多達60段，曲線可任意組合，並通過面板按鍵實現手動「啟動」、「停止」、「清零」、「步進」等功能
★具有掉電自啟動功能，從上電測量值與設定值相同點的升溫段開始升溫，並按原設定曲線執行控制
★可帶一路PID控制輸出和一路模擬量變送輸出，具有電流、電壓、SSR驅動、單/三相可控硅過零觸發、繼電器接點等多種輸出控制方式
★帶PID參數自整定功能，控制輸出手動/自動無擾切換功能，控制准確且無超調
★支持RS485、RS232串列介面，採用標准MODBUS RTU通訊協議
★儀表可帶RS232C列印功能，具有手動列印、定時列印、報警列印等功能
★帶DC24V饋電輸出，為現場變送器配電
★輸入、輸出、電源、通訊相互之間採用光電隔離技術
★具備多種外形尺寸及樣式供用戶選擇
★參數設定密碼鎖定、參數設置斷電永久保存，具備參數恢復系統原始設置功能。
6. 會計信息化和人工智慧是什麼關系
當前，在來會計信息化領域有源兩個熱點：一是財務共享服務，二是電子發票。財務共享這個熱點今年還在持續發酵，很多公司實施財務共享服務以後，最大影響也是會計人員的急劇減少；電子發票剛剛開始，在電子發票廣泛使用的情況下，可以設想，會計人員特別是處理票據的會計人員將大幅減少。
在智能化里，人工智慧（AI）和商務智能(BI)是非常典型的技術，是會計信息化主要的驅動力。
7. 疫情概念發酵：小馬智行、馭勢科技獲巨額融資
文/白楊
今日，國內兩家自動駕駛科技公司幾乎同時宣布了融資喜訊。馭勢科技（UISEE）公布在B輪獲得博世戰略投資，小馬智行（Pony.ai）也宣布獲得豐田投資的4億美元融資。
事實上對自動駕駛行業而言，好消息還不止於此，據行業內部人士透露，近期自動駕駛科技公司獲得融資較為密集，多家投資機構和行業巨頭，正在與Momenta在內的幾家自動駕駛科技企業洽談中，更多好消息還在路上。
行業內的投資，除了資金上的支持，將來還有可能是技術上的協同發展。馭勢科技告訴Autolab，「博世將自動駕駛技術劃分為高速公路、城市、限定場景三大領域，馭勢科技目前發力的限定場景自動駕駛，跟博世有很好的契合性，目前雙方正在積極溝通各種可能性，我們期待和博世在未來能夠碰撞出更多火花，真正為產業界賦能。」
博世與豐田的主動出擊，也為國內車企敲響了警鍾，是否應該趕上這波節奏，搶灘登陸優質自動駕駛科技公司？畢竟高瞻遠矚也是成為國際車企的必修課，近水樓台不得月，笑話就鬧大了。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
8. 勁牌公司的釀酒廠有對外開放嗎，可以參觀智能機器人釀酒嗎
有的，可以通過「跟著勁酒去旅行」活動到勁牌公司總部來展館參觀智能化流水線工廠。
9. 百度在人工智慧野心宏大但PPT還請細心做 是怎麼回事
大意失荊州、大意出事故，今天又一個大意之事，並且火了。
網路的PPT又鬧出笑話了。
2017年6月8日，網路集團總裁兼首席運營官、董事會副大大陸奇參加2017年愛奇藝世界大會，在進行主題演講的時候，有一頁PPT出現三處錯誤，引來了王思聰的關注。
雖然此次陸奇所使用的PPT在視覺設計、包括演講的言辭都沒有此前的問題，但是這種細小的錯誤，尤其是在這么重要的公開場合，對於網路無異於是自己打了自己的臉。
我們可沒見過谷歌、蘋果、阿里巴巴和騰訊等大公司在PPT上出現過這樣低級的錯誤。
10. 用遺傳演算法預估數學模型中的三個未知參數，涉及系統辨識，請告知涉及系統辨識的遺傳演算法的matlab程序模板
作為發酵工業中游技術核心的發酵過程式控制制和優化技術，既關繫到能否發揮菌種的最大生產能力，又會影響到下游處理的難易程度，在整個發酵過程中是一項承上啟下的關鍵技術。本書作者多年來一直從事發酵過程的在線檢測、解析、控制和優化等方面的研究，在借鑒國外的有關最新研究成果和作者自身完成的研究實例的基礎上，博採眾家之長，寫成此書。
全書結合具體的發酵過程實例，分別對發酵過程的解析、控制和優化，特別是在線檢測、在線狀態預測和模式識別，以及在線控制和最優化控制的技術及方法進行了比較系統詳細的介紹，並引入了模糊邏輯推理、人工神經網路模型、代謝網路模型等新型的控制、優化、狀態預測以及模式識別等方法和技術。
本書適合於從事發酵工程、生物工程、生物化工、化學工程等相關專業領域研究的科研人員、教師和工程師使用，也可供大專院校相關專業的高年級本科生和研究生參考。目錄
第一章緒論1
第一節生物過程的特點以及生物過程的操作、控制、優化的基本特徵1
第二節生物過程式控制制和優化的目的及研究內容2
第三節發酵過程式控制制概論4
第四節發酵過程的狀態變數、操作變數和可測量變數6
第五節用於發酵過程式控制制和優化的各類數學模型7
第六節發酵過程最優化控制方法概論8
一、基於非構造式動力學模型的最優化控制方法8
二、基於可實時測定的過程輸入輸出時間序列數據和黑箱模型的
最優化控制方法9
參考文獻10
第二章生物過程參數在線檢測技術11
第一節ph的在線測量13
一、ph感測器的工作原理13
二、ph感測器的使用15
第二節溶氧濃度的在線測量18
一、溶氧濃度測量原理18
二、溶氧電極19
三、溶氧電極的使用21
第三節發酵罐內氧氣和二氧化碳分壓的測量以及呼吸代謝參數的計算23
一、氧分析儀23
二、尾氣co2分壓的檢測26
三、呼吸代謝參數的計算26
第四節發酵罐內氧氣體積傳質系數kla的測量31
一、亞硫酸鹽氧化法31
二、溶氧電極法32
三、物料衡演算法33
四、動態測定法34
五、取樣極譜法35
六、復膜電極測定kla35
第五節發酵罐內細胞濃度的在線測量和比增殖速率的計算36
一、菌體濃度的檢測方法及原理36
二、在線激光濁度計38
第六節生物感測器在發酵過程檢測中的應用39
一、生物感測器的類型和結構原理39
二、發酵罐基質（葡萄糖等）濃度的在線測量43
三、引流分析與控制（fia）45
四、發酵罐器內一級代謝產物（乙醇、有機酸等）濃度的在線
測量47
參考文獻48
第三章發酵過程式控制制系統和控制設計原理及應用49
第一節過程的狀態方程式49
第二節生物過程的典型和基本數學模型51
一、生物過程最基本的合成和代謝分解反應51
二、生物過程典型的數學模型形式55
三、發酵過程的各種得率系數和各種比反應速率的表現形式57
四、生物反應器的基本操作方式62
五、發酵過程狀態方程式在「理想操作點」近旁的線性化64
第三節拉普拉斯變換與反拉普拉斯變換67
一、拉普拉斯變換的定義68
二、拉普拉斯變換的基本特性以及基本函數的拉普拉斯變換68
三、反拉普拉斯變換69
四、有理函數的反拉普拉斯變換69
五、過程的傳遞函數gp(s)——線性狀態方程式的拉普拉斯函數
表現形式69
六、過程傳遞函數的框圖和轉換70
七、過程對於輸入變數變化的響應特性71
第四節過程的穩定性分析74
一、過程穩定的判別標准74
二、過程在平衡點（特異點）近旁的穩定特性的分類75
三、連續攪拌式生物反應器的穩定特性的解析77
第五節生物過程的反饋控制和前饋控制79
一、生物過程的前饋控制79
二、流加操作的生物過程中常見的前饋控制方式80
三、生物過程的反饋控制83
四、生物過程中反饋控制與前饋控制的並用84
第六節pid反饋控制系統的設計和解析86
一、閉迴路pid反饋控制的性能特徵86
二、比例動作87
三、積分動作88
四、微分動作89
五、pid反饋控制器的構成特徵89
六、反饋控制系統的穩定性分析89
七、反饋控制系統的設計和參數調整91
八、開關反饋控制94
第七節反饋控制系統在生物過程式控制制中的實際應用95
一、以溶氧濃度（do）變化為反饋指標的流加培養控制——
dostat法95
二、以ph變化為反饋指標的流加培養控制——phstat法98
三、以rq為反饋指標的流加培養控制100
四、直接以葡萄糖濃度為反饋指標的流加培養控制101
五、以代謝副產物濃度為反饋指標的流加培養控制103
參考文獻105
第四章發酵過程的最優化控制106
第一節最優化控制的研究內容、表述、特點和方法106
第二節最大原理及其在發酵過程最優化控制中的應用107
一、最大原理及其演算法簡介107
二、利用最大原理確定流加培養過程的最優基質流加策略和方式111
三、最大原理的數值解法及其在生物過程最優化控制中的應用116
第三節格林定理及其在發酵過程最優化控制中的應用121
一、格林定理121
二、利用格林定理求解流加培養（發酵）的最短時間軌道問題122
三、格林定理在乳酸菌過濾培養最優化控制中的應用125
四、利用格林定理進行乳酸菌過濾培養最優化控制的計算機模擬和
實驗結果128
第四節遺傳演算法及其在發酵過程最優化控制中的應用131
一、遺傳演算法簡介131
二、遺傳演算法的演算法概要及其在重組大腸桿菌培養的最優化控制
中的應用132
三、遺傳演算法在酸乳多糖最優化生產中的應用138
參考文獻143
第五章發酵過程的建模和狀態預測144
第一節描述發酵過程的各類數學模型簡介144
一、非構造式動力學模型145
二、代謝網路模型146
三、基於在線時間序列數據的自回歸平均移動模型146
四、人工神經網路模型147
五、正交或多項式回歸模型148
第二節非構造式動力學數學模型的建模方法148
一、利用非線性規劃法確定非構造式動力學數學模型的模型參數148
二、利用遺傳演算法確定過程模型參數157
第三節利用人工神經網路建模和預測發酵過程的狀態159
一、神經細胞和人工神經網路模型159
二、人工神經網路模型的類型161
三、人工神經網路的誤差反向傳播學習演算法163
四、利用人工神經網路在線識別發酵過程的生理狀態和濃度變化
模式167
五、利用人工神經網路的發酵過程狀態變數預測模型169
六、利用人工神經網路的非線性回歸模型173
七、結合使用人工神經網路模型和遺傳演算法的過程優化175
第四節卡爾曼濾波器在發酵過程狀態預測中的應用176
一、卡爾曼濾波器及其演算法176
二、利用卡爾曼濾波器在線推定菌體的比增殖速率178
參考文獻180
第六章發酵過程的在線自適應控制182
第一節基於在線時間序列輸入輸出數據的自回歸移動平均模型解析184
一、自回歸移動平均模型詳解184
二、利用逐次最小二乘回歸法計算和確定自回歸移動平均模型的
模型參數186
第二節基於自回歸移動平均模型的在線自適應控制189
一、「極配置」 型的在線自適應控制系統189
二、「最優控制」型的在線自適應控制系統190
三、酵母菌流加培養過程的比增殖速率在線自適應最優控制193
四、乳酸連續過濾發酵過程的在線自適應控制196
第三節基於自回歸移動平均模型的在線最優化控制201
一、麵包酵母連續生產的在線最優化控制201
二、乳酸連續過濾發酵的在線最優化控制205
第四節基於遺傳演算法的在線最優化控制210
一、利用遺傳演算法實時在線跟蹤和更新非構造式動力學模型的
參數210
二、結合使用最大原理和遺傳演算法的在線最優化控制212
參考文獻214
第七章人工智慧控制216
第一節模糊邏輯控制器217
一、模糊邏輯控制器的特點和簡介217
二、模糊語言數值表現法和模糊成員函數218
三、模糊規則223
四、模糊規則的執行和實施——解模糊規則的方法225
五、模糊邏輯控制系統的構成、設計和調整228
第二節模糊邏輯控制系統在發酵過程中的實際應用231
一、酵母流加培養過程的模糊控制231
二、谷氨酸流加發酵過程的模糊控制237
三、輔酶q10發酵生產過程的模糊控制241
四、模糊推理技術在發酵過程在線狀態預測中的應用245
第三節基於人工神經網路的控制系統及其在發酵過程中的應用250
一、基於人工神經網路的在線自適應控制250
二、模糊神經網路控制系統及其在發酵過程中的實際應用253
三、模糊神經網路控制器及其在發酵過程中的應用260
參考文獻268
第八章利用代謝網路模型的過程式控制制和優化270
第一節代謝網路模型解析270
一、代謝網路模型的簡化、計算和求解272
二、利用代謝網路模型的狀態預測277
第二節網路信號傳遞線圖和利用網路信號傳遞線圖的代謝網路模型278
一、網路信號傳遞線圖及其簡化278
二、利用代謝信號傳遞線圖處理代謝網路281
三、利用網路信號傳遞線圖的代謝網路分析282
第三節代謝網路模型在賴氨酸發酵過程在線狀態預測和控制中的
應用284
一、簡化代謝網路模型的建立286
二、利用簡化代謝網路模型進行在線狀態預測的結果288
參考文獻290
第九章計算機在生化反應過程式控制制中的應用291
第一節過程工業的特點和計算機控制291
一、過程工業的特點291
二、數字計算機在過程式控制制中應用概述293
第二節集散控制系統及介面技術296
一、集散控制系統簡介296
二、集散控制系統的特點298
三、過程介面技術299
第三節檸檬酸發酵過程計算機控制系統設計302
一、系統結構設計303
二、組態軟體設計304
三、系統功能設計305
四、系統控制演算法及優化305
第四節青黴素發酵過程專家控制系統307
一、青黴素發酵過程的特點和控制上的困難307
二、青黴素發酵過程專家控制系統308
三、系統運行情況312