-

Obiectivele avute n vedere:

Stabilirea soluiei pentru conducerea computerizat a bioreactorului;
Implementarea de tehnici moderne pentru obinerea informaiilor n regim on-line asupra
variabilelor procesului;
Elaborarea de modele zonale, specifice diverselor faze de dezvoltare a bioprocesului,
compunerea lor prin tehnici de inteligen artificial i validarea modelelor pe date de bioreactor;
Elaborarea de modele de vrst a microorganismelor;
Elaborarea de metode de conducere inteligent a bioproceselor.

innd cont de prevederile contractuale, validarea modelelor zonale i a procedurilor de control

bazate pe modele zonale s-a fcut folosind date furnizate de Institutul de Cercetri Alimentare (ICA)
Bucureti, pentru procesul de biosintez a alfaamilazei cu microorganismul Bacillus subtiilis. Validarea
modelelor de vrst a microorganismelor s-a fcut folosind date experimentale preluate din literatura
de specialitate, pentru procesul de acumulare de biomas a populaiei de Candida lypolitica.

MONITORIZAREA BIOREACTORULUI
Bioreactorul este un bioreactor cu agitare mecanic, de 20L, produs de firma Biolafitte. Pe lng
bioreactor, exist deja o serie de echipamente (marcate cu culoarea distinct n Figura 1), cum sunt:
turbina de agitare cu rezerve pentru diverse tipuri de bioprocese; motorul electric cu cuplajul aferent;
dulapul cu regulatoarele de temperatur, agitare, pH i controlul antispumrii; traductoare i elemente
de execuie aferente buclelor de reglare a elementelor de baz ale bioreactorului.
Analiznd mrimile care caracterizeaz un proces biotehnologic i care trebuie achiziionate de la
un bioreactor, se poate concluziona c acestea se mpart n dou categorii. n prima categorie intr
toate mrimile care pot fi msurate on-line i care, n general, creeaz condiiile de dezvoltare a
populaiei de microorganisme din bioreactor. Dintre aceste mrimi, cele mai importante sunt:
temperatura, agitarea, aerarea, presiunea n bioreactor, pH-ul, concentraia de oxigen dizolvat. n a
doua categorie intr o serie de mrimi specifice unui proces biotehnologic, cum sunt concentraia de
biomas, concentraia substratului, concentraia produsului de biosintez, mrimi specifice
bioprocesului. Din nefericire, n majoritatea cazurilor, aceste mrimi nu pot fi msurate on-line,
datorit inexistenei unor senzori ieftini, fiabili i suficient de robuti. Achiziia de date privind biomasa,
substratul, produsele de metabolism, se face prin analize de laborator, aceast metod fcnd dificil
conducerea bioreactoarelor (n sensul reglrii directe a acestor mrimi). Analiza de laborator necesit
prelevarea unei probe din coninutul bioreactorului, ceea ce presupune un risc mrit n contaminarea
(infectarea) culturii. n cazul acestor mrimi se prefer estimarea acestora, soluie ce va fi descris in
cadrul paragrafului 2.3.
Soluia stabilit pentru achiziia mrimilor incluse n prima categorie se bazeaz pe folosirea plcii
de achiziie PCL-818L. Astfel traductoarele mrimilor specifice bioreactorului au fost conectate la
intrrile analogice ale plcii de achiziie. Placa PCl-818L are pentru intrrile analogice 16 canale
simple sau 8 difereniale, cu o rezoluie de 12 bii, cu multiple nivele de intrare (+/- 0.625V, +/- 1.25, ,
+/- 5V sau +/- 10V), toate programabile software, tipul conversiei este prin aproximaii succesive, rata
de conversie max. 40KHz, precizia +/- 1bit, linearitatea +/- 1bit. Tipul de transfer al datelor, permis de
plac, este prin program, ntreruperi sau DMA.

1/39

Figura 1: Reprezentarea subsistemelor de msur i

automatizare aferente bioreactorului
2.2. STABILIREA SOLUIEI PENTRU COMANDA
ELEMENTELOR DE BAZ ALE BIOREACTORULUI
Regulatoarele autoacordabile ofer perspectiva mbuntirii nivelului de performan obinut n
reglarea proceselor industriale, creterea autonomiei sistemului decizional automat i reducerea
cerinelor de nalt calificare a personalului uman (Barbu, 2003). Exist dou tipuri de mecanisme de
autoacordare: mecanism paralel de autoacordare (Schonberger, 1998) i mecanism substitutiv de
autoacordare (Leva, 1994). n cadrul acestei activiti s-a folosit un mecanism substitutiv de acordare,
ilustrat n Figura 2. Mecanismul de acordare conine un regulator bipoziional cu histerezis variabil,
care determin intrarea sistemului ntr-un regim de oscilaii ntreinute. Monitorizarea oscilaiilor se
face n blocul de filtrare i de extragere de proprieti sintetice, care le determin amplitudinea i
perioada. Acestea sunt folosite la identificarea parial a caracteristicii de frecven a procesului i la
evaluarea timpului mort. Blocul de filtrare i de extragere de proprieti sintetice va trimite punctul
(punctele) identificate i timpul mort blocului mecanism de acordare, care va determina parametrii
regulatorului tipizat.
Literatura foarte ampl dedicat regulatoarelor autoacordabile reliefeaz dou aspecte eseniale,
de care depinde n mare msur calitatea autoacordrii:
1 - calitatea informaiilor furnizate de blocul de extragere a informaiilor sintetice. Acurateea
acestor informaii depinde, ntr-o msur important, de calitatea filtrrii semnalului de ieire.
Experiena industrial a artat c variaiile aleatoare adiionale ale mrimii de ieire msurate (zgomot
de msur, impulsuri parazite de scurt durat etc.) pot provoca distorsiuni importante n evaluarea
proprietilor sintetice ale procesului condus i ale buclei n ansamblu, cu repercusiuni grave asupra
calitii autoacordrii. Acest fapt a condus la investigarea unor soluii evoluate de filtrare, adecvate
cerinelor regulatoarelor cu autoacordare.
2 stabilirea criteriului de autoacordare. Frecvent, procedurile de autoacordare vizeaz cerine
privind asigurarea unei margini de faz sau/i de amplificare impuse.

2/39

Filtrare i extragere de proprieti sintetice

comand
acordare
Mecanism de acordare
+
r

A
e

parametrii de acord
comanda
Regulator PI sau PID

Proces
N

Regulator autoacordabil
Figura 2: Sistem automat cu regulator tipizat i mecanism substitutiv de autoacordare
Prezenta activitate are ca obiectiv elaborarea unor soluii noi, bazate pe tehnici fuzzy i neuronale,
pentru rezolvarea celor dou aspecte menionate anterior. n esen, aceste soluii se refer la:
utilizarea unor proceduri de filtrare obinute pe baza compunerii prin tehnici fuzzy a filtrelor
liniare FIR cu cele neliniare n band adaptiv;
analiza neuronal a rspunsului periodic al buclei n regimul de reglare bipoziional;
utilizarea tehnicilor fuzzy n alegerea cerinei privind rezerva de stabilitate a sistemului.

3. IMPLEMENTAREA DE TEHNICI MODERNE PENTRU OBINEREA

INFORMAIILOR N REGIM ON-LINE ASUPRA VARIABILELOR PROCESULUI
Una dintre cele mai ntlnite i mai importante probleme n controlul proceselor biotehnologice este
a gsi senzori adecvai i performani pentru msurarea variabilelor cheie ale procesului. Dac
n
cazul mrimilor ce creeaz condiiile de dezvoltare a populaiei de microorganisme din bioreactor
(temperatura, agitarea, aerarea, presiunea n bioreactor, pH-ul, concentraia de oxigen dizolvat etc.)
exist senzori de foarte bun calitate, n cazul mrimilor ce caracterizeaz, calitativ i cantitativ,
populaia de microorganisme din bioreactor (concentraia de biomas, concentraia substratului,
concentraia produsului de biosintez etc.) acestea nu pot fi msurate on-line, datorit inexistenei
unor senzori ieftini, fiabili i suficient de robuti. Achiziia biomasei, a substratului, a produselor de
metabolism, se face prin analiz de laborator, aceast metod fcnd dificil conducerea
bioreactoarelor (n sensul reglrii directe a acestor mrimi). Analiza de laborator necesit prelevarea
unei probe din coninutul bioreactorului, ceea ce presupune un risc mrit n contaminarea (infectarea)
culturii. De asemenea, metodele de laborator pentru determinarea numrului de microorganisme,
determinarea concentraiei substratului, precum i a concentraiilor produselor de metabolism sunt
destul de imprecise, genernd astfel incertitudini n aprecierea evoluiei mrimilor menionate. Aceste
probleme sunt mult amplificate n mediul industrial, n special datorit lipsei dotrii corespunztoare i
a unui personal suficient de calificat pentru realizarea unor msurtori de calitate n laborator. n mod
normal, n aceste condiii, se poate conta pe cel mult trei, patru analize de laborator n cursul
desfurrii unui proces biotehnologic.
O posibilitate de a ocoli multiplele neajunsuri legate de achiziia datelor de la bioreactoare, este
estimarea mrimilor de interes din procesul biotehnologic considerat (Barbu, 2004a), (Caraman,
2004b). Estimatorul de stare (numit n literatura de specialitate i senzor software sau observer) nu
este altceva dect un algoritm utilizat pentru determinarea unor mrimi ale procesului, care nu sunt
msurabile n timp real, pe baza altor mrimi accesibile din punct de vedere al achiziiei lor.

3/39

Reelele neuronale imit funcia creierului uman de a depinde de informaiile acumulate n neuron.
Exist cteva avantaje ale utilizrii reelelor neuronale n modelarea i controlul proceselor reale.
Reelele neuronale pot lucra cu sisteme neliniare sau multivariabile i pot nva sau adapta datele
procesului n structura lor. Datorit acestor caracteristici, reelele neuronale au fost aplicate n foarte
multe domenii diferite. Potenialul de aplicabilitate al reelelor neuronale provine din structura lor
special i din abilitatea adaptrii datelor. n fapt, o reea neuronal prezerv informaiile procesului
prin conexiunile ntre neuronii artificiali sau noduri printr-un algoritm de nvare sau antrenare
selectat.
Structura feed-forward este folosit foarte des n cazul proceselor biotehnologice, n special pentru
controlul acestor procese, dar, n ultima perioad, i n cazul senzorilor software. De asemenea, sunt
utilizai i ali algoritmi neuronali, cum ar fi: adaptiv, recurent etc.

3.1.1 Implementarea unui observer neuronal pentru procesul de biosintez discontinu a

alfaamilazei i proteazei cu microorganismul Bacillus subtilis
n cadrul acestei activiti a fost implementat un observer neuronal pentru procesul de biosintez
discontinu a alfaamilazei i proteazei cu microorganismul Bacillus subtilis (Caraman, 2002b). S-a
plecat de la un model structural-funcional al procesului mai sus menionat descris prin sistemul de
ecuaii difereniale (4) (12).
.

ES 1 S E (2 3 ) ES

(4)

S& 1 S E 2 ES

(5)

n
M& 3 ES k 2 4 M X k35 M
X
kn

(6)

X& 4 M X
6 X

(7)

X&t 4 M X

(8)

E&1 7 X 8 E1

(9)

P&
P1
1 10 X 11

(10)

E& 8 E1 9 E k1[( 2
3 ) ES 1 S E]

(11)

P& 11 P1 12 P

(12)

4/39

Figura 20: Evoluia biomasei viabile, alfaamilazei, substratului neasimilabil (amidonul)

i a substratului asimilabil (glucoza).
Semnificaia mrimilor care apar n modelul dat de ecuaiile (4) (12) este urmtoarea: ES
concentraia complexului enzim substrat, E concentraia alfaamilazei, P concentraia proteazei, S
concentraia substratului neasimilabil, M concentraia substratului asimilabil, X concentraia
biomasei viabile, Xt concentraia biomasei totale, E1 concentraia alfaamilazei intracelulare, P1
concentraia proteazei intracelulare, i, i=112 viteze de reacie. Dintre vitezele de reacie, 4
reprezint rata de cretere a biomasei viabile, iar 6 rata de declin. Mrimea n reprezint turaia de
agitare a mediului din bioreactorul discontinuu.
Rezultatele simulrii modelului (4) - (12) sunt prezentate n Figura 20.
n continuare, au fost modificate ecuaiile (10) (12) ale modelului, n sensul c a fost introdus i
vrsta medie n parametrizrile din model.
k M X
n
M& 3 ES 2 4
k35 M X
kn
V

(13)

M X
X& 4
6 X
V

(14)

M X
X&t 4
V

(15)

A fost adugat ecuaia vrstei medii (V) la model:

V& 1 4V M X

(16)

Rezultatele simulrii modelului rezultat prin introducerea ecuaiei de vrst medie sunt prezentate
n Figura 21.

5/39

Figura 21: Evoluia biomasei viabile, alfaamilazei, vrstei medii i a

substratului asimilabil (glucoza).

Figura 22: Structura reelei neuronale

Figura 23: Schema de antrenare a reelei neuronale

n cazul acestui proces, substratul asimilabil (M) este msurat, iar componentele vectorului de
stare, biomasa viabil (X) i alfaamilaza (E), care nu pot fi msurate, vor fi estimate. Din cauza
caracterului puternic neliniar al procesului, un observer liniar nu asigur rezultate bune pentru biomasa
X i alfaamilaza E. Un astfel de observer trebuie s estimeze un mare numr de variabile (X, E1, E,
P1, P, S i ES), ceea ce este foarte greu de implementat. Din acest motiv a fost utilizat un observer
neuronal, ce a fost antrenat pe baza ecuaiilor structural-funcionale ale modelului.

6/39

Structura reelei neuronale este prezentat n Figura 22. Ea conine 4 neuroni pe stratul de intrare,
2 straturi ascunse a 10 neuroni i un strat de ieire cu 2 neuroni. Funciile de activare a stratului de
intrare i a straturilor ascunse sunt logsig, iar pentru stratul de ieire purelin. Aa cum se poate
observa n Figura 22, intrrile reelei neuronale sunt turaia (n), substratul asimilabil (M), biomasa
viabila (X) i alfaamilaza (E) la momentul anterior i ca ieire X i E la moment curent. Antrenarea
reelei neuronale a fost facut considernd procesul n bucl deschis, cu algoritmul backpropagation (Figura 23).
n Figura 24 sunt prezentate rezultatele obinute prin folosirea observerului neuronal comparativ cu
datele obinute din modelul procesului. Aa cum se observ din figur, observerul neuronal d
rezultate foarte bune, aproape similare cu cele obinute din modelul procesului.

Figura 24: Evoluia (model si estimare) a biomasei viabile, alfaamilazei,

vrstei medii si substratului asimilabil glucoz

4. ELABORAREA DE MODELE ZONALE, SPECIFICE DIVERSELOR

FAZE DE DEZVOLTARE A BIOPROCESULUI, COMPUNEREA LOR
PRIN TEHNICI DE INTELIGEN ARTIFICIAL I VALIDAREA
MODELELOR PE DATE DE BIOREACTOR
Un model matematic este extrem de important pentru cunoaterea, analiza i conducerea unui
proces n general (biotehnologic n particular). Din pcate, procesele biotehnologice sunt dificil de
modelat, din mai multe considerente (Caraman, 2003d), (Caraman, 2004a):
fenomenele avute n vedere la acest tip de procese sunt puin cunoscute;
variabilele de stare semnificative sunt dificil de definit i comportamentul lor dinamic este
n general puternic neliniar;
experimentele sunt lungi (durata se msoar n ore sau chiar zile) i dificil de reprodus;
informaiile asupra variabilelor de stare din proces (n special concentraiile de biomas i
ale unor compui) se obin greu, de obicei prin prelevare de probe i analize de laborator, datorit
lipsei unor senzori adecvai (n cele mai multe cazuri se apelelaz la msurtori sau determinri
indirecte);
apariia unui puternic zgomot de msur, care influeneaz posibilitile de modelare a
proceselor biotehnologice.
Obiectivul modelrii trebuie s fie bine definit, n funcie de scopul utilizrii modelului. Un model
elaborat n vederea realizrii conducerii unui proces biotehnologic trebuie s in seama de
comportamentul dinamic al acestuia, astfel nct s permit determinarea unei comenzi adecvate.
Dac scopul modelrii este analiza, atunci modelul trebuie s fie capabil s descrie fenomenele
eseniale ale reaciilor biologice i biochimice care se desfoar n bioreactor. n general,
determinarea modelului matematic al unui proces biotehnologic presupune reunirea unor cunotine

7/39

din domenii variate, precum microbiologie, biochimie, matematic, automatic, informatic, precum i
o bun colaborare ntre experi, lucru deseori dificil de realizat.
n Figura 25 este prezentat structura pe subsisteme a unui proces biotehnologic (Caraman,
2002a). Primele trei subsisteme evideniaz fenomenele de schimb de mas i energie care au loc n
bioreactor, precum i dinamica proprietilor fizico - chimice ale mediului. Celelalte dou subsisteme
sunt legate nemijlocit de organismele vii care se dezvolt n bioreactor, fiind constituite din toate
reaciile biochimice aferente procesului biotehnologic. n Figura 25 s-a notat: u(t) - vectorul comenzilor,
y(t) - vectorul mrimilor de ieire (msurabile), z(t) - vectorul mrimilor de calitate, v(t) - vectorul
perturbaiilor, (t) - vectorul mrimilor de stare, (0) - starea iniial (inoculul, concentraia iniial de
substrat etc.)

Figura 25: Reprezentarea pe subsisteme a unui proces biotehnologic

Procesele din bioreactor reprezint doar o faz a procesului biotehnologic. Pe lng acestea, un
proces biotehnologic implic o serie de alte operaii pregtitoare, evideniate n Figura 26 (Caraman ,
2002a).
Aceste operaii, care completeaz procesele din bioreactor, au, la rndul lor, o influen important
asupra desfurrii procesului biotehnologic, introducnd, alturi de procesul de msurare a mrimilor
procesului, un grad de incertitudine care complic n mare msur posibilitile de modelare i
conducere. Sunt avute n vedere urmtoarele operaii:
alegerea microorganismului productor i a tulpinii cu cea mai mare productivitate;
pstrarea microorganismelor productoare;
prepararea inoculului;
prepararea substratului;
sterilizarea mediului de cultur;
inocularea bioreactorului;
extragerea produselor de reacie din mediul de cultur;
splarea bioreactorului;
curarea bioreactorului.

8/39

Figura 26: Etapele unui proces biotehnologic discontinuu

La nceput, efortul de modelare matematic a proceselor biotehnologice s-a concentrat strict pe
procesele care au loc n bioreactor, eludnd operaiile auxiliare, care, n general, nu pot fi formalizate
matematic. Mai trziu, odat cu dezvoltarea tehnicilor de modelare bazate pe inteligen artificial, s-a
ncercat considerarea n model a unor elemente care nu in strict de procesul din bioreactor, cum ar fi
calitatea inoculului, compoziia mediului de cultur etc. O alt remarc legat de dezvoltarea unor
modele matematice pentru procese biotehnologice este aceea c mecanismul intracelular este foarte
complex, nepermind modelarea detaliat a acestuia.
Concluzionnd n literatura de specialitate au fost abordate urmtoarele tehnici de modelare
matematic a proceselor biotehnologice:
- modele structural - funcionale bazate pe ecuaii de bilan;
- modele structural - funcionale bazate pe scheme de reacii (microbiologice i biochimice)
(Caraman, 2003b), (Caraman, 2003c);
- modele cu structur variabil, fundamentate pe baze fiziologico-biochimice (modele zonale);
- modele structural - funcionale innd cont de distribuia de vrst a microorganismelor (Caraman,
2003a), (Caraman, 2003e);
- modele calitative/semicalitative;
n cadrul acestui obiectiv s-a urmrit obinerea unui model zonal, capabil s descrie global
dinamica sistemului, avnd drept scop utilizarea ulterioar a acestui model ntr-o structur de
conducere.
4.1. ELABORAREA UNOR MODELE ZONALE, SPECIFICE DIVERSELOR FAZE DE
n (Belea, 2004) se prezint condiiile de desfurare a procesului de biosintez a alfaamilazei i
proteazei bacteriene cu microorganismul Bacillus subtilis. Acesta se desfoar n bioreactoare
discontinue (batch). Procesul conine o serie de faze pregtitoare (splarea bioreactorului,
introducerea substratului hrana populaiei de microorganisme sterilizarea instalatiei a
substratului, inocularea), dup care ncepe arja propriu-zis de bioreactor. Ceea ce se dorete de la
acest proces este obinerea unei cantiti ct mai mari de enzime (alfa-amilaz i proteaz) i, spre
deosebire de procesele biotehnologice continue, determinarea momentului de oprire a arjei, moment
la care producia de enzime este maxim.
Caracteristicile acestui proces sunt urmtoarele:
inoculul: 1% (uzual intre 1 si 10%), obinut prin cultivare 14 16 ore ntr-un bioreactor de
laborator;
densitatea inoculului: 105 celule/ml mediu din bioreactor;
prepararea mediului de cultur: se folosete mediu natural compus din 5% (1,4kg) - rot de
floarea soarelui, 2% (560g) mlai, antispumant DC 0,01% (2,8g), ap 28l (coeficient de
umplere 0,65), CaCl2 0,3% (84g, dup 7 ore de la nceperea procesului);

9/39

parametrii pentru sterilizarea mediului de cultur: pH nainte de sterilizare 6, temperatura 120C, durata 1 ora, agitare 300 rot/min, aerare uoar, numrul maxim de germeni
contaminani admii 106 celule/ml;
condiii de desfurare a procesului: agitare continu 450 rot/min,

Figura 30a
n Figurile 30a, 30b, 30c i 30d este prezentat evoluia (afectat de erorile de msur) a
numrului total de germeni (biomasa total) n 4 experimente. Examinnd datele experimentale, se
poate observa c evoluia biomasei n procesul de biosintez respect cele 4 zone tipice: faz de
inducie, o faz intermediar, o faz exponenial i o faz de declin.

Figura 30b

10/39

Figura 30c

Figura 30d
Pentru verificarea concordanei dintre modelul prezentat i datele reale mai nti s-au considerat
datele experimentale prezentate n Figura 30a. Aceste date experimentale reprezint o mediere a
tuturor experimentelor realizate ntr-un an de ICA Bucureti pentru procesul de biosintez a
alfaamilazei cu microorganismul Bacillus subtilis.
Pornind de la datele experimentale zonarea dinamicii se face astfel:
faza de inducie (lag) pentru t [0, 2)
-

faza intermediar (tranzitorie) pentru t [2,5)

faza exponenial pentru t [5,17)
faza letal pentru t 17

n Figura 31 sunt prezentate datele experimentale (cu *) i datele obinute cu ajutorul modelului
zonal (cu linie continu). Din grafic se observ c abaterile modelului fa de punctele experimentale
sunt mici, modelul aproximnd bine datele provenind de la procesul real.

11/39

Figura 31: Evoluia biomasei totale X (model zonal i date reale)

n continuare s-a realizat modelarea zonal a celorlalte experimente prezentate n Figurile 30b, 30c
i 30d. n Figurile 32a, 32b i 32c sunt prezentate rezultatele modelrii zonale pentru experimentele
respective. Din graficele prezentate se observ c abaterile modelului fa de punctele experimentale
sunt mici, modelul aproximnd bine i de aceast dat datele provenind de la procesul real.

Figura 32a

12/39

Figura 32b

Figura 32c

pi
Se face precizarea c pentru fiecare din cele 4 experimente prezentate, parametrii
ce
caracterizeaz fiecare zon difer. Practic putem spune c s-au obinut 4 modele matematice cu
structur identic, dar cu parametri diferii.
De asemenea, se observ c momentele de timp ce delimiteaz cele 4 faze difer de la un
experiment la altul. innd cont de aceste lucruri se impune implementarea unui model a crui timpi
de delimitare a fazelor i coeficieni k, corespunztori fiecrei faze, s se adapteze n funcie de o
serie de informaii provenite din subsistemul proceselor fizico-chimice, caracterizat prin mrimi fizice
ca: nivelul de CO2, temperatur, pH, aerare, agitare etc.
4.2. MODELAREA INTERACIUNII BIOSISTEMELOR ZONALE CU SUBSISTEMUL
PROCESELOR FIZICO-CHIMICE, CARACTERIZAT PRIN MRIMI FIZICE CA: TEMPERATUR,
PH, AERARE, AGITARE ETC, CONSIDERATE CA MRIMI DE COMAND N SISTEM
Evoluia proceselor biotehnologice este puternic influenat de subsistemul proceselor fizicochimice, caracterizat prin mrimi fizice ca: temperatur, aerare, agitare, pH etc (Mencinicopschi,
1987). Astfel din datele experimentale avute la dispoziie pentru procesul de biosintez a alfaamilazei
cu microorganismul Bacillus subtilis, s-au putut stabili o serie de valori optime, pentru fiecare dintre
aceste mrimi, ce conduc la obinerea unei productiviti maxime.

13/39

Reglarea mrimilor fizice, precum temperatura, aerae i agitare, a fost prezentat n cadrul
paragrafului 2.2. n acelai timp au fost identificate dou mrimi nivelul de CO 2 i cel de O2 a cror
evoluie poate fi legat direct de procesul de dezvoltare a microorganismelor.
n continuare este prezentat interaciunea dintre procesul de biosintez i fiecare din mrimile
prezentate anterior.
Influena pH-ului mediului de cultur asupra biosintezei alfa-amilazei
Deoarece enzimele sunt proteine funcionale, proprietile i biosinteza lor sunt puternic influenate
de valorile pH-ului mediului de cultur. Pe mediile naturale care au pH 6.2-6.5 acumularea enzimei
este maxim deoarece aceste valori au ca efect limitarea fenomenului de disociere. n timpul
biosintezei alfa-amilazei pe medii de cultur n formula crora se folosesc subproduse i produse ca
rot de floarea-soarelui, tre de gru, fin de porumb, pH-ul natural al acestor medii are n primele
faze de dezvoltare a productorului o uoar tendin de scdere, dup care se nregistreaz o
cretere progresiv pn la valori cuprinse ntre 7.5 i 8.0. Valorile pH-ului mediului de cultur, nainte
i dup procesul de biosintez, condiioneaz acumularea alfa-amilazei (Tabelul 1).
Tabelul 1: Influena valorilor pH-ului asupra acumulrii alfa-amilazei n culturile submerse ale
productorului Bacillus subtilis pe mediu natural
pH-ul mediului de cultur
la nceputul procesului
5.0
5.5
6.0
6.2
6.5
7.0
7.5

pH-ul mediului de cultur

la sfritul procesului
6.5
7.0
7.5
7.5
8.0
8.0
4.5

Activitatea alfa-amilazei
(UN/ml)
2000
3500
6000
7000
7200
7000
100

Figura 33: Influena temperaturii asupra acumulrii alfa-amilazei

Influena temperaturii asupra biosintezei alfa-amilazei
Temperatura la care se efectueaz biosinteza este un factor esenial pentru formarea i
acumularea n cantitate maxim a enzimei. Ea influeneaz viteza de dezvoltare a microorganismului,
rata disocierii, viteza de formare a enzimei i viteza de inactivare a enzimei. Ca i n cazul pH-ului,
exist o temperatur optim de cretere i dezvoltare a microorganismului, la care rata disocierii este
minim (cuprins ntre valorile 32 i 37oC) i care coincide cu temperatura optim de biosintez a
enzimei. Temperatura de inactivare rapid a enzimei este mult superioar (fiind mai mare de 80 oC). Pe

14/39

mediile naturale durata optim de dezvoltare este cuprins ntre 20 i 25 ore, iar temperatura optim
pentru acumularea maxim a enzimei este de 30-35 oC. n Figura 33 se prezint influena temperaturii
asupra acumulrii alfa-amilazei n culturile submerse ale productorului Bacillus subtilis.
Procesul de dezvoltare a microorganismului productor Bacillus subtilis este puternic exergonic.
Temperatura se menine n limitele optime prin termostatarea bioreactorului (prin intermediul unui
schimbtor de cldur). Durata procesului se stabilete n intervalul 20-30 ore, n aa fel, nct s fie
ntrerupt n momentul atingerii palierului sau a unei activiti enzimatice rezonabile pentru evitarea
consumului nejustificat de energie i timp.
Influena aerrii i vitezei de agitare asupra biosintezei alfa-amilazei
Biosinteza alfa-amilazei necesit condiii de intens aerobie, productorul Bacillus subtilis avnd
cerine deosebite pentru oxigen (>17 milimoli O 2/l i h). Necesarul de oxigen dizolvat n mediul de
biosintez depinde de microorganism i, mai ales, de faza de dezvoltare n care se afl, intensitatea
maxim de respiraie situndu-se n timpul fazei exponeniale.
Pentru productorul Bacillus subtilis acumularea maxim de alfa-amilaz are loc la o turaie de
400-500 rot/min i o rat de aerare de 0.8-1 v. aer/v. mediu i minut, atunci cnd este dezvoltat
submers 25 ore la 33oC pe mediu natural. n Figurile 34 i 35 se prezint influena aerrii, respectiv a
vitezei de agitare asupra acumulrii alfa-amilazei n culturile submerse ale productorului Bacillus
subtilis .

Figura 34: Influena aerrii asupra acumulrii alfa-amilazei

Figura 35: Influena vitezei de agitare asupra acumulrii alfa-amilazei

15/39

Evoluia nivelului de CO2 n cadrul procesului de biosintez a alfa-amilazei

n cadrul bioproceselor exist dou mrimi care, n condiiile meninerii unei rate de aerare
constante, reprezint un indicator foarte bun al gradului de dezvoltare a populaiei de microorganisme:
nivelul de CO2 i O2. Cum evoluia celor dou mrimi este complementar i innd cont de datele
puse la dispoziie de ICA Bucureti, n cadrul acestui contract va fi folosit ca informaie din proces
numai nivelul de CO2. n acelai timp, derivata CO 2 d informaii asupra vitezei de dezvoltare a
microorganismelor i deci implicit asupra fazei de evoluie a acestora. Astfel, n faza de lag datorit
lipsei de activitate a microorganismelor nivelul de CO 2 este sczut, apropiat de zero, n vreme ce
derivata CO2 este practic zero. n faza intermediar microorganismele ncep s se dezvolte, i, dei
vom avea n continuare un nivel destul de sczut de CO 2, derivata acestuia ncepe s creasc, fiind
diferit de zero. n faza exponenial nivelul de CO 2 crete i el practic exponenial, odat cu
dezvoltarea populaiei de microorganisme, iar derivata acestuia va avea de asemenea valori mari. n
cadrul fazei de declin activitatea microorganismelor scade, ajungnd pn la ncetarea activitii,
corespunztor observndu-se o scdere a nivelului de CO 2 (datorit eliminrii amestecului de O2 i
CO2 din bioreactor i a introducerii de O 2, prin meninerea aerrii constante) i a derivatei acestuia.
Astfel derivata nivelului de CO2 va atinge valori negative n zona de declin.

Figura 36: Evoluia nivelului de CO2 n cazul procesului de biosintez

a alfa-amilazei cu microorganismul Bacillus subtilis

Figura 37: Evoluia derivatei nivelului de CO2 n cazul procesului de biosintez

a alfa-amilazei cu microorganismul Bacillus subtilis
Pentru procesul de biosintez a alfaamilazei cu microorganismul Bacillus subtilis n Figurile 36 i

16/39

37 sunt prezentate evoluia concentraiei de CO 2 i derivata acestuia pentru cazul prezentat n Figura
30a (se reamintete c datele experimentale n acest caz reprezint o mediere a tuturor
experimentelor realizate ntr-un an de ICA Bucureti pentru acest proces).

. ELABORAREA DE MODELE DE VRST A MICROORGANISMELOR

Acest tip de modele se ncadreaz n clasa modelelor structurale, modele n care biomasa este
exprimat n funcie de o proprietate specific, care poate caracteriza metabolismul celular, creterea
populaiei, masa sau volumul celulelor, vrsta cronologic. Un caz special al acestui model este cel
care descrie distribuia de vrst a populaiei de microorganisme. Vrsta celulei reprezint intervalul
de timp scurs de la naterea ei. Altfel spus, vrsta este o msur a ciclului de via a celulei i poate
caracteriza starea fiziologic a acesteia. Ea poate fi legat nemijlocit de proprietile de cretere,
activitatea metabolic sau activitatea productiv a celulei. n cadrul acestui proiect, pentru modelarea
procesului biotehnologic, se va folosi o structura format dintr-un identificator on-line al bioprocesului
i un observer ce furnizeaz informaia privind vrsta medie.
ELABORAREA MODELELOR DE VRST A MICROORGANISMELOR, CU VALIDARE PRIN
SIMULARE NUMERIC I PE DATE EXPERIMENTALE
Cunoaterea dinamicii distribuiei de vrst a microorganismelor este important n analiza
proceselor biotehnologice, ct i n conducerea optimal a bioreactoarelor destinate obinerii
produselor de biosintez (Ranta, 1982). Determinarea modelelor matematice prin descrierea dinamicii
distribuiei de vrst se poate face prin dou abordri :
considernd distribuia de vrst discretizat n N intervale avnd fiecare durata tf/N, unde tf
este durata procesului din bioreactor (considerat discontinuu). Tehnica de modelare constituie o
extindere a procedurilor bazate pe principiul ecuaiilor de bilan sau pe ecuaiile de cinetic
enzimatic. Dezavantajul metodei const n creterea uneori excesiv a dimensiunii vectorului de
stare, aa cum se ntmpl adesea cnd o distribuie continu se aproximeaz printr-una discret;
considernd distribuia continu pe variabila (vrsta microoorganismelor). n acest caz,
modelul este cu derivate pariale, variabila de stare fiind derivata n raport cu timpul curent, t, i
cu vrsta . Aceast cale va fi adoptat n cele ce urmeaz.
Se consider x(t,) concentraia biomasei de vrst , la momentul t. innd cont c x(t,) are
caracterul unei densiti a "distribuiei" de vrst, cu unitatea dimensional [g/l.s], rezult c biomasa
total din bioreactor la momentul t este:

x(t ) x(t , )d

(58)

iar momentele de ordinul 1, respectiv de ordinul n sunt date de relaiile:

1 (t ) x (t , )d

(59)

n (t ) n x (t , )d n

(60)

Vrsta medie, abaterea medie patratic i deviaia standard sunt definite astfel:

17/39

m(t )

1 (t )

1
x(t )

x(t , )d
0

x(t , )d

(61)

n(t ) [ m(t )]2 2 (t ) m 2 (t ) x(t )

S (t )

(62)

n(t )
x (t )

(63)

Variaia biomasei n intervalul de vrst [,+d] poate fi descris n ase moduri principale
(Caraman, 2002a):
prin fenomenul de cretere (ngrare), ceea ce nseamn c celulele din intervalul de vrst
[,+d] cresc n volum i mas, astfel nct biomasa total din intervalul considerat crete;
prin fisiune, ceea ce nseamn c o celul din intervalul [ ,+d] se divide, avnd drept
consecin descreterea biomasei de vrst din intervalul menionat i creterea cantitii de
biomas de vrst zero;
prin nmugurire, adic o celul din intervalul [ ,+d] creeaz una nou. Cantitatea de biomas
din intervalul [,+d] nu se modific, dar cantitatea de biomas de vrst zero crete;
prin fenomenul de autoliz (trecerea n stare neviabil), ceea ce nseamn o descretere a
cantitii de biomas din intervalul [,+d];
evacuare din bioreactor (descretere a cantitii de biomas din intervalul [ ,+d]);
prin fenomenul de mbtrnire. Pe msur ce mbtrnesc, celulele din intervalul [ ,-d] trec
n intervalul [,+d], cele din intervalul [,+d] trec n intervalul [+d,+2d], etc.
Primele trei cazuri reprezint mecanisme de modificare a biomasei, de natur biologica. Cazurile 2
i 3 arat modul cum se pot crea noi celule.
Modelul matematic al distribuiei de vrst a populaiei de microorganisme poate fi obinut prin mai
multe metode, cum ar fi: ecuaii de bilan, metode statistice, metode probabilistice, etc. n continuare,
se va determina modelul distribuiei de vrst a celulelor printr-o metod probabilistic.
Se noteaz prin x(t,-d)d concentraia de biomas cu vrsta cuprins n intervalul [ -d,] la
momentul t, iar prin E, condiia ca o celul s aparin intervalului [ -d,]. Urmtoarele evenimente,
care se exclud reciproc, pot avea loc n intervalul [t,t+d]:
A: celula se divide sau trece n stare neviabil prin autoliz;
B: celula poate fi evacuat din bioreactor;
C: celula mbtrnete cu dt.
Rezult urmtoarele probabiliti ale evenimentelor:
P ( A | E ) ( d ) d

(64)

( ) F ( ) D ( )

(65)

unde

este o funcie cunoscut, care arat c vitezele de fisiune i autoliz depind de vrsta .
Q(t ) x(t , d )dtd
D (t )dt
V x(t , d ) d

(66)

P (C | E ) 1 [ P( A | E ) P( B | E )] 1 ( d )dt

(67)

P( B | E )

innd cont de cele trei probabiliti, date de relaiile (64) i (66) (67), rezult cantitatea de
biomas din intervalul [-d,] sub forma

18/39

x(t , d )d 1 [ D(t ) ( d )]dt

(68)

Se poate scrie urmtoarea ecuaie de bilan, pentru concentraia de biomas din intervalul [ -d,]:
x(t , d )d 1 [ D (t ) ( d )]dt x (t , )d D(t ) x0 (t , )d dt

x(t , )
dtd
t

(69)

Dac dt=d i dt , d 0 , atunci, din relaia (69), rezult urmtoarea ecuaie diferenial a
distribuiei de vrst a microorganismelor:

x(t , ) x(t , )

( ) x(t , ) D (t ) x (t , ) D (t ) x0 (t , )
t

(70)

unde () este dat de relaia (65).

Modelul de mai sus trebuie completat cu condiia la limit (formarea biomasei de vrst zero)

x(t ,0) (t ) x(t , )d F ( ) x(t , )d

(71)

cu (t) viteza de nmulire a biomasei prin nmugurire sau, altfel scris

x(t , 0) G (t ) F (t )

(72)

i condiia iniial
~

x(0, ) x ( )

(73)

Integrnd ecuaia (70) n raport cu vrsta , se obine:

dx(t )
(t ) x(t ) D (t ) x(t ) D ( ) D(t ) x0 (t )
dt

(74)

unde x(t) este biomasa total din bioreactor la momentul t. nmulind ecuaia (74) cu i integrnd pe
ntregul domeniu de vrst, se obine

x(t , )
x ( t , )
d
d D(t ) x(t , )d ( ) x(t , ) d D(t ) x0 (t , ) dt
t

0
0
0
c

(75)

innd cont de relaiile (58) (62), se noteaz:

d 1 (t )
x(t ) D(t ) 1 (t ) (t ) D(t ) o1 (t )
dt

(76)

n acelai mod, momentul de ordinul doi este dat de ecuaia diferenial:

d 2 (t )
2 1 (t ) D(t ) 2 (t ) 2 ( ) D(t ) o2 (t )
dt

(77)

i, n general, momentul de ordinul n este dat de

d n (t )
n n 1 (t ) D(t ) n (t ) n ( ) D(t ) on (t )
dt

19/39

(78)

Ecuaiile (76) (78) reprezint o form recursiv pentru determinarea momentelor distribuiei de
vrst a microorganismelor. n forma final, () trebuie particularizat n funcie de modul cum se face
nmulirea i autoliza microorganismelor.
Pentru vrsta medie se poate scrie urmtoarea ecuaie:
dm(t )
1 d 1 (t ) 1 (t ) dx(t )

2
dt
x(t ) dt
x (t ) dt

(79)

nlocuind ecuaiile (61) i (74) n (76) rezult

x (t )
x (t )

dm(t )
1
m(t )
1 (t ) D(t ) o m(t )
( )
D ( ) D(t ) o mo (t )
dt
x
(
t
)
x
(
t
)
x
(
t
)
x (t )

(80)

Introducnd ecuaiile (62), (77) i (79) n (80) se obine abaterea medie patratic
dn(t ) d 2 (t )
dm(t )
dx(t )

2 m(t ) x(t )
m 2 (t )
dt
dt
dt
dt

(81)

Considernd
( ) K D K F

(82)

unde KD reprezint viteza de autoliz i KF - viteza de nmulire a microorganismelor prin fisiune,

ecuaiile (74), (80) i (81) devin

d x(t )
(t ) x(t ) D(t ) x(t ) K D x(t ) D (t ) xo (t )
dt

(83)

x (t )
x (t )
dm(t )
1 (t ) D(t ) o m(t ) K F m(t ) D(t ) o mo (t )
dt
x
(
t
)
x (t )

(84)

dn(t )
D (t ) ( K D K F ) n(t ) K F x (t ) m 2 (t ) 2 D (t ) xo (t ) mo (t ) m(t )
dt
(t ) x (t ) m 2 (t ) D (t ) no (t ) D (t ) xo (t ) mo2 (t ) D (t ) xo (t ) m 2 (t )

(85)

Examinnd ecuaiile (83) (85), se pot trage urmtoarele concluzii:

ecuaia (83) reprezint ecuaia de bilan pentru biomas, ecuaie care ia n considerare i faza
de declin, prin coeficientul KD;
ecuaia (84) descrie dinamica vrstei medii, lund n considerare nmulirea microorganismelor
prin fisiune.

Presupunnd, n continuare, c viteza de autoliz i cea de fisiune depind de vrsta medie, ipotez
mai realist dect n (82),
( ) ( K D K F ) m(t )

(86)

rezult
dx(t )
(t ) x (t ) D (t ) x(t ) K D m(t ) x (t ) D(t ) xo (t )
dt

(87)

x (t )
x (t )
dm(t )
1 (t ) D(t ) o m(t ) K F m 2 (t ) D(t ) o mo (t )
dt
x(t )
x( t )

(88)

dn(t )
D(t ) ( K D K F ) m(t ) n(t ) K F x(t ) m 3 (t ) [ (t ) x(t ) D(t ) xo (t )] m 2 (t )
dt

20/39

2 D (t ) xo (t ) mo (t ) m(t ) D(t ) xo (t ) mo2 (t ) D (t ) no (t )

(89)

Identificarea experimental a procesului de acumulare

de biomas a populaiei de Candida lypolitica
Fie procesul de acumulare de biomas a populaiei de Candida lipolytica pe un substrat de sulfat de
amoniu. Modelul procesului este dat de urmtoarea schem de reacie (Barbu, 2004d):
k1

k2

S E S EM E
k1

(90)

unde S este substratul, E este enzima, S-E reprezint complexul enzim-substrat, M este un metabolit
iar ki , i {1, 1, 2} ratele cinetice constante.
Dou presupuneri se fac asupra variabilelor procesului:
1) Concentraia total de enzim E0(t), care este suma complexului enzim-substrat Cp(t) i enzima
E(t), este proporional cu concentraia de biomas X(t):
E0 (t ) X (t )

(91)

&
2) Rata de cretere a populaiei de microorganisme X (t ) este proporional cu rata de formare a
&
metabolitului M (t ) :
X&(t ) M&(t )

(92)

Modelul este data de urmtoarele ecuaii:

X&(t ) C p (t ) D X

(93)

S&(t ) {S (t )( X (t ) C p (t )) K S C p (t )} D (S f S )

(94)

C&p (t ) {S (t )( X (t ) C p (t )) K mC p (t )} D C p

(95)

unde

k2 , k1 , K S k1 / k 1 , K m ( k1 k2 ) / k1 , K m K S

(96)

In ecuaiile (93) (95), ce descriu dinamicile procesului de cretere a populaiei de Candida

lipolytica pe un substrat de sulfat de amoniu, m este rata specific maxim de cretere a biomasei (
m ), reprezint rata specific maxim de consum ( m ( K m K S ) ), K i K sunt
m

constante de saturaie, D este reta de diluie i Sf este concentraia de substrat din hran. Acest model
este completat prin adugarea ecuaiei de vrst medie:

S (t )
dm(t )
1 m
m(t )
dt
K m S (t )

(97)

unde m(t) este vrsta medie a populaiei de microorganisme.

n cadrul acestei activiti au fost investigate mai multe tipuri de reele neuronale recurente. n final
s-a optat pentru o structur de tip Elman cu utilizarea legturilor funcionale (Barbu, 2004d) Legturile
funcionale realizeaz transformri suplimentare ale spaiului intrrilor reelei furniznd intrri
suplimentare neuronilor reelei. Practic, legturile funcionale extind spaiul de intrri original ntr-o
dimensiune superioar, ncercnd reducerea ncrcrii unitii de calcul n faza de antrenare a reelei
neuronale. Legtura funcional acioneaz asupra unui element al vectorului de intrare sau asupra
tuturor vectorilor de intrare genernd un set de funcii liniar independente. Apoi are loc evaluarea
acestor funcii. Se poate observa c nu a fost introdus nici o informaie suplimentar. Totui,

21/39

s XkS
reprezentarea a fost mrit i, ca o consecin, att perioada de antrenare ct i eroarea de antrenare
Figura 40: Schema general a procesului de identificare
se mbuntesc.
Schema folosit n identificare este prezentat n Figura 40. Ea conine urmtoarele elemente:
sX
neuroni liniari, elemente cu dinamic intern (integratoare)
, legturi funcionale de tip multiplicative.
Aceast schem este utilizat la identificarea procesului descries de ecuaiile (93) (95).

p [ k S k M ]T
Figure 41: Blocul de calcul al senzitivitii biomasei n raport cu parametrul

Pentru ajustarea parametrilor se folosete un criteriu de tip eroare ptratic dintre datele
experimentale i ieirile modelului:
t

I e 2 ( )d
0

(98)

unde: e X m X , cu X m - date msurate i X - ieirile modelului. Vectorul parametrilor

p [ k S kM ]T
la pasul k este calculat printr-o metod de gradient:
p ( k ) p(k 1) p I

unde

pI

(99)

este definit pentru fiecare component pi:

t
I
e( )
2e( )
d
0
pi
pi

(100)

Senzitivitatea biomasei X n raport cu fiecare parametru pi (

s Xpi

) este dat de ecuaia:

e( ) X m ( ) X ( )
X ( )

s Xpi
pi
pi
pi

(101)

Lund n considerare ecuaiile (100) i (101), ecuaia (99) devine::

t

p (k ) p (k 1) h e( ) s Xp d
0

(102

unde h este mrimea pasului de cutare.

Se poate observa c, dei sunt calculate senzitivitile fiecrei variabile n raport cu vectorul
parametrilor p, n ecuaia de ajustare a parametrilor apare numai senzitivitatea biomasei n raport cu
vectorul parametrilor p. Mecanismul de calcul al senzitivitii biomasei in raport cu parametrul este
S
S
prezentat n Figura 41. Celelalte senzitiviti ( XkM , XkS , S X , S X ) sunt calculate n blocuri similare.
Ecuaiile ce definesc senzitivitile menionate mai sus sunt prezentate n Anexa1.

z-

1
22/39

Figure 42: Structura reelei neuronale cu dinamic

Sf

kS
kM

z-1

z-1

Structura reelei neuronale utilizat n identificarea bioprocesului este de tip Elman i este
prezentat n Figura 42. Ea conine 4 neuroni liniari din care, prin ajustarea ponderilor, se obin
parametrii procesului. Ajustarea ponderilor Biomasa
ce determin
parametrul (ai neuronilor 3 i 4) se
[Kg/m3]
realizeaz sincron.
15
10
5
0

Time [h]
5

10

15

20
25
30
Substrat [Kg/m3]

35

40

45

50

2
1
0

Time [h]
5

10

1.5

15
20
25
30
35
Complex enzima-substrat [Kg/m3]

40

45

50

1
0.5
0

Time [h]
5

10

15

60

20
25
30
Varsta medie [h]

40

35

40

45

50

23/39

20

Time [h]
5

10

15

20

25

30

35

40

45

50

Figura 43: Evoluia variabilelor procesului i modelului

(variabilele procesului cu linie continu i variabilele modelului cu linie ntrerupt)
Biomasa [Kg/m3]
15
10
5
0

Time [h]
5

10

15

20
25
30
Substrat [Kg/m3]

35

40

45

50

2
1
0

Time [h]
5

10

1.5

15
20
25
30
35
Complex enzima-substrat [Kg/m3]

40

45

50

1
0.5

Time [h]
5

10

15

60

20
25
30
Varsta medie [h]

35

40

45

50

40
20
0

Time [h]
5

10

15

20

25

30

35

40

45

50

Figura 44: Evoluia variabilelor procesului i modelului lund n considerare zgomotul de msur
(variabilele procesului cu linie continu i variabilele modelului cu linie ntrerupt)
Simularea ncepe cu un set de parametri alei aleator. Dup 10 ore de funcionare ncepe
procedura de ajustare a parametrilor, ajustarea fcndu-se la fiecare or. A fost aleas perioada de o
or din dou motive: procesele biotehnologice sunt foarte lente (perioada de eantionare pentru
procesul considerat n cadrul acestei activiti fiind de 0.1 ore) i datele experimentale sunt dificil de
obinut (se obin prin prelevarea de mostre ce sunt apoi analizate in laborator). La fiecare or un nou
set de parametri este determinat (prin antrenarea reelei), pe baza parametrilor anteriori.
Informaia de vrst medie este obinut n cadrul unui observer de vrst medie, descris de
ecuaia (97). Parametrii ecuaiei observerului de vrst medie sunt furnizai on-line de ctre modelul
neuronal. Validarea evoluiei vrstei medii poate fi considerat corect deoarece n ecuaia de vrst
medie sunt parametrii din celelalte ecuaii ale modelului (biomas, substrat i complex enzimsubstrat), ce au fost ajustai la valorile reale.
n Figura 43 este dat evoluia biomasei, substratului, complexului enzim-substrat i vrsta medie
obinute utiliznd procedura de identificare descris mai sus. Cea mai.mic eroare se obine n cazul
-1
biomasei, deoarece aceasta este mrimea n funcie de care se face ajustarea parametrilor. Se
observ o bun convergen a evoluiei variabilelor modelului n raport cu cele reale.
Urmtoarea simulare consider msurrile de biomas ca fiind afectate de zgomot de msur alb.
Influena zgomotului de msur este practic imperceptibil, rezultatele, prezentate n Figura 44, fiind
foarte apropiate de cele din Figura 43.

24/39

ELABORAREA DE METODE DE CONDUCERE INTELIGENT A

BIOPROCESELOR
n cadrl activitilor corespunztoare obiectvului Elaborarea de metode de conducere inteligent a
bioproceselor s-a avut n vedere elaborarea i implementarea unor metode de control care s in
cont de cele dou caracteristici ale proceselor biotehnologice: sunt procese neliniare i afectate de
incertitudini parametrice (Barbu 2004b), (Barbu, 2004e), (Barbu, 2004f). Astfel, au fost elaborate dou
metode de control specifice modelelor zonale i de vrst medie, obinute n cadrul activitilor
precedente, i implementate dou metode neliniare de control. Toate metodele elaborate i
implementate utilizeaz tehnicile de inteligen artificial, alegere datorat caracteristicilor
bioproceselor prezentate anterior.
6
Obiectivul controlului n cazul unui bioreactor cu-1
funcionare discontinu este determinarea timpului
de oprire a arjei astfel nct s rezulte obinerea unei cantiti de enzime ct mai mari cu cheltuieli i
consum de resurse minime. innd cont de acest obiectiv avem practic de a face cu un algoritm de
conducere optimal a bioreactorului cu funcionare discontinu (Barbu, 2004e).
Stabilirea funciei criteriu:
Se consider, urmtoarea expresie pentru beneficiul obinut n unitatea de timp de exploatare a
bioreactorului:
B

VPB CMP COA qER TR

qFM q A
TA t f

(103)

n care:
VPB - valoarea total a produselor de biosintez obinute ntr-o singur arj;
CMP - costul total al materialelor consumate la o singur arj;
COA - costul total al operaiilor auxiliare pentru o arj;
qER - costul n unitatea de timp al energiei consumate pentru funcionarea bioreactorului;
qFM - costul pe unitatea de timp al forei de munc utilizat pentru exploatarea bioreactorului;
qA - amortismentul bioreactorului n unitatea de timp;
tf - timpul final de desfurare a reaciilor de biosintez;
TA - timpul necesar pentru operaiile auxiliare.
Se poate constata c, pentru un anumit produs de biosintez, CMP, COA, qFM, qA i TA sunt
constante, qER depinde de intensitatea agitrii i intensitatea aerrii, n schimb VPB i tf depind n mod
esenial de condiiile de desfurare a procesului de biosintez, deci de vectorul de comand, u.
Valoarea total a produselor de biosintez este:

VPB x (t f ) Pu

(104)

unde x(tf) este cantitatea de alfa-amilaz, produs la momentul tf, iar Pu este preul unitar al
produsului de biosintez. n sensul celor prezentate, s-a adoptat ca funcie criteriu, costul specific al
produselor de biosintez, acesta avnd urmtoarea expresie:

CMP COA cut t f qFM t f q At f

x (t f )

(105)

unde cut este costul n unitatea de timp al utilitilor. innd cont de valorile numerice ale costurilor
care intervin n expresia (105), rezult urmtoarea form a criteriului de performan:
I (u )

0 1t f
x (u )

x
Comanda n cazul bioreactorului cu funcionare discontinu este timpul de oprire a arjei:

25/39

(106)

x
u tf

(107)

Din datele experimentale avute la dispoziie pentru procesul de biosintez a alfaamilazei cu

microorganismul Bacillus subtilis se pot trage urmtoarele concluzii:
n cazul dezvoltrii unei cantiti foarte mari de microorganisme cantitatea de produs (alfaamilaz) obinut este nesatisfctoare (Tabelul 2). n practic se consider c o arj este
satisfctoare atunci cnd se obine o cantitate minim de alfa-amilaz de aproximativ 50005500 uniti;
Tabelul 2: Evoluia numrului total de microorganisme i a cantitii de alfa-amilaz pentru diverse
experimente ale procesului de biosintez a alfa-amilazei cu microorganismul Bacillus subtilis
Numr total de microorganisme
1200
360
1730
7050
7500
12900
39000
-

Cantitate de alfa-amilaz
8233x
14619
9286
5296
4943
4634
3900

dup momentul atingerii maximului de biomas, obinerea optimului din punct de vedere
al productivitii (minimizarea criteriului (106)) are loc ntr-un interval de timp variabil, dependent
de condiiile de mediu. Acest lucru poate fi observat n Figurile 45a, 45b, 45c i 45d, n care sunt
prezentate simultan evoluia numrului total de germeni i a criteriului (106). Una din mrimile
fizice ce poate fi corelat cu intervalul de timp scurs ntre maximul de biomas i minimul
criteriului este pH-ul. Astfel, dac la momentul atingerii maximului biomasei n bioreactor pH-ul
are o valoare mare (mediul este bazic) nu sunt condiii pentru ca microorganismele s continue
s produc enzim, deci funcionarea bioreactorului trebuie oprit imediat (Figurile 45c i 45d).
n schimb, dac la momentul atingerii maximului de biomas n bioreactor avem un pH mic
(mediul este acid) microorganismele, dei intr n zona de declin, produc n continuare alfaamilaz. n acest caz decizia de oprire a bioreactorului se va lua dup un numr important de
ore (Figurile 45a i 45b). Pentru o exemplificare mai concret n Tabelul 3 sunt dai timpii de
funcionare ai bioreactorului dup momentul atingerii maximului de biomas n vederea obinerii
unui maxim de productivitate.

Figura 45a

Figura 45b

26/39

-1

Figura 45c

Figura 45d

Tabelul 3: Influena pH din bioreactor asupra duratei de funcionare a bioreactorului dup atingerea
maximului de biomas folosind datele experimentale
Nivelul de pH n bioreactor n momentul
atingerii maximului de biomas
7.8
6.5
8.3
8

Durata de funcionare a bioreactorului dup

atingerea maximului de biomas
4
8
1
2

innd cont de concluziile formulate mai sus pentru procesul de biosintez a alfaamilazei cu
microorganismul Bacillus subtilis s-a realizat urmtoarea structur de conducere: sistemul evolueaz
conform modelului zonal pn la momentul intrrii n zona exponenial. Aici are loc o analiz a
posibilitii obinerii unei arje satisfctoare din punct de vedere al productivitii. Analiza are n
vedere numrul de microorganisme existente n bioreactor la acel moment. n cazul n care numrul
de microorganisme este foarte mare se va obine o productivitate mic i se ia decizia opririi arjei,
decizie luat din considerente de rentabilitate economic.
n cazul n care se decide continuarea arjei, se trece din nou pe modelul zonal pn n momentul
atingerii maximului de biomas. n acel moment, innd cont de a doua concluzie, pe baza nivelului de
pH existent la acel moment n bioreactor se stabilete momentul de oprire a arjei. Decizia se ia n
cadrul unui bloc fuzzy de tip Mamdani avnd ca intrare nivelul de pH din bioreactor, iar ca ieire timpul
ct bioreactorul va mai funciona dup momentul atingerii maximului de biomas.
Funciile de apartenen utilizate de tip trapezoidal pentru intrare i singelton pentru ieire sunt
prezentate n Figurile 46a i 46b. innd cont c baza de reguli este urmtoarea:
DAC (pH = Mic) ATUNCI (Timp = Pozitiv)
DAC (pH = Mare) ATUNCI (Timp = Zero)
se obine caracteristica blocului fuzzy prezentat n Figura 47.

Figura 46a

Figura 46b

27/39

Figura 47
Folosind blocul fuzzy prezentat anterior se obin duratele de funcionare a bioreactorului dup
momentul atingerii maximului de biomas prezentate n Tabelul 4. Se observ c rezultatele obinute
cu structura de conducere realizat (prezentate n Tabelul 4) sunt foarte apropiate de cele obinute din
datele experimentale (Tabelul 3).
Tabelul 4: Influena pH din bioreactor asupra duratei de funcionare a bioreactorului dup
atingerea maximului de biomas folosind structura de conducere
Nivelul de pH n bioreactor n momentul
atingerii maximului de biomas
7.8
6.5
8.3
8

Durata de funcionare a bioreactorului dup

atingerea maximului de biomas folosind logica
fuzzy
3.73
8
1.07
2.67

. ELABORAREA I VALIDAREA PRIN SIMULARE NUMERIC A PROCEDURILOR DE CONTROL

BAZATE PE MODELE DE VRST MEDIE

Se consider cazul proceselor de biosintez continue, unde principala intrare de comand este rata
de diluie D. Aa cum s-a artat n paragraful 5.1, o variabil important, care caracterizeaz starea
fiziologic a populaiei de microorganisme, este vrsta medie. De ea depinde, n mare msur,
capacitatea de biosintez a microorganismului productor. Se pune, deci, problema aducerii populaiei
de microorganisme la o vrst optim din punct de vedere al capacitii de biosintez a celulelor. n
aceast idee, controlul vrstei medii n bioreactor poate fi o soluie pentru obinerea unei productiviti
mrite a procesului. Structura de control a vrstei medii ntr-un bioreactor de biosintez continuu este
prezentat n Figura 48, regulatorul utilizat fiind de tip PI. Regulatorul proiectat are ca intrare eroarea
de vrst medie, definit ca diferena dintre referina de vrst medie i informaia de vrst medie
furnizat de observerul de vrst medie, iar ca ieire rata de diluie D. Parametrii ecuaiei observerului
de vrst medie sunt furnizai on-line de ctre reeaua neuronal.
Rezultatele simulrii sunt prezentate n Figura 49, n care referina de vrst medie a fost variat
ntre valorile 10 i 5 ore. Figura 49 prezint evoluia vrstei medii, comenzii (rata de diluie),
substratului i biomasei. Rezultate similare se obin n cazul n care se consider c msurtorile de
biomas sunt afectate de un zgomot alb (Figura 51).

28/39

- k M

 kS

Regulator
PI

-1
Figura 48: Sistem de reglare a vrstei medii ntr-un bioreactor
De asemenea, a fost definit un indice de productivitate prin relaia (Caraman, 2002b):
tf

I D (t ) P (t )dt

(108)

Prin studierea evoluiei acestui indice de productivitate n raport cu vrsta medie (Figura 51), s-a
evideniat existena unei vrste optime (la care indicele de productivitate definit de relaia (108) este
maxim), confirmnd n acest fel ipoteza, c fiecare
Vrstspecie
medie [h]de microorganisme este caracterizat de o
15
vrst optim la care productivitatea
este maxim.
10
5
0

Time [h]
20

40

60

80
100 120 140
Rata de diluie [1/h]

160

180 200

0.2
0.1
Time [h]
0

20

40

60

80
100 120
Substrat [Kg/m3]

140

160

180 200

20

40

60

80
100 120
Biomasa [Kg/m3]

140

160

180 200

3
2
1
0
10

29/39
5
Time [h]
0

20

40

60

80

100

120

140

160

180x 200

Figura 49: Rezultatele simulrii controlului vrstei medii

(variabilele procesului linie continu i variabilele modelului linie ntrerupt)

Vrst medie [h]

15
10
5
0

Time [h]
20

40

60

80
100 120 140
Rata de diluie [1/h]

160

180 200

0.2
0.1
Time [h]
0

20

40

60

80
100 120
Substrat [Kg/m3]

140

160

180 200

20

40

60

80
100 120
Biomasa [Kg/m3]

140

160

180 200

3
2
1
0
10
5

Time [h]
0

20

40

60

80

100

120

140

160

180 200

Figura 50: Rezultatele simulrii controlului vrstei medii lund n considerare zgomotul de msur
(variabilele procesului linie continu i variabilele modelului linie ntrerupt)

Figura 51: Dependena cantitii de produs n funcie de vrsta medie a microorganismelor

30/39

Procesul considerat
Procesul considerat are loc ntr-un bioreactor cu agitare continu i este descris de urmtoarele
ecuaii (Aoyama, 1995):
dX
( D) X
dt

(123)

dS
1
D( S f S )
X
dt
YX / S

(124)

dP
DP ( ) X
dt

(125)

cu

max 1 P / Pm S
K m S S 2 / Ki

(126)

X = concentraia biomasei;
P = concentraia produsului de reacie;
S = concentraia substratului n cultur;
Sf = concentraia substratului de alimentare;
D = rata de diluie;
= rata specific de cretere a microorganismelor [l/h] dat de relaia (126), care ia n consideraie
fenomenul de inhibiie datorat substratului i produsului de reacie;
YX/S = coeficientul de productivitate biomas (0.4 g/g);
= parametru cinetic (2.2 g/g);
= parametru cinetic (0.2 l/h);
max = rata specific maxim de cretere a microorganismelor (0.48 l/h);
Pm = constanta de saturaie a produsului (50 g/l);
Km = constanta de saturaie a substratului (1.2 g/l);
KI = constanta de inhibiie a substratului (22 g/l).
Obiectivul conducerii este de a maximiza concentraia de biomas de la ieire pe unitatea de
volum de cultur. Caracterul puternic neliniar al procesului rezult foarte clar din caracteristica static
a acestuia (Figura 53) i din acest motiv, s-a folosit ca model intern al procesului o reea neuronal.
Reeaua neuronal are ca ieire incrementul biomasei, iar structura ei este constituit din trei straturi
(strat de intrare - 4 neuroni, strat ascuns - 7 neuroni, strat de ieire 1 - neuron).
Testarea procesului descris de ecuaiile (123) (125) i a modelului neuronal la o secven de
trepte arat c reeaua neuronal aproximeaz bine ieirea procesului n intervalul [3.5-8] g/l (Figura
54).

31/39

Figura 53: Caracteristica neliniar a bioprocesului

Figura 54: Rspunsul procesului i al modelului la o secven de trepte

Rezultate obinute pentru referin treapt: au fost variai parametrii regulatorului predictiv
obinndu-se urmtoarele rezultate:
1. Orizontul de predicie (N2) - Figurile 55a i 55b - ceilali parametri au fost pstrai la valorile: Nu=1,
=10 i =1.
Din figurile 55a i 55b se observ c, odat cu creterea orizontului de predicie, ieirea procesului
se stabilizeaz mai lent la valoarea impus iar comanda are variaii mai atenuate.
2. Orizontul de comand (Nu) Figurile 56a i 56b - ceilali parametri au fost pstrai la valorile: N2=1,
=10 i =1.
Se observa c creterea valorii orizontului de control conduce la creterea vitezei de stabilizare a
ieirii procesului la referin.
3. Parametrul (factor de penalizare a variaiilor comenzii) Figurile 57a i 57b - ceilali parametri au
fost pstrai la valorile: N2=1, Nu=1 i =1.
4. Parametrul (factor de penalizare a erorilor viitoare ce intervin n minimizarea criteriului) - Figurile
58a i 58b - ceilali parametri au fost pstrai la valorile: N2=1, Nu=1 i =1.
Figurile 57a, 57b i 58a, 58b arat c, dei parametrii i acioneaz asupra unor mrimi diferite,
ei produc efecte asemntoare att la ieirea sistemului, ct i n comanda aplicat.

32/39

(a)

(b)
Figura 55 a,b: Influena parametrului N2 asupra procesului (a - ieire, b - comanda)

(a)

33/39

(b)
Figura 56 a,b: Influena parametrului Nu asupra procesului (a - ieire, b - comanda)

(a)

(b)
Figura 57 a,b: Influena parametrului asupra procesului (a - ieire, b - comanda)

34/39

(a)

(b)
Figura 58 a,b: Influena parametrului asupra procesului (a - ieire, b - comanda)

(a)

35/39

(b)
Figura 59 a,b: Ilustrarea proprietilor de urmrire ale structurii GPC

Figura 60: Studiul robusteii structurii de control

Rezultate privind proprietile de urmrire: proprietile de urmrire ale sistemului de conducere din
Figura 52 au fost testate aplicnd ca referin un semnal pseudoperiodic, a crui frecven a fost
aleas suficient de mic, n raport cu durata de timp mare a bioprocesului considerat, astfel nct
algoritmul de control predictiv s poat urmri variaiile referinei (Figurile 59a i 59b). Se observ c
la valori ale referinei cuprinse ntre 2 i 3, ntre referin i ieirea procesului apar erori de urmrire
destul de mari, fapt explicabil prin aceea c n aceast zon modelul neural nu aproximeaz destul de
precis ieirea procesului. Creterea biomasei peste valoarea 9 conduce la valori nerealizabile ale
comenzii.
Robusteea structurii de control a fost testat mrind viteza maxim de cretere a biomasei, dup
2.5 ore de la nceperea bioprocesului, cu 50%. Se observ c structura GPC cu model intern neuronal
se comport foarte bine (Figura 60).
Rezultatele foarte bune obinute, privind robusteea structurii de control GPC implementate,
justific justeea alegerii unei astfel de metode de conducere automat n cazul proceselor
biotehnologice.
6.4. ELABORAREA I IMPLEMENTAREA UNOR PROCEDURI DE TIP PATTERN RECOGNITION
N CONTROLUL I DIAGNOZA BIOREACTORULUI

36/39

Pornind de la caracteristicile proceselor biotehnologice (neliniare i cu incertitudini parametrice) s-a

ncercat utilizarea unei metode care folosete, pentru determinarea comenzii, un algoritm instruibil,
care nva din datele nregistrate din proces (Frangu, 2001). Tehnicile de recunoatere a formelor
prezint o caracteristic util n contextul conducerii bioproceselor, aceea c algoritmul de
recunoatere este instruibil. Pe de alt parte, o caracteristic intrinsec a clasificrii este aceea c
ofer o aproximare discret a realitii, din cauza mpririi n clase a entitilor de recunoscut. innd
cont de elementele de execuie disponibile pentru un bioreactor continuu, n care introducerea de
substrat se poate face cu pompe care injecteaz cantiti fixe, deci comanda const n utilizarea
repetat a pompei la un pas de eantionare, mrimea de comand devine un multiplu ntreg al
capacitii pompei, deci este o comand discret. n consecin s-a ncercat implementarea unui
automat pentru recunoaterea comenzii discrete pentru comanda proceselor biotehnologice.
6.4.1. Noiunile specifice conducerii prin recunoaterea formelor
n esen, orice operaie de recunoatere implic adoptarea unei decizii privind apartenena
ansamblului atributelor observate, formnd vectorul "form" (pattern), la o anumit clas, dintr-o
mulime finit de clase (Caraman, 2002a). n contextul conducerii automate a unui sistem, semnificaia
recunoaterii unei clase este aceea de a gsi decizia discret care maximizeaz indicatorul ndeplinirii
scopului conducerii. Spre exemplu, dac automatul de recunoatere trebuie s determine o comand
discret dintr-un set finit de comenzi disponibile, atunci fiecare clas corespunde unei comenzi
discrete, iar membrii clasei sunt punctele din spaiul mrimilor msurabile, pentru care msura
ndeplinirii scopului este maximizat doar de comanda corespunztoare clasei. n mod generic,
clasele menionate sunt numite situaii de conducere (Ceang, 1991). Contextul n care se definesc
aceste clase poate fi privit ca o interaciune ntre procesul condus i sistemul instruibil de conducere,
aa cum apar n structura din Figura 61. Abordarea este foarte general, incluznd i cazurile cnd
procesul este parial necunoscut, ceea ce este favorabil pentru conducerea acelor procese
biotehnologice pentru care exist cunotine a priori srace despre evoluia procesului.
Situaia de comand
Pentru definirea situaiilor de comand se consider: y - vectorul mrimilor de ieire; v - vectorul
mrimilor perturbatoare msurabile; e - vectorul perturbaiilor nemsurabile; u - vectorul comenzilor.
Se face ipoteza c exist p valori admisibile ale comenzii, ui, i=1,...,p, formnd mulimea Ud a
comenzilor discrete admisibile. Pe baza mrimilor de ieire, de comand i perturbatoare msurabile,
se definete vectorul observaiilor
z (t ) [ y (t ),..., y (t na 1), u (t k 1),..., u (t k nb ), v(t k ),..., v (t k nc )]T

(127)

n care na , nb i nc sunt numere ntregi, finite, iar k - timpul mort (n perioade de eantionare).
Sistemul instruibil trebuie s utilizeze "experiena" acumulat pn n momentul respectiv, astfel
nct, pentru orice vector z(t) al observaiilor din mediu, s determine comanda discret ui(t), i=1,...,p,
care s extremizeze indicatorul .

37/39

Figura 61: Conducerea procesului cu un sistem instruibil de recunoatere

Definiie: se numete situaie de comand mulimea Si a vectorilor z, pentru care comanda discret
ui este optim, sub aspectul ndeplinirii scopului:

Si {z : Max (u j , z ) (ui , z ), u j U d }
j

(128)

Stabilirea legii de comand nseamn, n acest caz, deducerea prin instruire a funciilor discriminante
ale situaiilor de comand Si.
Dup natura procesului biotehnologic condus, sistemele de conducere automat, care utilizeaz
recunoaterea situaiilor de comand, se pot ncadra n mai multe categorii. Varianta cea mai general
este aceea n care sistemul instruibil folosete informaia acumulat anterior pentru a determina
funciile discriminante ale situaiilor de comand. Exist ns i cazuri particulare, cum ar fi cel al
proceselor cu desfurare ciclic, n care msura ndeplinirii scopului se poate evalua la sfritul
fiecrui ciclu. Fie
y (u , v)

(129)

caracteristica static a unui proces ciclic, n care y este mrimea de ieire la sfritul ciclului.
Comenzile discrete ui , i=1,...,p, trebuie astfel stabilite, nct s se obin - la sfritul ciclului mrimea de ieire ct mai apropiat de o valoare prescris yp . Situaia de comand Si se definete
astfel :
Si {z : z ( y p , vT )T ; Min E ( y (u j , v, ) y p ) (ui , v, y p ); ui , u j U d }
j

(130)

n cazul proceselor menionate, instruirea se poate realiza n cadrul unei proceduri de conducere
dual, implicnd - la ciclul j de funcionare - efectuarea a doi pai:
a - clasificarea vectorului curent

z pj ( y pj , v j )

(131)

la una din situaiile Si, i=1,...,p i adoptarea comenzii corespunztoare; fie ui comanda discret
adoptat i aplicat efectiv n proces, pentru care s-a obinut, la sfritul ciclului, valoarea y a mrimii
de ieire ;
b - instruirea regulatorului, dup terminarea ciclului j, cunoscnd c vectorul
z j (y j ,v j )

(132)

38/39

aparine situaiei Sk, corespunztoare comenzii aplicate ukj i efectului yj obinut la ieire. Sistemele
instruibile din aceast categorie pot fi asimilate cu procesele de tip batch, n care natura procesului
(cutura de celule, substratul etc.) i criteriul de ndeplinire a scopului nu se schimb de la arj la
arj. n acest caz, reinstruirea ciclic a sistemului are drept rezultat ameliorarea legii de comand,
chiar n absena unei expresii analitice a acestei legi.
Problema cardinal a reglrii prin sisteme instruibile de recunoatere a situaiilor de comand o
constituie realizarea "instructorului", care instruiete regulatorul automat. De regul, n compunerea
acestui instructor trebuie inclus att experiena acumulat n desfurarea anterioar a procesului,
ct i expresia indicatorului de ndeplinire a scopului, care poate fi formulat analitic, vag, etc. O
variant posibil este utilizarea ca instructor a unui predictor de unul sau mai muli pai, mpreun cu
indicatorul de ndeplinire a scopului.
Situaia de ieire: Recunoaterea situaiilor de ieire poate fi utilizat pentru evaluarea predictiv a
efectelor comenzii rezultate prin utilizarea regulatorului instruibil, bazat pe recunoaterea situaiilor de
comand. Ca i n cazul situaiilor de comand, aplicaiile sistemelor de recunoatere a situaiilor de
ieire se pot ncadra n mai multe categorii, n funcie de natura "mediului" i a instructorului. n cele ce
urmeaz, se vor considera numai sistemele instruibile de predicie a mrimii de ieire n procese
dinamice, categorie creia i aparin procesele biotehnologice.
Situaii strategice, de adaptare i de diagnoz
A. Situaia strategic: se folosete n cazul sistemelor de conducere automat, care pot lucra - n
funcie de caracteristicile "mediului" - cu mai multe strategii de comand. Situaiile strategice se pot
defini ndeosebi pentru sisteme complexe, cu interaciuni, legturi i restricii variate, aa cum sunt
sistemele biotehnologice, dar i cele economice i de producie.
B. Situaia de adaptare: Fie cazul cnd "mediul" i schimb lent proprietile. Comanda este
stabilit pentru anumite proprieti ale procesului condus, astfel nct, la schimbarea caracteristicilor
"mediului", este necesar adaptarea algoritmului de comand, printr-un numr limitat de tipuri de
ajustri ale acestuia. Recunoaterea situaiilor de adaptare reprezint o alternativ la soluiile
cunoscute de conducere adaptiv, care necesit - de regul - efectuarea unor calcule recursive relativ
complicate i, uneori, riscante sub aspectul incidentelor numerice care se pot produce.
C. Situaia de diagnoz
Aprecierea comportrii sistemelor dinamice complexe se poate face printr-un ansamblu de
indicatori, care vor fi numii criterii locale, la care se poate aduga un criteriu global de evaluare a
sistemului. Fie r vectorul criteriilor locale. Se numete situaie de diagnoz mulimea punctelor din
spaiul criteriilor locale, creia i corespunde un anumit tip de apreciere pentru comportarea de
ansamblu a procesului condus. Aprecierile n raport cu care se definesc situaiile de control sunt de
tipul: "admisibil", "situaie de avertizare i", "situaie de urgen j", "regim de avarie", etc., unde i i j au
semnificaii specifice procesului supervizat.

39/39