纤维素水解液厌氧发酵产丁二酸发酵液中有机酸和混合单糖的测定

对于以纤维素类原料(玉米皮)水解糖液作碳源厌氧发酵制备丁二酸的发酵液,利用Aminex(HPX-87H(300mm×7.8mmi.d.,5μm)离子排斥色谱柱及折光示差检测器检测,以0.005mol/LH2SO4溶液(pH2.0)作流动相,在流速为0.6mL/min,柱温为55℃时对发酵液进行检测,16min内能将发酵液中甲酸、乙酸、丁二酸、葡萄糖、木糖、阿拉伯糖完全分离定量。6种物质线性相关系数均大于0.999,方法的回收率为99.3%～102.1%;RSD为0.6%～1.6%。本方法能够简便、快速测定丁二酸发酵体系中有机酸及单糖的含量。

陶瓷膜超滤在丁二酸发酵液纯化中的应用

对陶瓷膜过滤丁二酸发酵液的条件进行研究.考察在不同压差下,发酵液的pH以及浓缩倍数对膜通量的影响,并对膜清洗条件进行选择.结果表明在0.3 MPa压差下,发酵液调节pH至4.5,可获得最大膜通量,浓缩到7倍最佳.菌体截留率达到98.37%,蛋白质去除率为89.67%,总有机碳下降约40%.而膜污染后先后用1%次氯酸钠,1%氢氧化钠+0.5%EDTA清洗,可以恢复膜通量.实验表明,可以将陶瓷膜用于分离丁二酸发酵液,有利于简化操作步骤,提高生产效率.

丁二酸发酵过程软测量模型的参数优化研究

针对生物转化法制备丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,采用基于结构风险最小化的支持向量机对发酵过程建模。与神经网络方法相比,所建模型的预测效果更好。同时采用粒子群算法对支持向量机模型中的关键参数进行优化,通过MATLAB软件仿真的结果表明,与粒子群算法结合的支持向量机模型,相比于单一的支持向量机模型,以及人工神经网络模型,它的泛化能力更好,性能更为优越,这对实现丁二酸发酵过程的优化控制具有重要作用。

基于PSO的丁二酸发酵动力学模型参数优化

丁二酸是一种重要的化工原料,对丁二酸发酵过程进行模型化研究可以为工艺放大提供必要的基础数据。根据丁二酸发酵过程的实验数据,在已有的丁二酸发酵动力学模型的基础上,采用粒子群优化算法进行模型参数优化研究,求得最优参数并利用其进行过程仿真。结果表明优化后的模型能够更好地模拟丁二酸分批发酵过程。和采用遗传算法进行的研究结果相比,粒子群算法提高了模型计算值与实验测量值的拟合程度,且算法简单,易于实现。

丁二酸发酵液色素的活性炭吸附过程

以丁二酸发酵液为研究体系,采用静态吸附法研究了颗粒活性炭对丁二酸发酵液色素的吸附过程;并考察了搅拌转速对活性炭吸附色素过程的影响。结果表明活性炭对色素的吸附是以物理吸附为主的吸热过程,其吸附热为12.54 kJ.mol 1,适宜的脱色温度有利于提高活性炭的利用效率,热水解吸可实现活性炭的再生;活性炭对色素的初始吸附速度随搅拌转速增加而增加;在活性炭快速吸附阶段,液膜扩散为主要控速步骤,增加搅拌转速可减少颗粒液膜层的厚度,有效扩散系数随之增加。通过考察进料对活性炭层析柱的脱色效果的影响,结果表明合适的进料流速能提过活性炭的利用率。

关联氧化还原电位的丁二酸发酵过程动力学模型

氧化还原电位的调控对丁二酸发酵过程影响较大,而现有的丁二酸发酵过程动力学模型均未包含此重要参量。本研究首先进行五种氧化还原电位水平下的模型参数寻优,比较了Nelder-Mead算法与自适应遗传算法,采用后者进行参数优化。分析了氧化还原电位与动力学模型参数之间的函数关系,得到关联氧化还原电位的动力学模型。采用另外两种氧化还原电位水平下的实验数据进行模型验证,结果表明该模型具有较好的可靠性。

遗传算法在丁二酸发酵动力学模型中的应用

丁二酸是一种重要的化工原料,应用领域广泛。现阶段有关丁二酸发酵的研究重点集中在菌种选育和发酵工艺改良,而丁二酸发酵过程的模型化研究可以为工艺放大提供必要的基础数据。在对文献中已有的丁二酸发酵过程动力学模型做进一步探讨的基础上,对模型的结构做适当调整,并将遗传算法应用于该动力学模型的参数优化。结果表明,遗传算法能进一步提高模型计算值与丁二酸发酵实验测量值的吻合程度,可以有效地解决发酵动力学模型这类复杂的非线性函数的参数优化问题,优于单纯形法。遗传算法进行参数优化得到的动力学模型能较好地模拟丁二酸发酵过程。

自适应遗传算法应用于丁二酸发酵动力学模型优化

丁二酸是一种重要的化工原料,现阶段有关丁二酸发酵的研究重点集中在菌种选育和发酵工艺改良,而丁二酸发酵过程的模型化研究可以为工艺放大提供必要的基础数据。采用自适应遗传算法对已有的丁二酸发酵过程动力学模型进行了结构和参数优化方面的研究,有效地解决了发酵动力学模型这类复杂的非线性函数的参数优化问题,优于单纯形法。实验结果表明,采用自适应遗传算法进行参数优化得到的动力学模型能较好地模拟丁二酸发酵过程,提高了模型计算值与丁二酸发酵实验测量值的吻合程度。

控制论模型在丁二酸发酵过程中的应用

使用控制论模型来代替国内现有的动力学模型,对丁二酸发酵过程进行建模,然后使用粒子群算法进行参数优化。结果表明控制论模型拟合结果具有较好的可靠性。

丁二酸发酵过程的软测量建模研究

生物转化法生产丁二酸的间歇厌氧发酵过程存在明显的不确定性和高度非线性,其中某些参数(如丁二酸浓度)难以在线检测,给过程优化策略的有效实施带来了障碍。最小二乘支持向量机(LS-SVM)是标准支持向量机(SVM)的一种扩展,遵循结构风险最小化原则。将该算法用于丁二酸发酵过程建模,用具有RBF核函数的LS-SVM建立丁二酸浓度的模型,并通过MATLAB 7.0开发工具和径向基(RBF)人工神经网络的建模方法进行比较。结果表明LS-SVM方法比基于RBF神经网络的软测量建模方法降低了83.7%的外推误差,具有更好的泛化能力,使针对丁二酸浓度的在线预估与优化控制成为可能。

支持向量机在丁二酸发酵过程建模中的应用

支持向量机是一种新的机器学习算法,它采用结构风险最小化准则,能有效提高模型的泛化能力。本文针对生物转化法生产丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,介绍了支持向量机回归建模算法在Matlab软件中的实现过程,对产物丁二酸浓度建立了预测模型,研究了SVM的小样本学习、泛化能力。仿真结果表明,与神经网络相比,SVM算法具有更好的推广能力,使得在未来工业化丁二酸发酵生产过程中针对丁二酸浓度的在线预估与优化控制成为可能。

HPLC法检测丁二酸发酵液中的有机酸和水溶性维生素

采用高效液相色谱法（HPLC）同时检测丁二酸发酵液中的有机酸和水溶性维生素。以RP—HPLC为分离模式，选用HederaODS-2色谱柱（5Ixm，4．6×250mm），20mm01／L的磷酸盐缓冲溶液（pH2．9）和乙腈为流动相，梯度洗脱，检测波长为210nm，建立了同时测定分析8种水溶性维生素和3种有机酸的方法，15min内所有组分都洗脱完全。8种水溶性维生素和3种有机酸在线性范围内峰面积与浓度呈良好的线性关系，相关系数为0。9989～0。9997；加标回收率在92．5％～100．3％之间；RSD（n=5）：0．9％～1．9％。本方法采用同一种流动相既可以测定发酵液中的有机酸又可以测定水溶性维生素的含量：

生物质基聚丁二酸丁二醇酯(PBS)应用研究进展

由于石油资源的日益枯竭,通过生物资源发酵得到琥珀酸来生产聚丁二酸丁二醇酯(PBS),以替代现在石油基产品为原料的PBS,是PBS产业发展的新方向,丁二酸发酵的商业化促进了生物质基PBS的发展和应用,通过对PBS进行各种改性以及加工成型,制得各类制品,使PBS产品能够应用于不同领域,生物质基PBS作为一种绿色塑料具有广阔的发展前景。

基于离散萤火虫算法的近红外波长优选方法研究

近红外光谱数据量大,需要进行压缩,以降低建立光谱校正模型的计算复杂度,提高模型精度和稳健性。为此,提出了一种基于离散萤火虫算法(discrete firefly algorithm)的近红外光谱波长变量筛选方法。首先采用蒙特卡罗方法剔除异常值,并应用Kennard-Stone法进行校正样本的选择。对通用萤火虫算法进行离散化处理,改进了吸引度的自适应公式,在移动公式中增加了牵引权重,以适应离散化处理的影响和优化算法,并在离散萤火虫算法中加入精英保留策略,加快算法的收敛速度。实验中找到DFA算法中的各项参数中的最佳值。通过离散萤火虫算法优选波长变量,建立发酵液中丁二酸含量的近红外光谱偏最小二乘回归(partial least squares regression)校正模型。与标准遗传算法(genetic algorithm)优选波长方法进行了比较。结果显示,基于离散萤火虫算法的波长优选方法所建立的PLS校正模型,其校正集的相关系数(R_c^2)为0.986,RMSEC为0.409,预测集的相关系数(R_p^2)为0.969,RMSEP为0.458,模型稳健性和精度都要优于全光谱建模以及遗传算法波长优选方法。显示了DFA在近红外光谱数据筛选方面的优越性。

基于改进自适应遗传算法的动力学模型优化

研究丁二酸是现代工业生物技术中一种重要的生物基产品。生物发酵法生产丁二酸具有高效率、环保性和原料的可持续利用性而受到众多科学家的推崇。建立相对完善的丁二酸发酵动力学模型,既可以帮助研究人员适当减少繁琐的实验工作,又有助于实现对发酵过程培养条件的优化与控制,辅助提高工艺水平。通过对遗传算法的进一步研究,改进了交叉与变异遗传算子,并引入精英保留策略,提出了改进的自适应遗传算法。结果表明,用改进自适应遗传算法优化丁二酸发酵动力学模型参数,在有效解决标准遗传算法收敛速度慢及局部搜索能力不强等问题的同时,能够获得相对完善的丁二酸发酵动力学模型。