Автоматизация процесса биосинтеза лимонной кислоты тема диссертации и автореферата по ВАК РФ 05.13.07, кандидат технических наук Панов, Глеб Дмитриевич

  • Панов, Глеб Дмитриевич
  • кандидат технических науккандидат технических наук
  • 1998, Санкт-Петербург
  • Специальность ВАК РФ05.13.07
  • Количество страниц 242
Панов, Глеб Дмитриевич. Автоматизация процесса биосинтеза лимонной кислоты: дис. кандидат технических наук: 05.13.07 - Автоматизация технологических процессов и производств (в том числе по отраслям). Санкт-Петербург. 1998. 242 с.

Оглавление диссертации кандидат технических наук Панов, Глеб Дмитриевич

СОДЕРЖАНИЕ

Стр.

ВВЕДЕНИЕ

1. ТЕХНОЛОГИЧЕСКИЙ ПРОЦЕСС ПОЛУЧЕНИЯ ЛИМОННОЙ КИСЛОТЫ

И ОБЗОР СУЩЕСТВУЮЩИХ СИСТЕМ УПРАВЛЕНИЯ БИОСИНТЕЗОМ

1.1. Технология промышленного получения лимонной

кислоты

1.2. Анализ процесса биосинтеза лимонной кислоты как

объекта автоматизированного управления

1.3. Методы ситуационного управления и условия

возможности их применения

1.4. Обзор состояния проблемы математического

моделирования процессов биосинтеза

1.5. Обзор состояния проблемы управления

процессами биосинтеза

1.6. Выводы. Постановка задач исследований

2. СТРУКТУРА СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ БИОСИНТЕЗА ЛИМОННОЙ КИСЛОТЫ

2.1. Диагностика состояния технологических объектов

и выбор способа ее реализации

2.2. Выбор формы представления знаний о процессе получения лимонной кислоты

2.3. Декомпозиция знаний о ферментационном цикле и

структура его диагностической модели

2.4. Структура системы ситуационного управления

ферментационным циклом

2.5. Алгоритм управления ферментационным циклом

2.6. Выводы к главе 2

3. СИНТЕЗ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ ПОЛУЧЕНИЯ

ЛИМОННОЙ КИСЛОТЫ

3.1 Постановка задачи управления ферментационным циклом

3.2.1. Методы сбора и обработки знаний

3.2.2. Сбор знаний о ферментационном цикле

3.2.3. Обработка знаний о ферментационном цикле

Стр.

3.2.4. Сбор и обработка знаний о путях управления

ферментационным циклом при обнаружении на процессе

нарушений

3.3. Синтез математической модели биосинтеза

лимонной кислоты

3.4. Формирование диагностической модели

3.5. Алгоритмы управления процессом в регламентном режиме

3.5.1. Алгоритм регламентного управления подпиткой

3.5.2. Алгоритм пеногашения

3.6. Алгоритмы управления процессом при нештатных ситуациях

3.6.1. Алгоритм поддержания необходимых для интенсивного синтеза лимонной кислоты концентраций биомассы и Сахаров в

среде

3.6.2. Алгоритм снижения интенсивности прироста биомассы

3.7. Выводы к главе 3

4. РЕАЛИЗАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ

4.1. Техническое обеспечение АСУ ТП

ферментационного цикла

4.2. Алгоритмическое и информационное обеспечение ССУ

4.3. Параметрическая идентификация математической

модели биосинтеза лимонной кислоты

4.4. Корректировка коэффициентов математической модели

по результатам протекающего биосинтеза

4.5. Исследование системы ситуационного управления на объекте

4.6. Выводы к главе 4

ВЫВОДЫ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЯ

Рекомендованный список диссертаций по специальности «Автоматизация технологических процессов и производств (в том числе по отраслям)», 05.13.07 шифр ВАК

Введение диссертации (часть автореферата) на тему «Автоматизация процесса биосинтеза лимонной кислоты»

ВВЕДЕНИЕ

В последние годы биотехнология получила широкое развитие как в плане научных исследований, так и в промышленном производстве. Япония объявила начало будущего века "эрой биотехнологии" [36], усиление роли которой прогнозируется в пищевой и фармацевтической отраслях промышленности [27,64].

Наиболее бурными темпами растет мировое производство пищевых кислот, основной из которых по объему потребления, безусловно, является лимонная [19,37].

По некоторым оценкам [36] мировое производство лимонной кислоты из различных видов сырья составило в начале 90-х годов свыше 550 тыс. тонн в год. Заводы лимонной кослоты имеются более чем в 35 странах. Лидером в ее производстве являются США (более 170 тыс. тонн в год). В нашей стране производство лимонной кислоты в последние годы, к сожалению, заметно снизилось, и ее дефицит уже ощущается на предприятиях пищевой промышленности.

Лимонная кислота используется [64,83] для подкисления и придания ощущения свежести безалкогольным напиткам, овощным, фруктовым, мясным и рыбным консервам. В кондитерской промышленности ее применяют при производстве конфет, вафель, печенья, тортов и других изделий. Огромна роль лимонной кислоты как консерванта, заменяющего уксус, использование которого законодательно запрещено во многих странах мира. Способность образовывать комплексные соединения обусловила ее добавление в жиры и животные масла для предотвращения прогорклости. На образовании комплексов лимонной кислоты с соединениями железа основана очистка пароводяного тракта энергоблоков на электростанциях. В последнее время натриевая соль лимонной кислоты все активнее используется в моющих средствах вместо полифосфатов натрия.

Растущая потребность в лимонной кислоте может удовлетворяться либо за счет введения в строй новых мощностей, что требует огромных инвестиций, либо за счет интенсификации технологических процессов на уже существующих предприятиях путем разработки и

внедрения новых, а также совершенствования уже существующих систем автоматизированного управления.

Основной технологической операцией в ферментационном цикле получения лимонной кислоты является биосинтез, где, собственно, и происходит образование целевого продукта. Управление именно этой операцией является предметом исследования в данной работе.

Необходимо отметить, что биосинтез имеет ряд особенностей, обусловленных наличием биологически действующего начала. Прежде всего это принципиальная неполнота знаний о нем, что затрудняет его математической описание и осложняет применение традиционных алгоритмов управления. Нестабильность количества и качества получаемых продуктов даже в процессах с идентичными условиями проведения вызвана неоднозначностью обмена веществ и механизмов регуляции клетки. Все эти особенности приводят к возникновению целого ряда нештатных ситуаций, ведущих к ухудшению результатов процесса, а подчас и гибели мицелия.

Автоматизация микробиологических процессов на сегодняшний день, как правило, ограничивается контролем за ходом процесса биосинтеза или, в лучшем случае, стабилизацией отдельных режимных параметров. Основной недостаток подобных систем состоит в том, что они ориентированы на идеальные условия ведения процесса и не учитывают возникновения возможных нарушений и отклонений, которые могут привести к нештатным ситуациям.

По этой причине актуальной становится задача создания такой системы, которая бы идентифицировала текущее состояние процесса и в зависимости от него вырабатывала необходимые управления. Это позволило бы выявлять нарушения на ранних стадиях и предотвращать их развитие в опасные для биосинтеза ситуации.

При этом процесс обработки поступающей с объекта информации и формирования решений по управлению должен базироваться как на теоретических знаниях об особенностях биосинтеза, так и экспертных (опытных) знаниях, формализованных в диагностической модели процесса и заранее заложенных в базу знаний системы. Таким образом, речь идет о создании экспертной системы реального времени, реализующей ситуационное управление.

Использование в такой системе математической модели позволит в реальном времени в соответствии с выбранным критерием управления рассчитывать рациональную стратегию управления биосинтезом. Однако несмотря на то, что предпринимались неоднократные попытки моделирования биосинтеза лимоьшой кислоты, математического описания, учитывающего основные взаимозависимости процесса и содержащего в своей структуре только измеряемые в производственных условиях величины, и, таким образом, пригодного для использования в системе автоматизированного управления, до сих пор не существует.

Цель настоящей работы состоит в улучшении технико-экономических показателей биосинтеза лимонной кислоты за счет повышения уровня его автоматизации путем разработки и внедрения основанной на знаниях системы ситуационного управления, ориентированной на реализацию в рамках АСУ ТП.

Основными этапами и узловыми проблемами, требующими разрешения для достижения поставленной цели, являются:

• разработка структуры системы ситуационного управления и создание алгоритма ситуационного управления на базе непрерывной диагностики текущего состояния процесса;

• разработка алгоритмов управления основными технологическими процессами, необходимых для эффективной реализации ситуационного управления;

• синтез диагностической модели ферментационного цикла получения лимонной кислоты;

• разработка в составе диагностической модели математического описания кинетики полупериодического биосинтеза лимонной кислоты и методики его использования для оперативного управления;

• разработка вопросов технической реализации системы автоматизированного управления биосинтезом лимонной кислоты.

В диссертации изложены основные результаты комплекса научно-исследовательских работ по разработке и исследованию алгоритмов автоматизированного управления промышленным биосинтезом лимонной кислоты в рамках созданной системы ситуационного управления, а также вопросы практической реализации последней.

Работа состоит из введения, четырех глав и приложений.

В первой главе приведено описание технологии получения лимонной кислоты и сделан анализ процесса ее биосинтеза как объекта автоматизированного управления. Дан аналитический обзор состояния вопросов математического моделирования и управления микробиологическими процессами, включая методы ситуационного управления, и перечислены условия возможности их применения. Рассмотрены существующие подходы к автоматизированному управлению процессами биосинтеза и примеры разработки и внедрения систем автоматизации на них.

Во второй главе на основании результатов анализа состояния проблемы выбрана стратегия диагностики состояния ферментационного цикла и форма представления знаний о нем. Декомпозиция этих знаний позволила синтезировать диагностическую модель, в качестве которой предложена двухуровневая фреймово - продукционная структура.

Верхний уровень представляет собой фреймовую сеть, состоящую из корневых фреймов макроситуаций, которые описывают технологические операции ферментационного цикла и управление процессом при его регламентном развитии. Каждому фрейму макроситуации соответствует совокупность дочерних фреймов микроситуаций, содержащих описание нештатных ситуаций данной технологической операции и мер по их устранению - нижний уровень диагностической модели.

В рамках фреймовой структуры в использованы следующие типы и формы представления знаний: математическая модель для описания динамики процесса при его регламентном развитии, граф причинно-следственных связей в виде матрицы, используемой для автоматического обнаружения нештатных ситуаций, и продукционные правила для эффективного принятия решений по управлению в узких областях уже найденных нештатных ситуаций.

Предложена информационно-техническая структура системы ситуационного управления, которая представляет собой программно-технический комплекс, имеющий двухуровневую структуру с микропроцессорным контроллером на нижнем и ПЭВМ на верхнем уровне.

Ядром системы являются база знаний, содержащая диагностическую модель и интерпретатор, реализующий алгоритм ситуационного управления.

Основанный на разработанной диагностической модели, алгоритм ситуационного управления позволяет айтоматически управлять процессом в регламентном режиме и корректировать стратегию управления в случае возникновения нештатных ситуаций.

Третья глава посвящена синтезу системы управления процессом получения лимонной кислоты. На основе декомпозиции задачи управления цехом ферментации сделана постановка задачи управления каждой технологической операцией.

Сформированы экспертные группы и проведен экспертный анализ предметной области. В результатае разработан фрейм-экземпляр "Биосинтез", выявлены причинно-следственные связи и нештатные ситуации на процессе, сгруппированные в 2 6 микроситуаций. Сделана разбивка фреймов на типы по видам нарушений и подробно описаны наиболее интересные из них. Дальнейший анализ нештатных ситуаций и их атрибутов, а также экспертных рекомендаций по управлению процессом позволили составить совокупность продукционных правил для устранения возникающих в ходе процесса нарушений и определить перечень управляющих алгоритмов, которые необходимо разработать.

На основе дифференциальных уравнений материального баланса разработана математическая модель полупериодического биосинтеза лимонной кислоты, ориентированная на использование в системе ситуационного управления. На базе математической модели аналитическими и числеиными методами рассчитан рациональный временной профиль изменения концентраций ключевых компонентов при использовании режима квазистационарного состояния. Разработаны алгоритмы рационального управления подачей подпиточных растворов и автоматического гашения пены, функционирующие в регламентном режиме, а также алгоритмы поддержания необходимых для интенсивного биосинтеза концентраций компонентов среды и снижения интенсивности прироста биомассы, инициализирующиеся при возникновении нештатных ситуаций.

В четвертой главе освещены вопросы практической реализации разработанной системы ситуационного управления, входящей в состав верхнего уровня АСУ ТП ферментационного цикла. Описано техническое и информационное обеспечение системы, приведены функциональная и техническая структуры АСУ ТП, даны характеристики информационных и управляющих каналов.

Описана процедура параметрической идентификации математической модели биосинтеза лимонной кислоты. На основе анализа чувствительности функционала невязки к вариациям коэффициентов модели разработана методика ее адаптации к условиям конкретной реализации процесса. Расчет концентраций ключевых компонентов по математической модели с периодической корректировкой наиболее чувствительных коэффициентов по получаемым с запаздыванием лабораторным анализам позволяет получать информацию о них в реальном времени и использовать ее для оперативного управления.

Приведены -результаты исследования системы ситуационного управления на объекте, проведенные с целью оценки качества ее функционирования.

Приложения содержат полный набор разработанных фреймов микроситуаций, распечатки видеокадров, иллюстрирующие работу системы и копии документов о полезности выполненной работы.

Вклад автора в решение исследуемой проблемы заключается:

• в проведении [122] декомпозиции знаний о процессе получения лимонной кислоты на отдельные технологические операции (макроситуации), в каждой из которых выделены знания о регламентном развитии процесса и нештатных ситуациях (микроситуациях) , а также мерах по управлению объектом;

• в синтезе иерархической диагностической модели [121], сочетающей экспертные и теоретические знания об объекте, причем ее верхний уровень реализован в виде сетевой структуры с расположенными в вершинах фреймами макро и микроситуаций, в слотах которых находятся матрица причинно-следственных связей для поиска нештатных ситуаций, база управляющих продукционных правил и адаптированная математическая модель;

• в разработке информационно-технической структуры системы ситуационного управления ферментационным циклом получения лимонной кислоты [81] и создании алгоритма ситуационного управления [61];

• в синтезе ориентированной на использование в системе ситуационного управления математической модели биосинтеза лимонной кислоты [63], описывающей эффекты накопления биомассы и целевого продукта, а также потребления питательных веществ в среде принудительно изменяющегося объема, исследованиии [122] чувствительности функционала невязки к вариациям каждого из коэффициентов и разработке методики адаптации математической модели [62] к условиям конкретной реализации процесса;

• в создании оригинальных алгоритмов управления процессом в регламентном режиме [81] и при возникновении нештатных ситуаций [122]: алгоритма рационального управления подачей подпиточных растворов, учитывающего индивидуальные особенности конкретной технологической операции, алгоритма автоматического пеногашения, снижающего вероятность выброса пены из ферментатора и позволяющего экономить реагент, алгоритма поддержания необходимых для интенсивного синтеза ЛК концентраций биомассы и Сахаров в среде и алгоритма снижения интенсивности прироста биомассы.

Эти результаты выносятся автором на защиту.

Полученные в диссертационной работе результаты имеют

прикладное значение для решения задач ситуационного управления ферментационными процессами.

Система ситуационного управления была испытана в автономном режиме на Белгородском заводе лимонной кислоты. Система принята к внедрению и в настоящее время находится в стадии адаптации к оборудованию и требованиям завода. Ожидаемый технико-экономический эффект составляет 12 515 тыс. руб. в год.

На Белгородском заводе лимонной кислоты внедрены в объеме 4-х ферментаторов алгоритмы регламентного управления подачей подпиточных растворов и поддержания необходимых для интенсивного синтеза ЛК концентраций биомассы и Сахаров в среде. Первый алгоритм осуществляет расчет рационального временного профиля подпитки и ее реализацию в регламентном режиме, а второй корректировку стратегии подпитки при возникновении нештатных

ситуаций. Алгоритмы основаны на разработанной математической модели биосинтеза лимонной кислоты и используют предложенную процедуру подстройки ее коэффициентов. Установлено, что применение алгоритмов повышает производительность технологической операции "Биосинтез" на 4.3% по сравнению с традиционным способом подачи подпитки.

1. ТЕХНОЛОГИЧЕСКИЙ ПРОЦЕСС ПОЛУЧЕНИЯ лимонной кислоты и ОБЗОР СУЩЕСТВУЮЩИХ СИСТЕМ УПРАВЛЕНИЯ БИОСИНТЕЗОМ

1.1. Технология промышленного получения лимонной

кислоты

Технологический цикл получения лимонной кислоты (ЛК) включает в себя [83] ряд стадий, основной из которых является стерильная аэробная ферментация, где собственно и происходит образование целевого продукта.

Принципиальная технологическая схема цеха ферментации приведена на рис. 1.1. Основным оборудованием здесь являются посевные ферментаторы (ПФ), в которых осуществляется проращивание мицелия, основные ферментаторы (ОФ), где производится дальнейший рост биомассы мицелия и синтез ЛК, а также емкости для подпитки (ПЕ), откуда дополнительная питательная среда поступает в ОФ [53] .

Ферментационный цикл (ФЦ) в ОФ [83] состоит из следующих технологических операций (ТО): "Термическая стерилизация ферментатора"; "Загрузка питательной среды в ферментатор"; "Засев ферментатора посевным мицелием"; "Биосинтез"; "Термическая инактивация среды" и "Выгрузка культуральной жидкости (КЖ) из ферментатора".

Центральной ТО, безусловно, является "Биосинтез", который рассмотрим более подробно.

В ходе данной ТО переведенный в ОФ мицелий [55] начинает расти и размножаться, выделяя при этом в КЖ продукты своей жизнедеятельности, основным из которых является ЛК. При этом [41] начальная концентрация Сахаров составляет 30-ьб0 г/л, а объем питательной среды занимает около 50% от геометрического объема ферментатора.

Первые 6 часов после засева мицелий адаптируется к новым условиям, а затем его клетки начинают интенсивно делиться, увеличивая концентрацию биомассы в среде. Примерно через сутки [33] скорость роста мицелия снижается, зато начинается активный синтез целевого продукта. Этому обстоятельству может

БД БЗ ДМ ДО ИЗ ИМ

кж

лк

мм

мпк

ней

НЦУ

одз

ОФ ПЕ ПЛУ ПФ • ПФД ■ ПФЭ • ПЭВМ-СДУ ■ ССУ -ТО -

тс ■

ФЦ -

УСЛОВНЫЕ ОБОЗНАЧЕНИЯ

база данных база знаний

диагностическая модель доска объявлений источник знаний исполнительный механизм культуральная жидкость лимонная кислота математическая модель микропроцессорный контроллер нормативно-справочная информация непосредственное цифровое управление область допустимых значений основные ферментаторы емкости для подпитки программно-логическое управление посевные ферментаторы подсистема функциональной диагностики полный факторный эксперимент

персональная электронно-вычислительная машина система диагностики и управления система ситуационного управления технологическая операция технологическая система ферментационный цикл

Рис. 1.1. Принципиальная технологическая схема цеха ферментации

Обозначение оборудования:

ПЕ-подпиточные емкости; ПФ-посевные ферментаторы; ОФ-основные ферментаторы.

Обозначение материальных потоков:

29-питательная среда для подпитки; 30-питательная среда для ПФ; 31-питательная среда для ОФ; 32-посевной материал для ОФ; 33-культуральная жидкость на переработку

способствовать постепенное снижение после 2 4-ого часа ферментации температуры среды с Зб°С - уровня оптимального для роста биомассы до 32°С - величины, способствующей интенсификации скорости синтеза ЛК. Целесообразный временной профиль [83] изменения температуры показан на рис. 1.2. При этом концентрация Сахаров в среде продолжает падать, а содержание ЛК растет, увеличивая кислотность КЖ.

Поскольку ТО "Биосинтез" идет с выделением значительного количества тепла, требуемая температура в аппарате поддерживается путем подачи холодной воды в рубашку ферментатора. Как при повышении, так и при понижении температуры у мицелия нарушается характер обмена веществ и вместо лимонной образуется [54] большое количество побочных кислот (глюкоиновая, щавелевая и т.д.).

ТО "Биосинтез" ведется при непрерывной подаче воздуха через барботер, расположенный в нижней части ОФ. Воздушный поток служит как для снабжения мицелия кислородом (аэрация), так и для перемешивания КЖ с целью гомогенизации последней. Целесообразный временной профиль [83] изменения расхода воздуха на данной ТО показан на рис. 1.3.

Увеличивающаяся масса мицелия потребляет все большее количество кислорода из среды, что приводит [56] к снижению концентрации последнего в КЖ и, как следствие, вызывает уменьшение скорости роста его биомассы. Высокая концентрация мицелия делает КЖ более вязкой и затрудняет ее перемешивание, что в свою очередь ухудшает потребление питательных веществ мицелием и отрицательно сказывается на скорости его роста. Суммируя изложенное, можно констатировать ингибирующее влияние высоких концентраций биомассы на скорость ее роста.

Недостаточный прирост биомассы может быть следствием как ее низкой концентрации, так и слабой активности, вызванной либо нарушением физической целостности, либо недостатком питательных веществ (лимитирующее действие Сахаров на скорость роста).

Пониженная концентрация биомассы, в свою очередь, возможна как из-за недостатка посевного материала, так и слишком быстрого для текущего состояния мицелия снижения температуры до уровня, замедляющего его рост.

Рис. 1.2. Целесообразный временной профиль изменения температуры в ферментаторе

при проведении ТО "Биосинтез"

Рис. 1.3 Целесообразный временной профиль изменения расхода воздуха при

проведении ТО "Биосинтез"

Скорость образования целевого продукта возрастает пропорционально концентрации мицелия. Кроме того, необходимо отметить [54] двойственное влияние на нее концентрации Сахаров. С одной стороны, скорость биосинтеза снижается при малой концентрации Сахаров, т.е. они лимитируют биосинтез. С другой стороны, высокая концентрация Сахаров также снижает скорость биосинтеза и в этом смысле они выступают ингибирующим фактором.

Сахара в ходе процесса расходуются [33] на образование и рост тела клеток мицелия, поддержание его жизнедеятельности и синтез последним целевого продукта.

Попадание в ферментатор посторонней микрофлоры с потоками аэрирующего воздуха, подпитки и пеногасителя при их недостаточной стерилизации или наличии неплотностей в технологической арматуре, называется инфицированием. С целью недопущения этого в ферментаторе поддерживается небольшое избыточное давление 0.020.03 МПа.

Опасность " инфицирования состоит в том, что посторонняя микрофлора конкурирует [97] с целевыми микроорганизмами за субстрат, снижая тем самым экономические показатели процесса и выделяет в КЖ продукты своей жизнедеятельности, которые могут отрицательно сказаться на развитии основного процесса.

В течении всей ТО "Биосинтез" возможно [83] обильное пенообразование. Наличие пены в ферментаторе обеспечивает повышение поверхности контакта жидкость - газ и способствует лучшему снабжению мицелия кислородом. Однако обильное вспенивание может привести к уносу КЖ из аппарата и его инфицированию после возврата унесенной жидкости из нестерильной зоны трубопровода.

Задача пеногашения [66] заключается в недопущении поднятия уровня пены выше некоторого потенциально опасного уровня. Пеногасителем является натуральный или искусственный реагент, имеющий жирную природу (олеиновая кислота, пропинол, подсолнечное масло и другие).

По мере потребления Сахаров и снижения их концентрации в среде они добавляются туда с подпиточным раствором, т.е. процесс ведется как полупериодический. Подавать подпитку целесообразно до тех пор, пока мицелий в состоянии синтезировать ЛК и пока позволяют размеры биореактора.

Рост биомассы и синтез продуктов ее жизнедеятельности практически прекращаются [83] на 8-9 сутки из-за старения мицелия. Содержание ЛК в среде в этот момент составляет обычно 80-110 г/л.

Анализ литературных источников [33,54,66,83] показал, что для осмысленного ведения процесса необходимо иметь информацию о довольно значительном количестве параметров. В первую очередь это, так называемые, режимные параметры: температура среды в ферментаторе, расходы аэрирующего воздуха и подпиточного раствора, давление в аппарате, которые доступны для автоматического измерения. Очень полезно было бы знать текущие значения показателей качества: концентрации биомассы, Сахаров и целевого продукта (последняя определяется по кислотности среды), однако их непрерывное измерение невозможно из-за отсутствия соответствующих датчиков. В настоящее время эти величины определяются в лаборатории по результатам анализов периодически отбираемых из биореактора проб.

Относительная погрешность определения кислотности методом титрования составляет 2%, концентрации Сахаров по Бертрану - 3% и концентрации биомассы после ее выделения из раствора и высушивания - 5% [66]. Продолжительность лабораторных анализов, включая время отбора проб, составляет для Сахаров 90 минут, биомассы - 180 минут и кислотности - 4 0 минут. При существующей периодичности отбора проб раз в 4 часа (увеличение частоты привело бы к значительному росту численности персонала лаборатории), максимальная задержка в получении новой информации может достигать для Сахаров порядка 5.5 часов, целевого продукта 4.5 и биомассы 7 часов. Естественно, за это время концентрации могут существенно измениться.

Необходимо также иметь в виду, что в реальных производственных условиях зачастую возникают различного рода нештатные ситуации, способные ухудшить результат процесса.

Так недостаточный прирост концентрации ЛК по сравнению с теоретически возможным может быть обусловлен как пониженной активностью биомассы, так и отклонениями концентраций Сахаров или биомассы от теоретически рациональных из-за несоблюдения регламентного режима ведения процесса. С другой стороны, слабый прирост целевого продукта может быть следствием наоборот,

излишнего роста биомассы, когда сахара расходуется на синтез мицелия, а не ЛК. Предельным вариантом этой нештатной ситуации является инфицирование, т.е. развития в КЖ посторонних микроорганизмов. Недостаток Сахаров и слабое потребление кислорода на стадии роста биомассы также отрицательно влияют на результат ФЦ. Такие нештатные ситуации, как выброс или утечка среды из аппарата приводят к потерям уже накопленного целевого продукта. Для устранения возникающих нештатных ситуаций необходимо корректировать регламентную стратегию управления.

1.2. Анализ процесса биосинтеза лимонной кислоты как объекта автоматизированного управления

Характерной чертой промышленного получения ЛК является определяющее влияние ТО "Биосинтез" на показатели производительности и рентабельности производства [64,66]. В то же время, эта ТО имеет ряд особенностей, обусловленных наличием биологически действующего начала. Рассмотрим их подробнее.

Существенно важной чертой биосинтеза как объекта управления, отличающей его от процессов химической технологии, является принципиальная неполнота знаний о многих сложных явлениях, связанных с жизнедеятельностью микроорганизмов. Уже на уровне клетки приходится сталкиваться с многокомпонентной многофакторной саморегулирующейся системой, находящейся в постоянном

энергетическом и материальном обмене с окружающей средой [89] . Это затрудняет математическое описание процесса и ограничивает возможность использования традиционных алгоритмов управления, т.к. невозможно точно предвидеть реакцию клетки на управляющие воздействия.

Нестационарность процесса проявляется в существенных изменениях динамических характеристик объекта: коэффициента усиления, постоянной времени, времени запаздывания [8] . Нестабильность выделения продуктов биосинтеза вызвана неоднозначностью обмена веществ и механизмов регуляции клетки, что приводит к тому, что два последовательных процесса развиваются по разному даже при нанесении одинаковых управляющих воздействий.

Асептические условия проведения ТО "Биосинтез" требуют строгого соблюдения последовательности технологических приемов по стерилизации аппаратов и коммуникаций, что довольно сложно при ручном управлении.

Низкая точность и надежность существующих средств измерения обусловлена влиянием термической стерилизации и отложением сухих веществ на чувствительных элементах.

На сегодняшний день управление ФЦ получения ЛК сводится к автономному регулированию ряда режимных параметров и автоматическому программно-логическому управлению (ПЛУ)

дискретными исполнительными механизмами (ИМ). Упрощенная схема автоматизации ОФ на наиболее прогрессивном предприятии Белгородском заводе лимонной кислоты ЗАО "Цитробел" представлена на рис.1.4.

Данные по имеющимся на объекте информационным и управляющим каналам приведены в табл. 1.1. В графе 1 дан перечень технологических " параметров, в графе 2 - приведен способ их определения: "изм." - автоматическое измерение; "контр." автоматический контроль наличия по принципу "да - нет"; "лаб." -лабораторные измерения; "виз." - визуальная оценка. Из графы 3 понятно, предусмотрена ли сигнализация предельных отклонений конкретного параметра. Графа 4 поясняет канал управления тем или иным параметром, если таковой существует. В графе 5 указан способ реализации управляющего воздействия: "ПИД" - автоматическое регулирование по ПИД - закону; "ПОЗ." - позиционное управление; "РУЧН." - ручное управление. Наконец, графа 6 раскрывает способ формирования задания.

Отсутствие датчиков измерения целого ряда ключевых параметров, таких как концентрации биомассы, Сахаров и ЛК, вызывает необходимость их лабораторных контроля по результатам отобранных из аппарата проб. Низкая частота отбора проб и малая точность лабораторных анализов [бб] не позволяют пользоваться экстраполяцией получаемых в лаборатории данных для прогнозирования хода процесса. Из-за этого возникает целый ряд описанных в п. 1.1 нештатных ситуаций.

Суммарная относительная погрешность определения конкретного показателя качества представляет собой корень квадратный из суммы

Рис. 1.4. Упрощенная схема автоматизации основного ферментатора

> >

34

32

29

УЫО

31

Ч>

33

Обозначение оборудования:

ОФ-основной ферментатор; УЪб-Л/Ы4-клапаны для коммуникации материальных потоков Обозначение материальных потоков:

29-подпитка; 31-питательная среда для ОФ; 32-посевной материал для ОФ; 33-культуральная жидкость на переработку; 34-пеногаситель

I

к>

I

Таблица 1.1

Общая характеристика информационных и управляющих каналов существующей системы управления биосинтезом лимонной кислоты

Параметр Способ опреде ления Сигнали зация отклоне ни я Канал управления Способ реализации управления Способ формирования задания

1 2 3 4 5 6

1.Температура среды Изм. + Поток охлаждающей воды ПИД Жесткая циклограмма (реализуется оператором)

2.Давление в ферментаторе Изм. + Поток выходящего воздуха пид Постоянное задание (уста навливается оператором)

3.Расход воздуха Изм. + Поток входящего воздуха ПИД Жесткая циклограмма (реализуется оператором)

4 . Расход подпитки Изм. + Поток подпиточно го раствора пид Постоянное задание (уста навливается оператором в зависимости от концентра ции сахара в среде)

5.Уровень пены Контр. + Поток пеногасителя поз Жесткий алгоритм

б.Масса среды в ферментаторе Виз. — — — —

(О I

Продолжение табл.1.1

1 2 1 4 5 б

7.Концентрация Сахаров в среде Лаб. — — — —

8.Кислотность среды Лаб. — — — —

9.Инфицирование Лаб. — Все материальные потоки — Решение принимается микробиологом

10.Состояние биомассы Виз. — — — —

\

К>

сы

I

Примечание: Пояснения к таблице даны в тексте.

квадратов погрешностей, связанных с методом измерения и с задержкой в получении информации. Как показал анализ, проведенный на Белгородском заводе лимонной кислоты [63], величина суммарной относительной погрешности может составлять при измерении концентрации Сахаров до 45%, ЛК - до 25% и биомассы - до 15% по отношению к их текущим значениям. Отсюда можно сделать вывод, что полученные в лаборатории результаты не отражают истиной картины процесса, а лишь иллюстрируют ситуацию, которая имела место некоторое время назад.

Для описания кинетики процесса, а тем более расчета оптимального управления, логично было бы использовать детерминированную математическую модель (ММ), вскрывающую внутренние механизмы происходящих в среде превращений веществ. Однако, из-за чрезвычайной сложности процесса, многие аспекты поведения которого еще до конца не познаны, и, следовательно, не могут быть формализованы, построение ММ, адекватно описывающей процесс в целом," практически невозможно. ММ может использоваться в данном случае лишь как часть некоторой более общей модели и применяться только для описания отдельных сторон поведения объекта и управления только некоторыми компонентами вектора управляющих воздействий.

Описание всего многообразия ситуаций, складывающихся на объекте управления, должно производиться способом, который позволял бы отражать все основные параметры и связи между ними, необходимые для иллюстрации самого процесса и формирования решений по управлению. Это описание должно отражать не только количественные факты и соотношения, характеризующие биосинтез, но и качественные знания, которые не могут быть формализованы в обычном математическом смысле.

Из вышесказанного следует вывод, что в наибольшей степени требованиям к способу описания объекта отвечает структура, сочетающая в себе экспертные знания и ММ отдельных аспектов поведения процесса. Такой структурой, описывающей не только нормальный ход процесса при отсутствии каких-либо отклонений, но и нештатные ситуации на нем и позволяющей анализировать множество его возможных состояний является диагностическая модель (ДМ) [4 6].

Существующая практика управления имеет серьезные недостатки, заключающиеся как в недостаточном уровне автоматизации процесса, так и в несовершенстве самой стратегии управления.

Неизменность профиля изменения температуры во времени, не учитывающая особенности развития конкретного процесса, может привести либо к замедлению роста мицелия при его преждевременном охлаждении, либо к его чрезмерному приросту, что ухудшает гидродинамический режим перемешивания, вызывает кислородное голодание и приводит к непродуктивному использовании питательных веществ.

Реализация жесткой циклограммы подачи воздуха без учета текущей ситуации в ферментаторе, таит в себе опасность того, что потребность культуры в кислороде превысит фактические возможности его доставки к мицелию при недостаточном расходе аэрирующего воздуха или мицелий будет разрушен чрезмерным для данной ситуации воздушным потоком. В обоих случаях это приведет к ухудшению роста биомассы и, как "следствие, замедлению скорости синтеза ЛК.

В настоящее время изменение задания регуляторам и взаимодействие между различными контурами осуществляется аппаратчиком. При этом качество ведения процесса в ситуациях, отличающихся от стандартных, полностью зависит от субъективных оценок персонала, его интуиции и опыта.

Подпиточные растворы подаются в аппарат дискретно несколько раз в течение процесса большими дозами, что ведет к резкому изменению концентраций компонентов в растворе и, как следствие, необходимости перестройки ферментных систем гриба, что неизменно приводит к задержкам в развитии биосинтеза. В итоге такой подход не позволяет получить существенное увеличение выхода продукта за счет подпитки. Момент подачи и ее доза определяется субъективно сменным персоналом, поэтому зачастую выбираются не рационально. Следует отметить, что подача подпитки могла бы послужить мощным рычагом повышения управляемости биосинтеза ЛК, поскольку внесение дополнительных компонентов в ходе процесса позволяет управлять составом среды культивирования.

Весьма перспективной представляется идея вести

полупериодический процесс биосинтеза (т.е. процесс с подпиткой) в режиме квазистационарного состояния [8], и путем внесения

подпиточного раствора поддерживать в аппарате наиболее благоприятные для синтеза целевого продукта условия. Для реализации этого подхода необходимо знать текущие значения концентраций ключевых компонентов в среде. Эта информация может быть получена с помощью ММ кинетики процесса.

Субъективизм при решении вопроса о продолжительности ТО "Биосинтез" приводит к потенциальному недобору целевого продукта в случае преждевременного останова процесса и к непроизводительным затратам при его чрезмерном затягивании.

Несмотря на то, что устранение каждого из отмеченных недостатков в отдельности способно положительно повлиять на результат биосинтеза, существенного улучшения его технико-экономических показателей можно добиться только при комплексном подходе к управлению, основанном на учете сложного взаимного влияния параметров и анализе возникающих на объекте ситуаций. Так, например, при повышении температуры в ферментаторе, вызванном нехваткой охлаждающей воды, необходимо корректировать профиль подачи подпиточного раствора, а подчас и расхода аэрирующего воздуха для того, чтобы снизить интенсивность процесса, а, следовательно, его тепловыделение.

Из вышеизложенного следует, что биосинтез ЛК как объект автоматизированного управления представляет собой плохо наблюдаемый и плохо управляемый процесс с разветвленной структурой взаимосвязей между параметрами.

Система управления биосинтезом ЛК должна распознавать текущие ситуации на процессе и в зависимости от них вырабатывать соответствующие управляющие воздействия. При этом процесс обработки поступающей с объекта информации и формирования решений по управлению должен базироваться как на глубоких знаниях об особенностях процесса биосинтеза ЛК и влиянии его параметров друг на друга (т.е. теоретических знаниях), так и экспертных (опытных) знаниях, формализованных в ДМ процесса и заранее заложенных в базу знаний (БЗ) системы. Такая система называется системой основанной на знаниях [47], а метод управления - ситуационным [74,76].

Управление должно осуществляться по возможности в автоматическом режиме с тем, чтобы, учитывая заложенный в систему опыт квалифицированных специалистов при формировании управляющих

воздействий, устранить тем не менее возможные ошибки неквалифицированного персонала при их выполнении. Автоматизация процесса, таким образом, является продолжением усовершенствования его технологии.

1.3. Методы ситуационного управления и условия возможности их применения

Ситуационное управление - метод управления сложными технологическими и организационными системами, основанный на следующих идеях теории искусственного интеллекта: представление знаний об объекте управления на уровне логико - лингвистических моделей, использование обучения и обобщения в качестве основных приемов при построении процедур управления по текущим ситуациям, использование дедуктивных систем для построения многошаговых решений [71,74].

Метод ситуационного управления основан на введении понятия ситуации, классификации ситуаций и их преобразовании. Под ситуацией понимается представленное логико - лингвистической моделью конечномерное количественное описание состояния объекта управления с учетом качественных оценок, полученных от экспертов. Текущая ситуация, классифицируемая на множестве базовых ситуаций, является основной информационной структурой, исходя из которой принимаются управляющие решения. Множество базовых ситуаций формируется исходя из концептуального анализа объекта и экспертной информации, полученной в результате опроса квалифицированного технологического персонала [91].

Методу ситуационного управления присущ ряд особенностей [72,76]:

1. Ситуационное управление требует больших затрат на создание предварительной базы сведений об объекте управления, его функционировании и способах воздействия на него.

2. Описание ситуаций, складывающихся на объекте управления, должно быть произведено на таком языке, в котором отражались бы все основные параметры и связи, необходимые для классификации того описания и предложения соответствующих решений по управлению.

3. Язык описания ситуаций должен позволять отражать в нем не только количественные факты и соотношения, характеризующие объект управления, но и качественные знания, которые не могут быть формализованы в обычном математическом смысле.

4. Классификация ситуаций, объединение их в классы и формирование корреляционных правил первоначально проводится на субъективной основе, а затем, в процессе эксплуатации, происходит выявление неверных процедур классификации, уточнение правил, уничтожение противоречий в них и формирование новых правил и знаний.

Системы ситуационного управления (ССУ) не могут оптимизировать сам процесс управления. Они ориентированы лишь на такое управление, когда достигнутые результаты будут не хуже лучших результатов, которые мог бы получить человек. Однако, как показала практика применения систем подобного типа, чаще всего результаты, выдаваемые системой, лучше полученных человеком. Это позволяет считать метод ситуационного управления эвристическим.

При определении возможности применения методов ситуационного управления руководствуются следующими условиями [94] :

• данные и знания надежны и последние не меняются со временем;

• пространство (или область) возможных решений относительно невелико;

• в процессе получения решения используются только формальные рассуждения;

• должен быть, по крайней мере, один эксперт, который способен сформулировать свои знания и объяснить методы их применения для решения поставленных задач предметной области.

Эти условия могут быть сведены в таблицу 1.2, наглядно иллюстрирующую целесообразность применения методов ситуационного управления для конкретных обстоятельств. Анализ вышеперечисленных условий применительно к процессу биосинтеза ЛК позволяет сделать вывод о целесообразности их использования для решения задачи повышения управляемости ФЦ.

Таблица 1.2

Условия целесообразности применения методов ситуационного управления [94]

Методы ситуационного управления применимы Применение методов ситуационного управления не целесообразно

Не могут быть построены строгие алгоритмы, но существуют эвристические методы решения проблемы Имеются эффективные алгоритмические методы решения проблемы

Есть эксперты, способные решить задачу Отсутствуют эксперты или их число или квалификация недостаточны

Доступные данные неполны или недостоверны Известны точные факты и строгие процедуры

Задачи решаются методами формальных рассуждений Задачи решаются процедурными методами, с помощью аналогии или интуитивно

Знания (не данные) статичны Знания динамичны, изменяются во времени

I

ГО

-о I

1.4. Обзор состояния проблемы математического моделирования процессов биосинтеза

Математическое моделирование процессов культивирования микроорганизмов, в отличии от объектов химической технологии, представляет собой гораздо менее изученную и более сложную задачу, поскольку здесь мы имеем дело с объектом живой природы, когда в ходе процесса изменяется не только состав среды, но и свойства микроорганизмов.

ММ может описывать как связи между основными переменными < процесса в установившихся режимах (статическая модель), так и их связи во времени, при переходе от одного режима к другому (динамическая модель).

Основанные на понимании существа биохимических явлений динамические модели можно использовать для исследования процесса и управления им. ' Они обычно учитывают материальный баланс веществ, а также кинетику утилизации субстратов, роста популяции

микроорганизмов и образования продуктов метаболизма [8,13,86].

Процедура получения такой ММ складывается из выявления функциональных зависимостей между параметрами процесса в виде системы некоторых соотношений, например, алгебраических или дифференциальных уравнений [13,86], логических условий, неравенств [8,82] и определения численных значений коэффициентов модели [11,108], то есть ее параметрической идентификации по экспериментальным данным.

Основные положения использования математического аппарата при составлении ММ в микробиологии подробно разъяснены в работах [8,13,34].

Наибольшее число моделей отражает влияние лимитирующего рост субстрата на скорость образования биомассы. Здесь нужно отметить, прежде всего, модель Моно [118], предложившего для растущей биомассы следующее выражение:

М = (1.D

где (л и /4, _ текущая и максимальная удельные скорости роста биомассы;

s - концентрация лимитирующего рост субстрата; к - коэффициент.

Несмотря на обилие сделанных допущений, уравнение Моно было подкреплено множеством экспериментальных данных [13] и ввиду своей простоты стало доминирующим при описании клеточной популяции.

Описания образования целевого продукта сводятся в основном к двум выражениям [116]. Первое - для процессов, в которых накопление продуктов пропорционально концентрации биомассы: dp

~ = brx (1.2)

dt 1

и второе для случая, когда накопление продуктов связано с ростом биомассы:

dp ^ dс dt ~ 2 dt

V— (1.3)

где х - концентрация биомассы;

р - концентрация целевого продукта; Ьи Ь2 - коэффициенты

Если Ь2 представляет собой, как правило, константу, то Ьг может быть функцией полиномиального [86], мультипликативного [11,13] и более сложного [31,34] вида.

Пути усвоения клеткой питательных веществ различны, но в конечном счете, смысл потребления выражается в росте микробной биомассы, поддержании ее жизнедеятельности и образовании целевого продукта [8,42]:

ds dx dp

— = -ах ■ — - а2 ■ х - а, ■ —- (1.4)

Л Л 2 3 Л

где аХга2 и а3 - коэффициенты.

Знак "минус" означает, что субстрат расходуется в процессе биосинтеза.

Уровень глубины описания, а, следовательно, и степень сложности аналитических зависимостей определяется при этом утилитарной целью получения конкретной модели. Если она создается для исследования процесса при различных условиях, то ставится задача наиболее полного описания всех аспектов поведения микробиологической системы [11,82].

К математическим описаниям, создаваемым для оперативного автоматизированного управления, например в условиях АСУ ТП, предъявляются совершенно иные требования. Модель в этом случае должна быть простой и адекватно описывать ту часть технологического процесса, в которой, собственно, и наносятся определяемые на ее основе управляющие воздействия [8,13].

Эволюцию подхода к моделированию процессов биосинтеза удобно проследить на примере одного из самых исследованных биотехнологических процессов - ферментации аминокислоты Ь-

лизина. Статистическая модель процесса [13] была получена методом регрессионного анализа еще в 1972г. Это уравнение связывает-величину накопленного целевого продукта с начальными концентрациями субстратов, температурой и кислотностью среды.

Дальнейшее исследование биосинтеза лизина позволило подойти к составлению динамических моделей. Рассматривая процесс состоящим из накопления биомассы, синтеза целевого продукта, а также потребления Сахаров и кислорода (с) , сотрудники института микробиологии им. А. Кирхенштейна АН Латвии [12] разработали ММ, представляющую собой систему четырех нелинейных дифференциальных уравнений:

dx кх-х-с

¿Й (к2 + с) ■ (к3

(1.5)

сЬ ск йр

к4-~—-к5-х~к6-— (1.6)

dp к1 ■ х ■ 5

(к% + я) ■ (кд + • (кю + с)

(1.7)

йс ёх йр

Л 11'Л 12' 13'Л

= ~ки ■-¿-кх2-х-кн-~Т + ки -{с*-с) (1.8)

где в0 - начальная концентрация Сахаров;

с*, А^А^-константы. Путем расширения и углубления этой модели В.В. Савенковым [82] и В. И. Валуевым [11] независимо друг от друга, были составлены математические описания ферментации Ъ-лизина, которые использовались для исследования процесса и расчета оптимального управления. Эти описания состоят из пяти обыкновенных дифференциальных уравнений первого порядка и включают 17 и 2 6 коэффициентов, соответственно.

С другой стороны, японскими учеными была разработана простая ММ биосинтеза лизина [120], предназначенная для оперативного управления в режиме реального времени:

ск <И

сЬ Л

dp

■— к^ ' х }

— ■ к2 * X }

(1.9)

(1.10)

dt

= {к -t-kA -г)-х

(1.11)

К настоящему времени накоплен огромный опыт моделирования процессов биосинтеза различных веществ: дрожжей [4,31], аминокислот [13,50,51], антибиотиков [18,102], ферментов [14,86], пищевых кислот [15,85].

Особый интерес представляет работа [15], в которой предложена ММ биосинтеза ЛК:

dx ,

----- = e x- В-х dt -

Похожие диссертационные работы по специальности «Автоматизация технологических процессов и производств (в том числе по отраслям)», 05.13.07 шифр ВАК

Заключение диссертации по теме «Автоматизация технологических процессов и производств (в том числе по отраслям)», Панов, Глеб Дмитриевич

Основные результаты диссертационной работы состоят в следующем:

1. Разработана информационно-техническая структура системы ситуационного управления ферментационным циклом получения лимоной кислоты, позволяющая непрерывно следить за текущим состоянием объекта, обнаруживать на нем возможные нарушения и эффективно управлять им как при отсутствии, так и при наличии нештатных ситуаций.

2. Разработан алгоритм ситуационного управления, базирующийся на использовании диагностической модели и позволяющий автоматически реализовывать заданную последовательность технологических операций в регламентном режиме с коррекцией управлений при возникновении нештатных ситуаций.

3. Синтезирована двухуровневая диагностическая модель ферментационного цикла получения лимонной кислоты, сочетающая экспертные и теоретические знания, при этом ее верхний уровень реализован в виде сетевой структуры с расположенными в вершинах фреймами макро и микроситуаций, а нижний содержит продукционные правила и матрицу причинно-следственных связей.

4. Для получения экспертной информации был принят метод анкетирования с последующей коррекцией методом обратной связи с интервью. Сформированы две группы экспертов в общем количестве восемь человек, разработаны опросные листы, проведена обработка и формализация полученной информации, созданы фреймы-экземпляры, описывающие нештатные ситуации на процессе.

5. Синтезирована математическая модель полупериодического биосинтеза лимонной кислоты, адекватно описывающая процесс на Белгородском заводе лимонной кислоты. Разработанная методика адаптации модели к условиям протекающего биосинтеза позволила с достаточной для практических целей точностью прогнозировать изменения концентраций показателей качества в интервалах между лабораторными анализами.

6. Разработаны алгоритмы рационального управления подачей подпиточных растворов и поддержания необходимых для интенсивного синтеза ЛК концентраций биомассы и Сахаров в среде. Первый алгоритм осуществляет расчет рационального временного профиля подпитки и ее реализацию в регламентном режиме, а второй корректировку стратегии подпитки при возникновении нештатных ситуаций. Алгоритмы основаны на синтезированной ММ биосинтеза ЛК и используют предложенную процедуру подстройки ее коэффициентов.

7. Разработаны эвристические алгоритмы: автоматического пеногашения в регламентном режиме, позволяющий при низком расходе пеногасящего реагента не допускать выброс пены из ферментатора; снижения интенсивности прироста биомассы путем коррекции температурного режима.

8. На Белгородском заводе лимонной кислоты принята к внедрению система ситуационного управления (ожидаемый технико-экономический эффект составляет 12515 тыс.руб. в год). В настоящее время внедрены алгоритмы управления подпиткой (их применение повысило производительность процесса биосинтеза на 4.3% по сравнению с традиционным способом подачи подпитки).

-'I r LT

Список литературы диссертационного исследования кандидат технических наук Панов, Глеб Дмитриевич, 1998 год

ЛИТЕРАТУРА

1. Автоматизация биотехнологических производств. // Тезисы докладов Пущино: 1990. -88 с.

2. Алексеева И.Ю. Человеческое знание и его компьютерный образ. -М. : ИФРАН, 1993. -215 с.

3. Антонов В.А. Биотехнологические измерительные модули для управляемого культивирования микроорганизмов: Автореф. дис. канд. техн. наук. -М. 1985. -14 с.

4. Ахметов К.А., Исмаилов М.А. Математическое моделирование и управление технологическими процессами биотехнологического производства. -Ташкент: Фан, 1988. -93 с.

5. Безбородов A.M. Биология продуктов микробного синтеза. М.: Агропромиздат, 1991. -234 с.

6. Бирюков В. В. Нетрадиционные задачи управления процессами культивирования микроорганизмов, решаемые с применением ЭВМ.- М.,: Наука, 1980. -188 с.

7. Бирюков В.В., Фишман В.М. Оптимальное управление периодическими биотехнологическими процессами // Применение маиематических методов в микробиологии: Сб.науч.тр. -Пущино: Научный центр биол. исслед. АН СССР, 1975. -63 с.

8. Бирюков В.В. Кантере В.М. Оптимизация периодических процессов микробного синтеза. -М.: Наука, 1985. -296 с.

9. Бояринов А.И., Кафаров В.В. Методы оптимизации в химической технологии: 2-е изд. -М.: Химия, 1975. -569 с.

10. Быков В. А. и др. Биотехнология лекарственных средств / JI.M. Брагинцева, М.Ю. Далин. -М. : Изд-во Московской мед. академии им. И.М. Сеченова, 1991. -303 с.

11. Валуев В.И. Исследование процесса ферментации L-лизина как объекта управления. Автореф. дис.... канд. техн. наук/МГУ. -М., 1985,-24 с.

12. Виестур У.Э., Кристалсонс М.Ж. Культивирование микроорганизмов. -М.: Пищевая промышленность, 1980. - 232с.

13. Виестур У.Э. и др. Системы ферментации / В.В. Кузнецов, В.В. Савенков. -Рига: Зинатне. 1986. - 263с.

14. Вилутис К.Л. Разработка, исследование и применение иерархических алгоритмов оптимального управления

биотехнологическими процессами. Автореф. дис.... канд. техн. наук / Каунасский политех, ин-т. - Каунас, 1987. -20 с.

15. Винаров А.Ю., Санчес О. Математическая модель биосинтеза лимонной кислоты // Тез. докл. Школы молодых ученых при международной конференции "Математические методы в химии и химической технологии" (ММХ-10): -Тула, 1996. -С. 149.

16. Винаров А.Ю., Санчес О. Гордеев JI.C. Оптимальный расчет биотехнологической схемы получения лимонной кислоты. // Тез. докл. международной конференции "Математические методы в химии и химической технологии" (ММХ-10): -Тула, 1996. -С. 64.

17. Витол JI.A. Информационно-лингвистическое обеспечение систем оперативно-диспетчерского управления и тренажеров принятия решений. Автореф. дис.... канд. техн. наук/Ин-т микробиологии АН Латвии. -Рига, 1989. -19 с.

18. Гаврилова Т. А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. -М. : Радио и связь, 1992. -199 с.

19. Газарян К.Г., Тарантул В.З. Биотехнология за рубежом. -М.: Знание, 1990. -63 с.

20. Ганипольский С.Л., Казаков A.B., Звенкова О.Б. Классификация процессов микробного синтеза // Биотехнология. 1989. -№5. -С. 666-671.

21. Гинкул Г.П. Методы интервью для извлечения знаний. Математические исследования // Прикладные системы искусственного интеллекта: Сб. научн. тр. Вып.123. -Кишинев: Штиинца. -1991. -С. 66-72

22. Голанд А.И.и др. Системы цифрового управления в промышленности / П.С. Альперович, В.М. Васин. -М. : Химия, 1985. -256 с.

23. Дудников Е.Т. и др. Автоматическое управленце в химической промышленности / A.B. Казаков, Ю.Н. Софиева. -М. : Химия, 1987. -368 с.

24. Жевакин В. В. Моделирование и оптимизация биотехнологических процессов в условиях параметрической неопределенности. Автореф. дис.... канд. техн. наук / МХТИ. -М., 1987. -16 с.

25. Закс Л. Статическое оценивание: Пер. С нем. / Под ред. Ю.П. Адлера и В.Г. Горского. -М.: Статистика, 1997. - 528 с.

26. Захалев А.И. Разработка метода и алгоритмов контроля состояния технологического процесса для АСУ ТП ферментации лизина. Автореф. дис.... канд. техн. наук / МТИПП. -М., 1987. - 24 с.

27. Иванова Е.А. Биотехнология в пищевой промышленности за рубежом:Обзор // М.: АгроНИИТЭИПП, 1988. - 17 с.

28. Инструкция по глубинной ферментации лимонной кислоты. Белгород: АОЗТ Цитробел, 1992. -15 с.

29. Искусственный интеллект: В 3-х книгах. Кн. 2. Модели и методы: Справочник/Под ред. Д.А.. Поспелова - М. : Радио и связь, 1990. - 304 с.

30. Казаков A.B. Автоматизированное оптимальное управление периодическими процессами ферментации: Автореф. дис.... д-ра техн. наук /МТИПП. -М.: 1992. - 32 с.

31. Казаков A.B., Амелькин A.A. Математическое моделирование и оптимальное управление полупериодическим процессом культивирования хлебопекарских дрожжей // Тез. докл. IV Национальной конференции "Автоматизация пищевой промышленности". Пловдив:, 1984. -С. 15.

32. Казаков A.B., Тартаковский Б. А. Применение ЭВМ при исследовании и оптимизации периодических процессов ферментации: Обзор//М.: ВНИИСЭНТИ Минмедпрома СССР, 1980. -40 с.

33. Карклинып Р.Я., Лиениньш Г.К. Микробный синтез лимонной кислоты. - Рига.: Зинатне, 1993. -240 с.

34. Кафаров В.В. и др. Моделирование биохимических реакторов / А.Ю. Винаров, Л.С. Гордеев -М. : Лесная промышленность, 1979. -341 с.

35. Кильдишас В. В. Станишкис Ю.-К.Ю. Управление биотехнологическим процессом на основе нечетких логико-лингвистических моделей // Интеллектуальное общение с ЭВМ: Тематический сборник трудов вузов Лит. ССР. -Вильнюс: 1986. -С. 132-140.

36. Котов В.Б., Беляева Т.П. Состояние и тенденции развития биотехнологии за рубежом: Обзор // М.: ВИНИТИ, 1991. -158 с.

37. Котов В.Б., Чернов Г.Н. Современные тенденции развития биотехнологии за рубежом. Обзор // М.: ВНИИСЭНТИ, 1988. -33 с.

38. Леин Л.Н. Микропроцессорные комплексы для управления технологическими процессами: Обзор // М. : Информприбор, 1987. -27 с.

39. Лещинская И. Б. Современные проблемы биотехнологии: Биотехнология вчера, сегодня, завтра - Казань: Изд-во Казанского ун.-та, 1990. -31 с.

40. Логический микропроцессорный контроллер ЛОМИКОНТ (Модели Л-110, Л-112, Л-120, Л-122) Краткое описание - М. : НИИтеплоприбор 1986. -34 с.

41. Основы технологии ферментации мелассных средств повышенной концентрации / Львова Е.Б., Аглиш И.В., Выборнова Т.В., Смирнов В.Д. // Повышение эффективности производства пищевых кислот. -Л.: 1985. -С. 81-88.

42. Матвеев В.Е. Научные основы микробиологической технологии (Кинетика развития и инактивации микробных популяций, асептика, масштабирование). - М.: Агропромиздат, 1985. -224 с.

43. Мешалкин В.П. Экспертные оценки в химической технологии. -:М.-.Химия, 1995. -368с.

44. Минский М. Фреймы для представления знаний. - М. : Энергия, 1979. -151 с.

45. Модернизированный агрегатный комплекс электрических средств регулирования АКЭСР. Отраслевой каталог. Вып.11,12 -М. : ЦНИИТЭИлриборостроения, 1984. -96 с.

46. Мозгалевский A.B., Гаскаров Д.В. Техническая диагностика. -М.: Высшая школа, 1975. - 200 с.

47. Мозгалевский A.B., Койда А.Н. Вопросы проектирования систем диагностики. -Л.: Энергоатомиздат, Ленингр. Отделение, 1985. -111 с.

48. Молокова О. С. Методология приобретения знаний для экспертных систем. 4.1. Основные понятия и определения// Техническая кибернетика. -М: Наука, 1991. -№5. -С. 24-28.

49. Монькин В.А. Рациональное управление переходным режимом химико-технологического объекта по приближенной модели (на примере биосинтеза): Автореф. дис. канд.... техн. наук / ИПУ -М.: 1991. -22 с.

50. Музыченко Л.А. Простейшие модели микробиологического синтеза активных веществ. // Химико-фармацевтический журнал. 1978. -№8. -С. 3-6.

51. Музыченко Л.А., Валуев В.И. Математическая модель биосинтеза аминокислоты L- лизина // Применение математических

39. Лещиыская И. Б. Современные проблемы биотехнологии: Биотехнология вчера, сегодня, завтра - Казань: Изд-во Казанского ун.-та, 1990. -31 с.

40. Логический микропроцессорный контроллер ЛОМИКОНТ (Модели Л-110, Л-112, Л-120, Л-122) Краткое описание - М. : НИИтеплоприбор 1986. -34 с.

41. Основы технологии ферментации мелассных средств повышенной концентрации / Львова Е.Б., Аглиш И.В., Выборнова Т.В., Смирнов В.Д. // Повышение эффективности производства пищевых кислот. -Л.: 1985. -С. 81-88.

42. Матвеев В.Е. Научные основы микробиологической технологии (Кинетика развития и инактивации микробных популяций, асептика, масштабирование). - М.: Агропромиздат, 1985. -224 с.

43. Мешалкин В.П. Экспертные оценки в химической технологии. -:М.:Химия, 1995. -368с.

44. Минский М. Фреймы для представления знаний. - М.: Энергия, 1979. -151 с.

45. Модернизированный агрегатный комплекс электрических средств регулирования АКЭСР. Отраслевой каталог. Вып.11,12 -М.: ЦНИИТЭИлриборостроения, 1984. -96 с.

46. Мозгалевский A.B., Гаскаров Д.В. Техническая диагностика. -М.: Высшая школа, 1975. - 200 с.

47. Мозгалевский A.B., Койда А.Н. Вопросы проектирования систем диагностики. -Л.: Энергоатомиздат, Ленингр. Отделение, 1985. -111 с.

48. Молокова О.С. Методология приобретения знаний для экспертных систем. 4.1. Основные понятия и определения// Техническая кибернетика. -М: Наука, 1991. -№5. -С. 24-28.

49. Монькин В.А. Рациональное управление переходным режимом химико-технологического объекта по приближенной модели (на примере биосинтеза): Автореф. дис. канд.... техн. наук / ИПУ -М.: 1991. -22 с.

50. Музыченко Л.А. Простейшие модели микробиологического синтеза активных веществ. // Химико-фармацевтический журнал. 1978. -№8. -С. 3-6.

51. Музыченко Л.А., Валуев В.И. Математическая модель биосинтеза аминокислоты L- лизина // Применение математических

методов в микробиологии: Сб. науч. тр. -Пущино: Научный центр биологических исследований, 1975. -С. 63-81.

52. Нейлор К. Как построить свою экспертную систему. ~ М. : Энергоатомиздат, 1991. -284 с.

53. Никифорова Т.А., Лернер Р.Б. Производство пищевой лимонной кислоты в России // Пищевая промышленность. -1994. -№6. -С. 10-11.

54. Никифорова Т.А., Павлова Е.А. и др. Стимуляция кислотообразования гриба Aspergillus niger // Повышение эффективности производства пищевых кислот: Сб. науч. тр. 1985. -С. 26-32.

55. Никифорова Т. А., Щербакова Е.А. Продуценты пищевой лимонной кислоты для культивирования в глубинных условиях: Обзор // М.: АгроНИИТЭИПП 1995. -20 с.

56. Новинюк Л.В. и др. Отходы производства ' пищевой лимонной кислоты и их переработка / А.В. Галкин, Р.Б. Лернер: Обзор // М. : АгроНИИТЭИПП, 1997. -44 с.

57. Новые . микропроцессорные средства распределительного управления / Под ред. В.В. Певзнера. -М. : НИИТеплоприбор, 1986. -108 с.

58. Основы технической диагностики/ Под ред. П.П. Пархоменко. Кн.1. -М.: Энергия, 1976. -462 с.

59. Осуга С. Обработка знаний: Пер. с япон. В.И. Этова - М. : Мир, 1989. -292 с.

60. Павлова Е.А. Влияние биологически активных веществ на биосинтез лимонной кислоты: Автореф. дис.... канд. техн. наук / МТИПП. -М.: 1990. -18 с.

61. Панов Г.Д., Русинов Л.А. Чистяков Н.А. Автоматизация процесса биосинтеза лимонной кислоты // Химическая промышленность. -1997. -№5. -С. 339-343.

62. Панов Г.Д., Холоднов В.А., Русинов Л.А. Математическая модель биосинтеза лимонной кислоты и диагностика текущего состояния по данным периодических лабораторных анализов // Тез. докл. Школы молодых ученых при международной конференции "Математические методы в химии и химической технологии" (ММХ-10) -Тула, 1996. -С. 187-188

63. Панов Г.Д., Холоднов В.А., Русинов Л.А. Прогнозирование развития ферментации лимонной кислоты по математической модели /

Ред. ж. прикл. химии РАН. - СПб., 1996. - 10 с. - Деп. в ВИНИТИ 11.07.96, №232 6-В96

64. Петрунина А.Д. Применение биотехнологии в пищевой промышленности: Обзор // М.: АгроНИИТЭИПП, 1988. -24 с.

65. Письменный В. В. и др. Технологические особенности и автоматизация процессов приготовления стерильных питательных сред / В.В. Коровин, Н.Ф. Санина: // М.:ВНИИСЭНТИ, 1986. -51 с.

66. Письменный В.В. и др. Особенности автоматизации процессов производства лимонной кислоты / Михайлов В.В., Козлов В.П. Обзор // М.: АгроНИИТЭИПП, 1991. -48 с.

67. Письменный В.В. и др. Автоматическое дозирование жидких фаз в микробиологических производствах / Петренко A.A., Шувалов В.Г. -М.: ВНИИСЭНТИ, 1990. -50 с.

68. Пневматический комплекс технических средств "Режим-1": Отраслевой каталог. - Вып.З - М. : ЦНИИИЕЭИприборо строения, 1987. -36 с.

69. Попова Л., Николова М. Приобретение экспертных знаний: Проблемы и методология // Прикладные системы искусственного интеллекта / Под ред. Поспелова. -Кишинев: Штиинца, 1991.- С. 98100.

70. Поспелов Д.А. Искусственный интеллект: основные проблемы и перспективы // Проблемы исскуственного интеллекта и распознавание образов. -Киев: Изд-во ИК АН УССР, 1984. С. 16-24.

71. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект прикладные системы // Новое в жизни, науке, техниике. Сер. Математика, кибернетика.1985, №3. -С. 32-40.

72. Поспелов Д.А. Логико-лингвистические модели в системах управления. М.: Энергия, 1981. -231 с.

73. Поспелов Д.А. Моделирование рассуждений: Опыт анализа мыслительных актов. М.: Радио и связь, 1989. -182 с.

74. Поспелов Д.А. Принципы ситуационного управления. М.: Наука, 1987. -117 с.

75. Поспелов Д. А. Ситуационное управление. Новый виток // Техническая кибернетика. 1995. -№5. -С. 152-159.

76. Поспелов Д.А. Ситуационное управление. Теория и практика. -М.: Наука, 1986. -284 с.

77. Представление знаний о времени и пространстве в интеллектуальных системах. / Под. ред. Д.А. Поспелова. М. : Наука, 1989. -326 с.

78. Представление и использование знаний: Пер. с япон. / Под ред. Х.Уэно, М. Исидзука. - М.: Мир, 1990. -220 с.

79. Регулирующий микропроцессорный контроллер РЕМИКОНТ Р-100: Отраслевой каталог. Вып. 13,14. -М. : НИИтеплоприбор 1986.-34 с.

80. Русинов Л. А. Автоматизированная система диагностики процесса полимеризации в производстве термопластов. // Система и средства автоматизации потенциально опасных процессов химической технологии: Межвуз. Сб. научных трудов / Редкол.: Г.А.Соколов (отв.ред.) и др. СПТИ (ТУ), Санкт-Петербург: 1993. -С. 129-132

81. Русинов Л.А., Куркина В.В., Панов Г. Д. Диагностика и управление периодическими технологическими процессами на примере биосинтеза лимонной кислоты. // Автоматизация и современные технологии 1997. -№5. -С. 11-15.

82. Савенков В.В. Математическое моделирование и оптимизация процессов биосинтеза аминокислот: Автореф. дис.... канд. техн. наук / Красноярский гос. ун-т -Красноярск, 1981. -19 с.

83. Смирнов В.А. Пищевые кислоты. -М. : Легкая и пищевая промышленность, 1983. -264 с.

84. Системы управления базами данных и знаний. / Под ред. А.Н. Наумова. -М.: Финансы и статистика, 1991. -352с.

85. Современные достижения биотехнологии. Материалы первой конференции Северо-Кавказского региона. / Под ред. В.Н. Синельникова. -Ставрополь: Изд-во Ставропольского госуниверситета, 1995. -109 с.

86. Станишкис ' Ю.-К.Ю. Оптимальное управление биотехнологическими процессами. Вильнюс: Мокслас, 1984. -19 с.

87. Станишкис Ю.-К.Ю., Вайткус К.Ю. Косвенные измерения основных переменных биотехнологического процесса в реальном масштабе времени: Обзор // М.: ЦБНТИ Минмедбиопром, 1987. -44 с.

88. Станишкис Ю.-К.Ю., Вайткус Р., Кильдишас В.В. Применение нечетких множеств в системах управления биотехнологическими процессами. // Биоавтоматика. -1988. -№7. -С. 53-61.

89. Станишкис Ю.-К.Ю. и др. Совершенствование управления биотехнологическими процессами. / Кильдишас В.В. Филев Л.П.: Обзор // -Вильнюс: ЛитНИИНТИ, 1988. -60 с.

90. Станишкис Ю.-К.Ю., Симутис Р.Ю. Косвенные измерения основных переменных биотехнологического процесса в реальном масштабе времени: Обзор // -М.: ЦБНТИ Минмедбиопром, 1987. -44 с.

91. Стеблецова И.П. Автоматизированная система управления процессом полимеризации в производстве термоэластопластов: Автореф. дис.... канд. техн. наук / СПГТИ. -СПб.: 1995. -19 с.

92. Татаринов A.B. Разработка алгоритрического обеспечения микропроцессорных систем автоматической стабилизации параметров в процессах биосинтеза. Автореф. дис.... канд. техн. наук / МТИПП. -М. : 1990. -19 с.

93. Тартаковский Б.А., Казаков A.B., Липовская Е.В. Применение метода нелинейной пошаговой регрессии для восстановления структуры кинетических функций. // Теор. основы хим. технологии. Т.24, №2, 1990. -С. 211-217.

94. Таунсенд Б., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. / Предисл. Г.С. Осипова. -М.: Финансы и статистика. -1990. -320 с.

95. Толковый словарь по искусственному интеллекту. / Автор-составитель А.Н. Аверкин. -М.: Радио и связь. 1992. -294с.

96. Толмаков C.B., Леденев В.П., Цирлин A.M. Прогнозирование времени окончания периодического процесса микробиологического синтеза. Деп. в АгроНИИТЭИПищепроме 28.03.91. -16 с.

97. Фишкова Э.С. Посторонняя микрофлора производства лимонной кислоты // Повышение эффективности производства пищевых кислот: Сб. науч. тр. -Л.: 1985. -С. 66-80.

98. Шихер В.И., Виноров А.Ю. Динамическая оптимизация и управление процессом культивирования микроорганизмов: Обзор // М. : ВНИИСЭНТИ, 1988. -36 с.

99. Экспертные системы: состояние и перспективы. Сб. науч. тр. / Под ред. Д.А. Поспелова. -М.: Наука 1989. -220 с.

100. Элти Дж., Кумбс М. Экспертные системы: Концепции и примеры: / Пер. с англ. / Предисловие Б.И. Шитикова. -М.: Финансы и статистика, 1987. -191 с.

101. Юсупбеков Н.Р. и др. Управление процессами ферментации / Бабаянц A.B., Лубенцов В.Ф. -Ташкент: Фан, 1986. -164 с.

102. Юсупбеков Н.Р. и др. Управление процессами ферментации с применением микро ЭВМ / Бабаянц A.B., Мунгиев A.A., Якубов Э.М. -Ташкент: Фан, 1987. -200 с.

103. Alarcon I., Alaman X., Gomez P. An integration methodology and architecture for intelligent systems in process control // Artificial Intelligence in Real-time Control.- Oxford: Pergamon Press. 1984 Vol.19 - P.353-358.

104. Berber R. Control of Batch Reactors: a Review// Trans I Chem E., Vol 74, part A, 1996.- p.3-20.

105. Blachere N.T. Traditional or Computer Process Control? Economic Consideration// - In Proc. of First Eur. Conf. on Computer Process Control in Fermentation.- Dijon: NRIA, 1973, -P.76-92.

106. Chuang S.H., Du C,Y. Representation and Scheme for Motion. Simulation of Pneumatic Control Circuis// Simulation. The Practice and Theory, №3, 1996, - P.363-381.

107. Dhurjati P.S., Lamb D.E., Chester D. Experience in the development of an expert system for fault diagnosis in a commercial scale chemical process// Computer aided process operations.- Amsterdam: Elsivier, 1987. - P.589-625.

108. Filev D. Modelling of Complex Sistems via Decomposition into Fuzzy Linear Subsystems // IFAC Int.Symp. on Distributed Intelligence Systems.- 1988.- P.199-202.

109. Fuzzy Control for Japanese Sake - Fuzzy decision controller and fuzzy simulator for Japanese Sake Fermentation// Industrial Applications of Fuzzy Technology: Trans, from Jap. by H.Solomon/ K. Hiroto (Ed).-Tokyo: Springer-Verlag, 1993, P 92-96.

110. Fuzzy Modelling. Paradigms and Practice. Edited by Mitold Pedricz. - Hardtound: -1996, -416p.

111. Genceli H., Vuthandam P., Nikolaou M. Analysis and synthesis methods for robust model predictive control// Methods of Model Based Process Control/ R.Berber (ed.), 1995.- P. 235-262. 112. Giron-Sierra J.M., Gomez-Pulido and Andres-Toro B.Application of an Object-Oriented Expert System Shell to a Fermentation Process.// IFAC Artificial Intelligence in Real Time Control.- 1994.- P. 237-242.

113. Ignova M., Glassey J.,Montague G.A., Ward A.C., Morris A. Knowledge Integration for Improved Bioprocess Supervision // IFAC Artificial Intelligence in Real Time Control.- 1994.- p.269-273.

114. Leitch R. Knowledge-based control: selecting the right tool for the job/ A Crespo (Ed) Artificial intelligence in realtime control/ A.Crespo (ed.)- Oxford: Pergamon Press,1993, V.17, -P. 1-9

115. Lin L., Ice T. Integrated PID-type learning and Fuzzy Control for Flexible-Joint Manipulators. - Journal of Intelligent and Robotic System, №18, 1997, P. 47-66

116. Ludeking., Piret F.L., A Kinetic Study of Lactic Acid Fermentation. Process at Controlled pH// J. Biochem. Microbiol. Techn. and Eng. V.6, 1959 P. 393-406.

117. Lukas M. Evaluation of ES for real-time process management/In: Artificial intelligence in real-time control/ -Oxford: Pergamon Press,1990, V.15, Part 2 -P. 77-82.

118. Monad J. The Growth of Bacterial Cultures. - Ann. Review of Microbiol. 1949, P. 371-384.

119. Nagy I. Introduction to Chemical Process Instrumentation. Budapest: Akademini kiado.-1992, 428p.

120. Ohno N., Nakanishi N., Takamatsu T. Optimal Control of f Semibatch Fermentation// Biotecht. and Bioeng., 1976, №18, P. 847-864.

121. Rusinov L., Holodnov V., Panov G. Diagnostic models for the Batch Process Control // Book of Abstracts lltn Int. Conf. Math.&Comp. Modeling & Scientific Computing, Washington D.C., USA 1997, P.80.

122. Rusinov L., Holodnov V., Panov G. Fuzzy modelling for the Biosynthesis Control // Proc. of 2nd Math. Mod. IMACS Symposium, Vienna, Austria. -1997, P. 102-110.

123. Quantrille T.E., Lin Y.A. Artificial intelligence in chemical engineering.- San Diego: Academic Press, 1991.- 216 p.

124. Yi-Shyong Cyung, Chung-Yeong King. Two-Degree of Freedom Controllers for Multivariable Model - Matching System: Application

to a Continuens Sterred Tank Reactor// Optimal Control appl. methods, 1996, Vol.17, №1, P.3-28.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.