Universitatea Politehnica București, Facultatea de Automatică și Calculatoare

Simularea conducerii bioproceselor prin

tehnici de inteligență artificială
- Raport final -

Gheorghe Sârbu

Daniel Guță Mihail Dumitrache

Oana Niculae Mircea Udrea

Victor Bordea

Abstract – Bioprocesele sunt apreciate

drept dificil de controlat datorită
caracterului lor cu grad ridicat de
neliniaritate și varianță în timp. Obiectivul
acestui proiect a fost adoptarea unei metode
de control adecvate și utilizarea acesteia în
cadrul unui simulator de conducere a
bioproceselor.
Cuvinte cheie – bioproces, control fuzzy,
simulator
I. OBIECTIVE
În literatura de specialitate, sunt tratate
trei tipuri de strategii de control: strategia
clasică, bazată pe cunoașterea în prealabil a
modelului, strategia bazată pe tehnici
adaptative, de optimizare locală și
strategia bazată pe tehnici de control
inteligent, care folosește cunoștințele unui
expert uman.
Obiectivul acestui proiect a fost
implementarea unui simulator de conducere
a unui bioproces pe baza unei strategii de
control inteligent.
Pentru atingerea obiectivului final, a fost
necesară stabilirea următoarelor obiective
parțiale:
- Adoptarea unei strategii de control
inteligent.
- Adaptarea strategiei de control
inteligent la bioproces.
- Construirea unui modul software pentru
implementarea controlului.
- Alegerea unor modele de simulare
pentru bioproces.
- Implementarea unei interfețe vizuale
pentru introducere și afișare de date.
- Introducerea de funcționalități
suplimentare pentru a da ușurință de
utilizare aplicației.
În cele ce urmează, mai întâi este
descris procesul și sunt propuse modele
matematice, apoi este prezentată soluția
software aleasă pentru implementare.
 Această relație este utilizată sub forma
unei ecuații cu diferențe pentru
implementare software.

În bioreactor, substratul se consumă,

II. BIOPROCESUL rezultând biomasă, cu un randament Y:

Datele utilizate în cadrul aplicației (2)

provin de la un bioproces real. Dezvoltarea
celulară a avut loc într-un bioreactor cu
agitație mecanică, Bioengineering AG, cu
un volum total de 100 L, din care volumul
util de 42 L.
Principalii parametri de proces au fost:
temperatura - menținută constantă la 37oC,
pH-ul – controlat în limitele 7,3 și 7,8 și
debit de aer/L de min 15.
În ceea ce privește variabila cheie µ,
vom considera mai multe modele cinetice
nestructurate.
A. µ =µ (S) Modele cinetice cu limitare a
creșterii de către substrat, fără inhibiție (tip
de cinetică cu saturație)
1. Monod

Substratul a fost constituit din azot µ m axS

aminic (NNH2). Mediul de cultură utilizat –
µ ( S) = (3)
KS + S
Organotech.

Datele preluate de la bioproces au fost: unde : µ max = viteza maximă

specifică de creștere [1/h];
a)DO – densitatea optică, direct
KS = constanta de saturație
proporțională cu dimensiunea concentrației
[g/L].
de biomasă – X;

b)S – concentrația de substrat.

Viteza specifica de crestere [1/h]

Controlul efectiv al bioprocesului s-a

făcut prin adiție de substrat, a cărui
concentrație poate fi determinată on-line.

III. MODELAREA BIOPROCESULUI

Pentru modelarea bioprocesului

introducem o mărime specifică acestuia –
Substrat
viteza specifică de creștere - µ.

În aceste condiții, creșterea biomasei Figură 1. Dependeța cf. ecuației Monod

este dată de relația: 2. Teissier

(1) −
S

µ( S ) = µ max (1 − e KS
) (4)
 unde KX – constantă de inhibiție prin
Viteza specifica de crestere [1/h] biomasă.

C. Cinetica cu inhibiție prin concentrația

substratului

1. Andrews

1 S 1
µ = µ max =
KS S KS + S 1 + S
1+ +
Substrat
S Ki Ki
(7)
Figură 2. Dependența cf. ecuației Teissier
unde: Ki = constante de inhibiție în raport
cu substratul.

3. Moser

Viteza specifica de crestere [1/h]

µ max S n
µ(S) = (5)
KS + S n

cu n>0.

Substrat
Viteza specifica de crestere[1/h]

Figură 4. Dependența cf. ecuației Andrews

2. Aiba
S
−
S
µ = µ max K
e i,S (8)
KS + S

Substrat
Viteza specifica de crestere [1/h]

Figură 3. Dependența cf. ecuației Moser

B. µ =µ (X,S) Influența concentrației

celulare și a concentrației substratului
limitator de creștere asupra vitezei
specifice µ

1. Contois

S Substrat
µ = µmax (6)
KX X + S
Figură 5. Dependența cf. ecuației Aiba
 3. Wayman-Tseng
S
µ = µmax − Ki , S ( S − SC ) (9)
KS + S
Concentrațiile de substrat mai mari decât o
concentrație prag SC inhibă creșterea
liniară.
IV.SISTEMUL DE CONTROL
Strategia de control inteligent are la bază
un controller fuzzy care primește de la
bioproces informații despre concentrația
substratului și a biomasei, pe baza densității
optice.
Pe baza acestei informații, controller-ul
decide cantitatea de substrat care trebuie
adăugată în bioreactor.
Așadar, sistemul fuzzy trebuie să coreleze
cantitatea de substrat necesar a fi adăugată cu
situația existentă în mediul de cultivare. Acest
lucru înseamnă că intrările în controller sunt X
și S, iar ieșirea este Aj – ajutajul de substrat
necesar.
Structura controller-ului fuzzy este clasică:
-Două canale de intrare, pe care se aplică
procedeul de fuzzyficare (pentru S și X).
Rezultatul va fi încadrarea mărimilor în
categoriile fuzzy S – small, M – medium și L –
large.
-Motor de decizie (inference engine), care, pe
baza unui tabel de reguli ”dacă – atunci”, va
oferi o valoare fuzzy pentru mărimea de ieșire
(ajutajul).
-Un canal de ieșire, pe care se aplică procedeul
de defuzzyficare, prin metoda de centroid
(pentru Aj). Rezultatul va fi o valoare efectivă
pentru ajutaj, folosită apoi în control.
Modelarea bioprocesului s-a făcut sub
formă discretă, ecuțiile diferențiale devenind
ecuații cu diferențe.
Pe baza datelor experimentale s-au calculat
constantele de proces – KS, Ki etc.
După determinarea constantelor de proces,
s-au efectuat mai mulți pași de calcul. Astfel,
tratând cazul general, la pasul k≥2 s-au făcut
următoarele operațiuni:
1.calcul Xk=(1+µk-1)Xk-1;
2.calcul ;
3.introducere Sk și Xk în controller și obținerea
Aj≥0;
4.Sk=Sk+Aj;
5.calcul conform fiecăruia dintre modele;
6.kk+1.
După finalizarea calculelor, se trasează
graficele S=S(t) și X=X(t).
V.IMPLEMENTAREA
Soluția software aleasă pentru
implementarea simulatorului a fost pachetul de
programe MatLab®.
Alegerea este una avantajoasă din
numeroase motive:
1. Facilități de lucru cu fișiere xls, atât la
scriere, cât și la citire.
2. Posibilități de manipulare nativă a
numeroase tipuri de date.
3. Funcții predefinite caracterizate de
robustețe – rezistență la erori.
4. Funcții predefinite pentru crearea și
afișarea de grafice.
5. Un editor de cod modern și prietenos
cu utilizatorul.
6. Posibilitatea de a implementa o
interfață grafică, perfect compatibilă
cu pachetul de funcții folosite pentru a
realiza simularea.
7. Nu în ultimul rând, existența opțiunii
de exportare a simulatorului sub forma
unei aplicații stand-alone.
 Deoarece dezvoltarea s-a făcut utilizând
tehnici de modularitate, se poate face o
detaliere pe componente:
-controller-ul fuzzy este implementat în
pachetul de funcții control.m;
-simularea este implementată în pachetul de
funcții main.m;
-interfața este implementată în funcția generală
PR1.m .
Interfața
Interfața aplicației oferă facilități sporite
utilizatorilor.
Elementele care pot fi vizualizate pe
interfață în timpul utilizării sunt următoarele:
1. Un buton de rulare a aplicației.
8. Seturi numerice cu valorile efective
rezultate din simulare.
Pentru ușurința utilizării, facilitățile
programului sunt sporite:
1. Buton pentru a salva datele din casete,
matrice fuzzy și tipul de model, pentru
a scuti utilizatorul de introducerea
acelorași date la fiecare rulare a
aplicației.
2. Buton pentru a introduce un set de
date din cele salvate în interfață.
Fișierele, create automat la apăsarea
butonului de salvare, conțin în
denumire data și ora la care au fost
construite, pentru orientare ulterioară
și pot fi ușor recunoscute după
cuvântul ”intrare” plasat înainte de
extensia xls.

2. Matrice pentru fuzzyficarea mărimilor 3. Buton pentru salvarea datelor

S și X – valori introduse de la
tastatură.
3. Matrice fuzzy pe baza căreia operează
motorul de decizie – valori selectate
dintre opțiunile Z (zero), PM (positiv
mic), PME (pozitiv mediu) și PMA
(pozitiv mare). O astfel de matrice este
următoarea:
VI. INDICATORI DE PERFORMANȚĂ
simulate, în cazul în care se dorește
utilizarea acestora în alte aplicații.
Fișierele cu date simulate au, de
asemenea, data și ora în denumire, dar
și cuvântul ”simulare” înainte de
extensia xls.

A. Indicatori de implementare

1.Funcționalitate interfață
S X S M L
S PM PME PMA Are în vedere gradul în care interfața vine
în întâmpinarea dezideratelor impuse inițial –
M Z PME PMA
prezența butoanelor obligatorii, a graficelor,
L Z PM PME
dar și a facilităților suplimentare.

2.Funcționalitate regulator
4. Casetă pentru introducerea
substratului optim, de pornire. Are în vedere gradul de reușită al
implementării controller-ului fuzzy, dar și
5. Posibilitate de a alege modelul care să
utilizarea acestuia în simulări preliminare,
fie simulat.
pentru analiza comportamentului.
6. Butoane pentru testarea introducerii
3.Utilizare date experimentale
corecte a datelor și pentru realizarea
simulării. Are în vedere gradul de implementare
software a folosirii fișierelor, dar și uzitarea
7. Două ferestre, în care se afișează
datelor experimentale în determinarea
graficele.
parametrilor de proces.

4.Progres total
 Are în vedere o sumare a celorlalți
indicatori, dar ia în considerare și aspecte de
ergonomie a aplicației.

VII.CONCLUZII

Structura de control implementată a avut

drept obiectiv implicit, sporirea vitezei de
reacție într-o astfel de manieră încât să
maximizeze producția de biomasă, asigurând,
simultan, și o consumare eficientă a
substratului.

Soluția aleasă – controller fuzzy – s-a

dovedit, prin simulările efectuate, a fi una
eficientă, întrucât, în majoritatea sistemelor,
producția de biomasă a fost mult sporită
comparativ cu ceea ce se constatase
experimental. Concomitent, ajutajele de
substrat au dus, în final, la o consumare mult
mai eficientă a acestuia.

BIBLIOGRAFIE

[1] Mihai Caramihai, Irina Severin, Quality

Fed - Batch Bioprocess Control, A Case
Study, 2009
[2]Problematica conducerii bioproceselor
[3]Puyin Liu, Hongxing Li, Fuzzy neural network
theory and application, 2004
[4]MathWorks Inc., Documentație MatLab®,
2009