人工智能发酵
1. 为什么酱香型白酒只能在茅台酿造
由于茅酒销路好利润高,其它地方许多人企图仿制,但都未成功。茅酒之所以不可克隆主要是因为:
独特的地域环境
云贵高原海拔1200多米,茅台镇位于贵州高原最低点的盆地,海拔仅440米,远离高原气流,终日云雾密集。一年有大半年时间笼罩在闷热、潮湿的雨雾之中。这种气候、水质、土壤条件,对于酒料的发酵、熟化非常有利,同时对茅台酒中香气成分的微生物产生、精化、增减起了决定性的作用。
独特的赤水河水
赤水河水质优良无色透明,微甜爽口,酸碱适度,钙镁离子含量、硬度均符合优质饮用水标准。赤水河水有一个奇怪现象,每年端午节至重阳节,河水呈红色;而重阳节至翌年端午节之间,河水清彻透明。茅酒完全按照这一节律的变化进行酿制。
特有的红缨子高粱
茅台镇当地出产的高粱,颗粒坚实、饱满、均匀,粒小皮厚,其截面呈玻璃质地状,十分有利于茅酒工艺的多轮次翻烤。是茅酒优雅细腻、酒体丰满醇厚的重要因素,其它外地高粱均无法取代。
复杂的酿造工艺
茅酒生产季节性很强,必须在每年端午节踩曲,重阳节投料。茅酒工艺的特点可概括为三高三长:高温制曲、高温堆积发酵、高温馏酒;基酒生产周期长、大曲贮存时间长、基酒酒龄长。茅酒基酒生产周期长达一年,需二次投料、九次蒸馏、八次发酵、七次取酒,历经春、夏、秋、冬一年时间。而其他白酒只需几个月或十多天即可。茅酒大曲贮存时间长达6个月,比其他白酒多存3-4个月,而且大曲用量大,是其它白酒的4-5倍。
2. 如何控制优化发酵条件，降低大肠杆菌高细胞密度培养过程中乙酸的生成
高生产率和高细胞密度发酵生物技术研究者追求的两个主要目标，一是新型生物产品的开发，另一就是为传统的或新生生物产品，寻求更经济的生产方式。近十年来，利用遗传工程技术来生产一些重要的生物药物，是生物技术领域中迅速发展的一个重要方向。在这一研究领域里，如何创造更经济、更有效的方法，来提高生产过程的经济性和产品的市场竞争力，已经成为生物技术领域的科学家们所关注的焦点问题。 利用重组DNA技术生产重要的生物药物，在人类文明史上具有划时代的意义。由于生产成本和生产率的高低直接影响公司的生存，重组生物药物生产过程的优化已经成为一个重要问题。它包括以下六个方面∶(1)适宜宿主的选择；(2)重组蛋白积累位点(如可溶的胞内积累、胞内聚合积累、周质积累或胞外积累)的确定；(3)重组基因最大表达的分子策略；(4)细胞生长和生产环境的优化；(5)发酵条件的优化；(6)后处理过程的优化。只有这六个方面都以实现高生产率为目标，整个生产过程的最优化才能实现。 (一)细胞生长环境的优化策略 要提高细胞密度和生产率，首先需要对微生物生长的物理和化学环境进行优化，包括生长培养基的组成，培养物理参数(pH、温度和搅拌)及产物诱导条件。优化这些参数的目的在于保证细胞生长处于最适的环境条件之下，避免营养物过量或不足、防止产物降解以及减少有毒产物的形成。 1．培养基组成的优化 培养基中通常含有碳(能)源、氮源，以及微营养物如维生素和微量元素，这些营养物的浓度与比例，对实现生产重组微生物的高密度发酵是很重要的。例如，过量的Fe2+和CaCO3与相对低浓度的磷酸盐可促进黄曲霉生产L-苹果酸；链霉菌在60～80 mmol/L CO32-存在下，其丝氨酸蛋白酶生产能力可提高10倍之多；在重组微生物达到高细胞密度后，限制磷酸盐浓度可使抗生素和异源白介素1的产率显著提高。此外还发现，限制精氨酸的浓度虽然会抑制细胞的生长，但比起精氨酸充足时细胞生长优良的情况，其重组-淀粉酶的产量可提高2倍。 培养基中复合氮源的种类对重组大肠杆菌的高密度发酵也非常重要。一般地，当流加培养基中含有酵母膏时，重组蛋白不稳定；而当流加培养基中含有蛋白胨时，大肠杆菌不能再利用其所产生的乙酸。将酵母膏和蛋白胨都加入流加培养基中，不但所生产的重组蛋白非常稳定，细胞还能再利用代谢合成的乙酸，这是一种非常有趣的代谢机制。 恒化技术可用于优化精氨酸营养缺陷型大肠杆菌X90的生长培养基。使该菌株以0.4 h-1的比生长速率在含精氨酸的基本培养基上生长，待培养达到稳定状态后，在恒化器内分别加入氨基酸、维生素和微量元素来考察这些物质对菌体生长和精氨酸合成的影响。结果表明，由于氨基酸生物合成途径的末端产物抑制作用，加入某些氨基酸后，细胞生长反而受到抑制。加入NH4Cl后细胞量则出现了戏剧性的增长。而添加维生素对菌体生长基本上没有任何影响。通过计算生物量对每种基质的产率，最终可以确定高密度发酵培养基的组成，在此优化培养基上，大肠杆菌X90细胞密度可达到92 g/L，同时形成56 mg/L的胞外重组蛋白酶。 2．特殊营养物的添加 在某些情况下，向培养基中添加一些营养物质能提高生产率。这些营养物的作用有可能是作为产物的前体，也有可能是阻止产物的降解，例如，在培养重组大肠杆菌生产氯霉素乙酰转移酶(一种由许多芳香族氨基酸组成的蛋白)时添加苯丙氨酸，可将酶的比活力提高大约2倍；在培养重组枯草芽孢杆菌生产-内酰胺酶的培养基中添加60 g/L的葡萄糖和100 mmol/L的磷酸钾能使重组蛋白的稳定性显著提高。其原因可能是由于宿主细胞产生的多种胞外蛋白酶的活性被抑制，从而防止了重组蛋白的降解。 在生长培养基中添加特殊物质有时还能以一种未知的机制提高生产率。例如，在摇瓶培养Micromonospora cbersina时添加碘化钠可使dynemicin A的产量提高35倍，但在小型反应器中却无法重复这一结果。 3．限制代谢副产物的积累 培养条件的控制对代谢副产物的形成影响甚大。在分批或流加培养中，某些营养物的浓度过高均会导致Crabtree效应的产生。在这种效应下，酿酒酵母会产生乙醇，大肠杆菌则会产生过量乙酸，一旦生成乙酸，细胞生长及重组蛋白的生产均会受到抑制。大肠杆菌形成乙酸的速度依赖于细胞的生长速度和培养基的组成。业已确证，如果在培养基中添加复合营养物(如大豆水解物)，则会增加乙酸的积累量。针对如何减轻由于乙酸积累而产生的负面影响，众多研究者进行了大量工作，如利用循环发酵技术来限制乙酸在重组大肠杆菌高密度培养中的积累。近来也有研究表明，添加某些氨基酸能减轻乙酸的抑制作用。如在培养基中添加10 mg/L的甘氨酸能显著促进大肠杆菌合成重组-淀粉酶和-内酰胺酶，并能刺激酶从周质向培养基中释放，但此时仍有乙酸伴随生成。 (二)培养模式 由于许多营养物在高浓度下对细胞有抑制作用，而为了达到高细胞密度，又必须供给大量的营养物质，因此，浓缩营养物必须以与其消耗速率成比例的速度加入反应器中。为此产生了多种形式的补料策略，它可以简单到线性补料，也可以复杂到利用数学模型计算得出的策略来控制补料速率。具体来说，培养模式的选择主要依赖于以下三个因素∶(1)所培养细胞的具体代谢行为；(2)利用抑制性底物合成目的产物的潜力；(3)诱导条件以及测量细胞培养各项参数的能力。 1．大肠杆菌流加发酵策略 大肠杆菌是迄今为止遗传背景最清楚的菌株，广泛用于基因工程的研究中。大肠杆菌高密度培养时最关键的问题是如何尽量减少乙酸的产生，因为高浓度葡萄糖或高比生长速率带来的高浓度乙酸会严重抑制细胞生长和重组蛋白的生产。研究发现，即使葡萄糖浓度只有0.25～0.5 g/L，大肠杆菌仍会产生乙酸。因此，高细胞密度发酵所采用的流加策略必须按照一定的算法制定，以保持反应器中底物浓度处于较低的水平。营养物最好以它们的消耗速率加入反应器中，这样不仅可以防止底物积累到毒性水平，也不会使细胞处于饥饿状态。 近年来已经报道了多种控制大肠杆菌流加培养中流加速率的方法，其中大多数是将流加速率与一种物理参数间接耦合(如溶氧、pH或CO2释放速率)。有学者将溶氧控制在一个预定值上以保证较低的生长速率，结果乙酸产生很少，最终细胞干重达到110 g/L，并发现较低的比生长速率还有利于重组蛋白的高表达。在另一个控制低比生长速率的高细胞密度培养中，研究者采用先指数流加葡萄糖、铵盐和无机盐，后采用广义线性流加的培养策略，有效地防止了乙酸的积累，重组大肠杆菌的细胞密度达到66 g/L，通过温度诱导可在胞内形成19.2 g/L的活性重组蛋白。 如果将葡萄糖浓度控制在一个不致于产生毒性的足够低的水平上，也可以使细胞在不存在限制性基质的情况下迅速生长到高细胞密度。这种控制策略对仪器的要求较高。Kleman等采用在线葡萄糖分析仪，以微生物对葡萄糖的需求来决定葡萄糖和其它营养物的流加速率，这一算法能够在产物诱导阶段中根据细胞生长的变化自动调整流加速率。培养携带质粒的大肠杆菌 MV1190，其质粒中带有编码1,5-二磷酸核酮糖羧化酶的基因，最终细胞干重达到39 g/L，产生1.7 g/L可溶的活性蛋白。 2．重组酵母的流加发酵 酵母中广泛用于遗传工程研究的菌株是酿酒酵母。但采用酿酒酵母作为重组宿主也有以下缺点∶(1)重组蛋白生产的水平较低；(2)质粒不稳定；(3)生成乙醇。其中生成乙醇是研究者最不希望出现的，因为这会抑制重组蛋白的形成。近来研究表明，其它酵母，如巴斯德毕赤氏酵母也具有作为重组宿主的潜力。Clare等比较了重组巴斯德毕赤氏酵母和酿酒酵母在高细胞密度状态下表达和分泌鼠表皮生长因子的能力。培养每基因组含有19个拷贝数的巴斯德毕赤氏酵母，最终可获得447 mg/L胞内重组蛋白；而培养酿酒酵母所获得的最高水平仅6～7 mg/L。 通过先指数流加，后采用基于CO2释放和RQ值的线性流加控制方式可使重组巴斯德毕赤氏酵母的细胞干重达到80～90 g/L，并分泌高水平的重组人血清蛋白。而培养酿酒酵母，细胞干重和重组蛋白的产量仅分别为25 g/L和20 mg/L。即使将酿酒酵母的生长速率维持在0.12～0.18 h-1，也将形成10～13 g/L的乙醇，因而导致产率降低。但酿酒酵母产乙醇也并不是不可控制的。Shimizu等采用一个复杂的流加系统，将酵母的生长速率控制在0.3 h-1，可使谷胱甘肽(GSH)的生产最大而乙醇的生成最小。 3．流加培养的控制 一个好的流加控制系统必须避免两种倾向∶一是流加过量，补料组分在反应器中积累从而对细胞生长和产物形成产生抑制；二是流加不足，这可能会导致细胞必需营养物的缺乏。计算机技术的迅猛发展，为流加培养的控制提供了更有效的手段。近年来，应用计算机技术来监测和控制发酵过程的研究屡见报道。由于现代计算机技术的帮助，人们能够采用多种生长参数和数学模型来控制流加培养中营养物的添加，从而使复杂的控制系统得以实现。在各种人工智能技术中，模糊推理(fuzzy reasoning)是应用最广的一种。模糊逻辑控制(fuzzy logic control)部分依赖于数学生长模型，也采用“语言定义的规则系统”(linguistically defined rules system)来帮助系统响应发酵过程的非线性和动态行为。Alfafara等在流加培养酿酒酵母生产谷胱甘肽的研究中，采用一个模糊逻辑控制系统来控制葡萄糖的流加速度，对系统进行优化后谷胱甘肽的比产生速率达到6.2 mgg-1h-1。目前，在流加培养中应用模糊逻辑控制技术的最大问题在于如何减少底物和产物浓度振荡所需的调整次数。自适应模糊逻辑控制算法的发展可望对此有所帮助。 (三)诱导策略 对于许多带有诱导型启动子的重组微生物，只有将生长期和产物形成期分开才能获得最大生产率。在流加培养中，这两段时期的分离可以通过延迟诱导直至细胞生长已达到高密度来实现。此外，如果质粒稳定并且产物对培养物无毒，那么可以用重复补料分批培养系统来提高生产率。有学者采用重复补料分批培养技术培养酿酒酵母，每24 h更换50%的培养基，持续30 d，其产物(hirudin)的产量可比连续培养系统提高3倍。 如果诱导物和产物对细胞都有毒性，那么应当人为地将诱导期和生长期分开。对于这种情况，两级连续培养是最适宜的培养方式。控制第一罐的条件，使细胞生长处于最适状态之下，而诱导与产物形成则发生在第二罐中。例如，在恒化器中培养一株能产-内酰胺酶的重组大肠杆菌，将第一罐的发酵液导入第二罐中，构成一个两级培养系统。第二罐中添加营养物以及IPTG作为诱导物。结果获得300 mg活性-内酰胺酶(相当于总蛋白的25%)，其中90%分泌至胞外。这一系统至少可以稳定运行50 d。另一相似的系统被用于培养大肠杆菌生产重组蛋白A-EcoRI蛋白融合体。培养在恒浊器中进行，对第二罐进行热诱导，结果获得了比分批发酵高6倍的比生产率。研究者还尝试将生产重组蛋白的两级连续培养系统与亲和色谱柱相组合，试图实现重组蛋白生产和纯化的连续化。但由于技术上的一些原因，这种组合还未得到成功。 比生长速率对细胞生长和产物形成均有重要作用。经常会遇到的情况是，最适于细胞生长的比生长速率却并不适于产物的形成或其它特性的实现。我们在培养面包酵母时发现，比生长速率为0.2 h-1时细胞产率最高，而比生长速率为0.178 h-1时酵母发酵活力最佳。针对这一现象我们提出了一个两阶段控制比生长速率的流加培养策略，结果在一个反应器中实现了高发酵活力与高细胞产率的统一。 (四)细胞循环发酵 从反应器角度来考虑获得高细胞密度，通常采用的是细胞循环生物反应器。这种反应器利用一种切向流或中空纤维过滤器从醪液中分离细胞，细胞返回容器，无细胞醪液则以给定速率连续转移，同时代之以新鲜培养基。利用细胞循环技术，可使细胞保留在反应器中并达到高细胞密度，而毒性废产物和胞外产物则不断转移，这可以延迟或防止由细胞生长或产物形成引起的反馈抑制。细胞循环生物反应器能够适用于多种机体和生产系统，但它的应用也存在许多限制，主要包括∶(1)作用于进入过滤单元的细胞的剪应力太大；(2)系统的放大存在许多实际困难。 操作细胞循环生物反应器时必须考虑两个因素，一是稀释率(流速／体积)；二是循环速率(指通过过滤系统的培养基速率)。稀释率的大小影响细胞的生长速率，不同的实验目的对稀释率的要求也不同；高的循环速率可使组分混合均匀，特别适用于细胞容易凝聚或成团的情况。但循环速率过高会使作用在细胞上的剪切力过高，也会导致过滤单元膜的迅速损坏。因此，很难同时确定合适的稀释率与循环速率，这也是限制细胞循环技术应用的一个重要因素。 细胞循环技术可望获得高的体积生产率，这对产物的提取非常有利。近年来循环发酵技术已广泛用于生产细胞代谢物，如燃料酒精和有机酸(如丁酸)及2,3-丁二醇。Lee和Chang采用细胞循环发酵技术，重组大肠杆菌细胞干重达到145 g/L，其重组青霉素酰化酶生产率比分批培养提高了近10倍。对于活细胞即为所希望的产物的培养，细胞循环发酵也能发挥作用。如在食品工业中，为生产牛奶，奶酪和酸乳酪需培养不同的乳杆菌，采用细胞循环生物反应器可以很容易地提高这些生物体的的密度。 在多种控制手段的帮助下，目前人们已经能很容易地获得超过100 g/L的细胞密度。但已有的研究结果表明，与最适生物量形成所对应的生长条件通常会导致较低的比生产率。例如，用细胞循环反应器生产2,3-丁二醇，生物量提高了大约6倍，但体积生产率只提高了2～3倍。同样，流加培养可以使链霉菌的细胞干重达到43 g/L，但蛋白酶活为零，而当细胞干重为18 g/L时蛋白酶活却高达3500 U/mL。我们在研究中也经常遇到类似问题。要解决这一问题，一方面应当研究如何促进重组蛋白的高效表达和提高重组菌株的稳定性，另一方面要研究与高细胞密度相关联的高水平产物的形成条件.
3. 算法公司角逐AI芯片，商业化之难如何破
二月初，AI芯片投资回暖。2月25日，成立100天的GPU芯片公司摩尔线程宣布融资数十亿元，摩尔线程由前英伟达全球副总裁、中国区总经理张建中创立，其融资信息刚发布立刻在业界发酵。2月11日，另一家GPU芯片的创业公司登临科技宣布完成了A+轮融资，首款GPU+人工智能处理器已成功回片通过测试，开始客户送样。
与此同时，另一阵营的AI算法公司纷纷提速AI芯片商业化进程。2月18日，网络在年度财报会上首次披露AI芯片的进展情况，加上此前其AI芯片将单独运作进行正与IDG等进行融资谈判的消息被媒体传出，网络AI芯片的商业化被猜提速。2月9日，由做了二十余年算法余凯其创立的AI芯片公司地平线，宣布完成3.5亿美元的C3轮融资、其自动驾驶芯片今年出货量将突破100万片。也是在最近，另外一家AI算法公司依图科技将推出第二颗AI芯片消息，也被传出，而其上市招股书显示，募集资金中有23亿将用于新一代芯片的研发以及生态布局。
4. 长帝的那个空气烤风炉烤箱好用吗听介绍功能还挺强大
你说的是循环风的电烤箱，带有循环风的电烤箱比起没有循环风的电烤箱，烤起东西来，火力是比较均匀的，尤其是烤制面包蛋糕的时候不需要翻盘倒盘，相比来说带有循环风的烤箱价格要高一些。
5. OHR-E400系列显示控制仪表适用于需要进行高精度多段曲线程序升/降温控制的系统(如啤酒发酵)吗
我只晓得NHR的，
NHR-5400系列60段人工智能温控器采用真正的人工智能算式，仪表启动自整定功能，可以根据被控对象的特性，自动寻找参数以达到很好的控制效果，无需人工整定参数。控温精度基本达±0.1℃，无超调、欠调，达国际先进水平。适用于需要进行高精度多段曲线程序升/降温控制的系统(如啤酒发酵，窑炉升温等)。
★具备36种信号输入类型，用户可根据需求任意设置输入类型；0.2％级测量精度
★具备“上下限报警”、“偏差报警”、“LBA报警”、“闪烁报警”等报警功能，带LED报警灯指示
★PID控制曲线多达60段，曲线可任意组合，并通过面板按键实现手动“启动”、“停止”、“清零”、“步进”等功能
★具有掉电自启动功能，从上电测量值与设定值相同点的升温段开始升温，并按原设定曲线执行控制
★可带一路PID控制输出和一路模拟量变送输出，具有电流、电压、SSR驱动、单/三相可控硅过零触发、继电器接点等多种输出控制方式
★带PID参数自整定功能，控制输出手动/自动无扰切换功能，控制准确且无超调
★支持RS485、RS232串行接口，采用标准MODBUS RTU通讯协议
★仪表可带RS232C打印功能，具有手动打印、定时打印、报警打印等功能
★带DC24V馈电输出，为现场变送器配电
★输入、输出、电源、通讯相互之间采用光电隔离技术
★具备多种外形尺寸及样式供用户选择
★参数设定密码锁定、参数设置断电永久保存，具备参数恢复系统原始设置功能。
6. 会计信息化和人工智能是什么关系
当前，在来会计信息化领域有源两个热点：一是财务共享服务，二是电子发票。财务共享这个热点今年还在持续发酵，很多公司实施财务共享服务以后，最大影响也是会计人员的急剧减少；电子发票刚刚开始，在电子发票广泛使用的情况下，可以设想，会计人员特别是处理票据的会计人员将大幅减少。
在智能化里，人工智能（AI）和商务智能(BI)是非常典型的技术，是会计信息化主要的驱动力。
7. 疫情概念发酵：小马智行、驭势科技获巨额融资
文/白杨
今日，国内两家自动驾驶科技公司几乎同时宣布了融资喜讯。驭势科技（UISEE）公布在B轮获得博世战略投资，小马智行（Pony.ai）也宣布获得丰田投资的4亿美元融资。
事实上对自动驾驶行业而言，好消息还不止于此，据行业内部人士透露，近期自动驾驶科技公司获得融资较为密集，多家投资机构和行业巨头，正在与Momenta在内的几家自动驾驶科技企业洽谈中，更多好消息还在路上。
行业内的投资，除了资金上的支持，将来还有可能是技术上的协同发展。驭势科技告诉Autolab，“博世将自动驾驶技术划分为高速公路、城市、限定场景三大领域，驭势科技目前发力的限定场景自动驾驶，跟博世有很好的契合性，目前双方正在积极沟通各种可能性，我们期待和博世在未来能够碰撞出更多火花，真正为产业界赋能。”
博世与丰田的主动出击，也为国内车企敲响了警钟，是否应该赶上这波节奏，抢滩登陆优质自动驾驶科技公司？毕竟高瞻远瞩也是成为国际车企的必修课，近水楼台不得月，笑话就闹大了。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
8. 劲牌公司的酿酒厂有对外开放吗，可以参观智能机器人酿酒吗
有的，可以通过“跟着劲酒去旅行”活动到劲牌公司总部来展馆参观智能化流水线工厂。
9. 百度在人工智能野心宏大但PPT还请细心做 是怎么回事
大意失荆州、大意出事故，今天又一个大意之事，并且火了。
网络的PPT又闹出笑话了。
2017年6月8日，网络集团总裁兼首席运营官、董事会副大大陆奇参加2017年爱奇艺世界大会，在进行主题演讲的时候，有一页PPT出现三处错误，引来了王思聪的关注。
虽然此次陆奇所使用的PPT在视觉设计、包括演讲的言辞都没有此前的问题，但是这种细小的错误，尤其是在这么重要的公开场合，对于网络无异于是自己打了自己的脸。
我们可没见过谷歌、苹果、阿里巴巴和腾讯等大公司在PPT上出现过这样低级的错误。
10. 用遗传算法预估数学模型中的三个未知参数，涉及系统辨识，请告知涉及系统辨识的遗传算法的matlab程序模板
作为发酵工业中游技术核心的发酵过程控制和优化技术，既关系到能否发挥菌种的最大生产能力，又会影响到下游处理的难易程度，在整个发酵过程中是一项承上启下的关键技术。本书作者多年来一直从事发酵过程的在线检测、解析、控制和优化等方面的研究，在借鉴国外的有关最新研究成果和作者自身完成的研究实例的基础上，博采众家之长，写成此书。
全书结合具体的发酵过程实例，分别对发酵过程的解析、控制和优化，特别是在线检测、在线状态预测和模式识别，以及在线控制和最优化控制的技术及方法进行了比较系统详细的介绍，并引入了模糊逻辑推理、人工神经网络模型、代谢网络模型等新型的控制、优化、状态预测以及模式识别等方法和技术。
本书适合于从事发酵工程、生物工程、生物化工、化学工程等相关专业领域研究的科研人员、教师和工程师使用，也可供大专院校相关专业的高年级本科生和研究生参考。目录
第一章绪论1
第一节生物过程的特点以及生物过程的操作、控制、优化的基本特征1
第二节生物过程控制和优化的目的及研究内容2
第三节发酵过程控制概论4
第四节发酵过程的状态变量、操作变量和可测量变量6
第五节用于发酵过程控制和优化的各类数学模型7
第六节发酵过程最优化控制方法概论8
一、基于非构造式动力学模型的最优化控制方法8
二、基于可实时测定的过程输入输出时间序列数据和黑箱模型的
最优化控制方法9
参考文献10
第二章生物过程参数在线检测技术11
第一节ph的在线测量13
一、ph传感器的工作原理13
二、ph传感器的使用15
第二节溶氧浓度的在线测量18
一、溶氧浓度测量原理18
二、溶氧电极19
三、溶氧电极的使用21
第三节发酵罐内氧气和二氧化碳分压的测量以及呼吸代谢参数的计算23
一、氧分析仪23
二、尾气co2分压的检测26
三、呼吸代谢参数的计算26
第四节发酵罐内氧气体积传质系数kla的测量31
一、亚硫酸盐氧化法31
二、溶氧电极法32
三、物料衡算法33
四、动态测定法34
五、取样极谱法35
六、复膜电极测定kla35
第五节发酵罐内细胞浓度的在线测量和比增殖速率的计算36
一、菌体浓度的检测方法及原理36
二、在线激光浊度计38
第六节生物传感器在发酵过程检测中的应用39
一、生物传感器的类型和结构原理39
二、发酵罐基质（葡萄糖等）浓度的在线测量43
三、引流分析与控制（fia）45
四、发酵罐器内一级代谢产物（乙醇、有机酸等）浓度的在线
测量47
参考文献48
第三章发酵过程控制系统和控制设计原理及应用49
第一节过程的状态方程式49
第二节生物过程的典型和基本数学模型51
一、生物过程最基本的合成和代谢分解反应51
二、生物过程典型的数学模型形式55
三、发酵过程的各种得率系数和各种比反应速率的表现形式57
四、生物反应器的基本操作方式62
五、发酵过程状态方程式在“理想操作点”近旁的线性化64
第三节拉普拉斯变换与反拉普拉斯变换67
一、拉普拉斯变换的定义68
二、拉普拉斯变换的基本特性以及基本函数的拉普拉斯变换68
三、反拉普拉斯变换69
四、有理函数的反拉普拉斯变换69
五、过程的传递函数gp(s)——线性状态方程式的拉普拉斯函数
表现形式69
六、过程传递函数的框图和转换70
七、过程对于输入变量变化的响应特性71
第四节过程的稳定性分析74
一、过程稳定的判别标准74
二、过程在平衡点（特异点）近旁的稳定特性的分类75
三、连续搅拌式生物反应器的稳定特性的解析77
第五节生物过程的反馈控制和前馈控制79
一、生物过程的前馈控制79
二、流加操作的生物过程中常见的前馈控制方式80
三、生物过程的反馈控制83
四、生物过程中反馈控制与前馈控制的并用84
第六节pid反馈控制系统的设计和解析86
一、闭回路pid反馈控制的性能特征86
二、比例动作87
三、积分动作88
四、微分动作89
五、pid反馈控制器的构成特征89
六、反馈控制系统的稳定性分析89
七、反馈控制系统的设计和参数调整91
八、开关反馈控制94
第七节反馈控制系统在生物过程控制中的实际应用95
一、以溶氧浓度（do）变化为反馈指标的流加培养控制——
dostat法95
二、以ph变化为反馈指标的流加培养控制——phstat法98
三、以rq为反馈指标的流加培养控制100
四、直接以葡萄糖浓度为反馈指标的流加培养控制101
五、以代谢副产物浓度为反馈指标的流加培养控制103
参考文献105
第四章发酵过程的最优化控制106
第一节最优化控制的研究内容、表述、特点和方法106
第二节最大原理及其在发酵过程最优化控制中的应用107
一、最大原理及其算法简介107
二、利用最大原理确定流加培养过程的最优基质流加策略和方式111
三、最大原理的数值解法及其在生物过程最优化控制中的应用116
第三节格林定理及其在发酵过程最优化控制中的应用121
一、格林定理121
二、利用格林定理求解流加培养（发酵）的最短时间轨道问题122
三、格林定理在乳酸菌过滤培养最优化控制中的应用125
四、利用格林定理进行乳酸菌过滤培养最优化控制的计算机模拟和
实验结果128
第四节遗传算法及其在发酵过程最优化控制中的应用131
一、遗传算法简介131
二、遗传算法的算法概要及其在重组大肠杆菌培养的最优化控制
中的应用132
三、遗传算法在酸乳多糖最优化生产中的应用138
参考文献143
第五章发酵过程的建模和状态预测144
第一节描述发酵过程的各类数学模型简介144
一、非构造式动力学模型145
二、代谢网络模型146
三、基于在线时间序列数据的自回归平均移动模型146
四、人工神经网络模型147
五、正交或多项式回归模型148
第二节非构造式动力学数学模型的建模方法148
一、利用非线性规划法确定非构造式动力学数学模型的模型参数148
二、利用遗传算法确定过程模型参数157
第三节利用人工神经网络建模和预测发酵过程的状态159
一、神经细胞和人工神经网络模型159
二、人工神经网络模型的类型161
三、人工神经网络的误差反向传播学习算法163
四、利用人工神经网络在线识别发酵过程的生理状态和浓度变化
模式167
五、利用人工神经网络的发酵过程状态变量预测模型169
六、利用人工神经网络的非线性回归模型173
七、结合使用人工神经网络模型和遗传算法的过程优化175
第四节卡尔曼滤波器在发酵过程状态预测中的应用176
一、卡尔曼滤波器及其算法176
二、利用卡尔曼滤波器在线推定菌体的比增殖速率178
参考文献180
第六章发酵过程的在线自适应控制182
第一节基于在线时间序列输入输出数据的自回归移动平均模型解析184
一、自回归移动平均模型详解184
二、利用逐次最小二乘回归法计算和确定自回归移动平均模型的
模型参数186
第二节基于自回归移动平均模型的在线自适应控制189
一、“极配置” 型的在线自适应控制系统189
二、“最优控制”型的在线自适应控制系统190
三、酵母菌流加培养过程的比增殖速率在线自适应最优控制193
四、乳酸连续过滤发酵过程的在线自适应控制196
第三节基于自回归移动平均模型的在线最优化控制201
一、面包酵母连续生产的在线最优化控制201
二、乳酸连续过滤发酵的在线最优化控制205
第四节基于遗传算法的在线最优化控制210
一、利用遗传算法实时在线跟踪和更新非构造式动力学模型的
参数210
二、结合使用最大原理和遗传算法的在线最优化控制212
参考文献214
第七章人工智能控制216
第一节模糊逻辑控制器217
一、模糊逻辑控制器的特点和简介217
二、模糊语言数值表现法和模糊成员函数218
三、模糊规则223
四、模糊规则的执行和实施——解模糊规则的方法225
五、模糊逻辑控制系统的构成、设计和调整228
第二节模糊逻辑控制系统在发酵过程中的实际应用231
一、酵母流加培养过程的模糊控制231
二、谷氨酸流加发酵过程的模糊控制237
三、辅酶q10发酵生产过程的模糊控制241
四、模糊推理技术在发酵过程在线状态预测中的应用245
第三节基于人工神经网络的控制系统及其在发酵过程中的应用250
一、基于人工神经网络的在线自适应控制250
二、模糊神经网络控制系统及其在发酵过程中的实际应用253
三、模糊神经网络控制器及其在发酵过程中的应用260
参考文献268
第八章利用代谢网络模型的过程控制和优化270
第一节代谢网络模型解析270
一、代谢网络模型的简化、计算和求解272
二、利用代谢网络模型的状态预测277
第二节网络信号传递线图和利用网络信号传递线图的代谢网络模型278
一、网络信号传递线图及其简化278
二、利用代谢信号传递线图处理代谢网络281
三、利用网络信号传递线图的代谢网络分析282
第三节代谢网络模型在赖氨酸发酵过程在线状态预测和控制中的
应用284
一、简化代谢网络模型的建立286
二、利用简化代谢网络模型进行在线状态预测的结果288
参考文献290
第九章计算机在生化反应过程控制中的应用291
第一节过程工业的特点和计算机控制291
一、过程工业的特点291
二、数字计算机在过程控制中应用概述293
第二节集散控制系统及接口技术296
一、集散控制系统简介296
二、集散控制系统的特点298
三、过程接口技术299
第三节柠檬酸发酵过程计算机控制系统设计302
一、系统结构设计303
二、组态软件设计304
三、系统功能设计305
四、系统控制算法及优化305
第四节青霉素发酵过程专家控制系统307
一、青霉素发酵过程的特点和控制上的困难307
二、青霉素发酵过程专家控制系统308
三、系统运行情况312