Ingeniare. Revista chilena de ingeniera, vol.19 N2, 2011, pp.

210-218

Modelacin, simulacin y control de procesos de fermentacin

Modeling, simulation and control of fermentation processes

Nelson Aros1 Marcelo Cifuentes1 Javier Mardones1

Recibido 6 de octubre de 2009, aceptado 19 de mayo de 2011

Received: October 6, 2009 Accepted: May 19, 2011

RESUMEN

Se presenta un simulador en ambiente Matlab/Simulink para controlar el proceso de fermentacin,

diseando una ley de control invariante, luego un control estabilizante para mantener la planta dentro
del sistema de referencia y finalmente un control estabilizante mejorado con la implementacin de un
controlador difuso. El modelo Monod es utilizado y va simulacin se prueban las estrategias aludidas
para controlar la tasa de crecimiento especfica de la biomasa. El control estabilizante aplicado es
superior a la ley invariante y con el PI difuso se logr mejorar el comportamiento en comparacin con
el PI tradicional.

Palabras clave: Proceso de fermentacin, modelo Monod, simulacin, control estabilizante, control PI
difuso.

ABSTRACT

We present a simulator in Matlab/Simulink environment to control the fermentation process, designing

an invariant control law, after that a stabilizing control to keep the plant within the reference system
and finally a stabilizing control improved with the implementation of a fuzzy controller. The Monod
model is used and tested via simulation above strategies in order to control the specific growth rate
of biomass. The stabilizing control is applied above the invariant law and the fuzzy PI was improved
behavior compared with traditional PI control.

Keywords: Fermentation process, Monod model, simulation, stabilizing control, fuzzy PI control.

INTRODUCCIN estndares que representan por lo menos el 95% de

En [1] se presentan varios modelos de biorreactores,
donde se identifica que el problema real est dado en
la escasez de medidas en lnea. Adems, la variable
de estado dominante, como la concentracin de
sustrato en el medio, es muy difcil de medir. Otros
problemas son la fuerte incertidumbre paramtrica
y la presencia de no-linealidad significativa. Como
consecuencia de esto, todos los reguladores aplicables
deben utilizar la menor cantidad de medidas posibles
y ser absolutamente robustos. La importancia de
los diseos presentados en [1] es apoyada por un
hecho dominante, existen dos modelos o estructuras
todos los cultivos puros de inters industrial.
En este trabajo se investiga un modelo de fermentacin
lo suficientemente robusto para realizar un simulador
en ambiente Matlab/Simulink para propsitos de
control y, a la vez, desarrollar controladores que sean
capaces de regular la tasa de crecimiento especfica
y aumentar la robustez ante variacin de las entradas.
As, se presenta la siguiente estructura: se hace una
breve descripcin de la problemtica general, luego
se examina un conjunto de modelos matemticos
para biorreactores y sus funciones cinticas ms
representativas, luego se describe el problema de

1 Universidad de La Frontera. Avenida Francisco Salazar 01145, Temuco. Chile. E-mail: naros@ufro.cl
 Aros, Cifuentes y Mardones: Modelacin, simulacin y control de procesos de fermentacin
control, junto con las entradas de control y las
salidas medibles en el proceso, posteriormente se
aborda el diseo de los controladores, despus se
discuten las pruebas realizadas con cada uno de
los controladores implementados y se entregan las
conclusiones generales del trabajo realizado.
MODELADO DE BIORREACTORES
Modelos fenomenolgicos
El crecimiento de microorganismos o biomasa
(como las bacterias y levaduras) procede por el
consumo de nutrientes apropiados o sustratos
(carbono, nitrgeno, oxgeno), bajo condiciones
medioambientales favorables (como la temperatura,
pH y otros), ver [3-4]. Asociadas con el desarrollo
celular, pero a menudo procediendo en un rango
diferente, estn las reacciones enzimo catalizadas
en las cuales algunos reactantes son transformados
en productos por la accin cataltica de enzimas
intracelulares o extracelulares, los llamados
metabolitos.
El comportamiento dinmico del crecimiento de
una poblacin de microorganismos en un solo
sustrato limitante en un reactor de tanque agitado
se expresa por ecuaciones que dependen tanto de
la acumulacin total de la biomasa, acumulacin
total de sustrato, la concentracin de la poblacin
microbiana (biomasa) en el reactor y en el afluente,
la concentracin de sustrato en el afluente, la
tasa de flujo en el afluente, as como tambin la
tasa de crecimiento microbial, el coeficiente de
rendimiento del consumo de sustrato por la biomasa
y el volumen del medio de la especie.
Los modelos que consideran la formacin de
producto, el crecimiento de microorganismos en
biorreactores es acompaado a menudo por la
formacin de productos (los cuales son solubles
en el cultivo o son emitidos en forma gaseosa).
Modelos para control
Actualmente dos modelos estndares cubren
una enorme porcin de todas las aplicaciones,
correspondientes a cultivos puros. Los modelos
presentados en esta seccin son: no estructurados
y no segregados que representan cultivos puros
con un sustrato limitador. Tambin se considera
un producto el metabolito de inters o, si existe, un
inhibidor (en este caso es un producto que afecta
de alguna manera el crecimiento microbiano). Para
propsitos de control, solamente el producto del
segundo caso debe ser considerado.
Un modelo fenomenolgico estndar para expresar
el proceso de fermentacin lo constituyen los
biorreactores de lote alimentado (los procesos
para la produccin de protenas unicelulares, de
alcohol y de cido glucnico pertenecen a esta
categora [5-6]).
PROBLEMAS DE CONTROL
Los modelos de los fermentadores son caracterizados
por: Alta dimensin del espacio de estados, mltiples
entradas y salidas, disturbios externos, significativa
no linealidad e incertidumbre, y sofisticados
y mltiples objetivos y crtico desempeo [8].
Los biorreactores que se encuentran son: Batch
(biorreactores discontinuos), Chemostat y auxostat
(biorreactores continuos) y fed-batch (biorreactores
de lote alimentado).
En el modo de alimentacin por lote se optimiza
el uso del sustrato, para ello es deseable hacer
que la biomasa aumente a una tasa de crecimiento
especfica constante. El esquema bsico del
biorreactor se muestra en la Figura1.
rpm
F, smj
xj v
sj
pk
Figura1. Biorreactor en modo alimentado por
lotes.
El modelo del proceso queda dado por:
x = x Dx
(
s = ys x + D si s ) (1)
v = F
211
Ingeniare. Revista chilena de ingeniera, vol.19 N2, 2011
en donde x corresponde a la biomasa, s la cantidad
de sustrato y v volumen del biorreactor. Para obtener
un producto deseado se exige el mantenimiento
de una tasa de crecimiento especfica constante,
por esta razn la biomasa y el volumen crecen
indefinidamente hasta que no hay ms sustrato o
se alcance la mxima capacidad del biorreactor.
Puesto que la tasa de crecimiento especfica
depende de varios factores, la siguiente
subespecificacin es requerida: las condiciones
ambientales se deben mantener constantes en los
valores ptimos (como temperatura, pH, pO2 ,
etc.), dado que en los modelos estndares,
puede depender de la concentracin de sustrato
en el reactor s y de concentraciones de producto
p. As, el problema de control, en el caso de
constante, implica que el sustrato se mantenga
constante, sin embargo el sustrato raramente es
medido en lnea.
Afortunadamente, es fcil comprobar que la ltima
condicin implica trayectorias especiales para
las concentraciones de biomasa x y/o el volumen
del medio de la especie v. Tomando el caso de
alimentacin por lotes, se puede ver que constante
corresponde con una trayectoria exponencial
para la cantidad absoluta de biomasa y viceversa.
Finalmente, si depende tambin de p ser deseable
mantener constante la concentracin del producto.
Esto, alternadamente, se puede hacer solamente si
un sistema est disponible para extraer el producto,
es decir, recirculando la parte del caldo a travs
de un filtro o de un separador.
Entradas de control y perturbaciones
La cantidad de sustrato provista al biorreactor
depende de dos variables: F, el flujo de entrada, y si,
la concentracin de sustrato en el flujo de entrada.
Generalmente es solo posible manipular el primero,
puesto que no hay actuadores comerciales que
permitan variar ambas variables independientemente.
Para tener ambas acciones del control disponibles,
en la prctica se consideran dos flujos de entradas,
F1 y F2, con concentraciones de sustratos sin max y
sin min. El modelo en este caso se presenta a travs
de las siguientes ecuaciones:
212
F + F2
x = x 1 x
v
F1 F F + F2
s = x + sin max + 2 sin miin 1 s
v v v (2)
F + F2
p = x 1 p
v
v = F1 + F2
En cuanto a las perturbaciones, no incluidas en el
modelo, las ms importantes afectan: al volumen,
debido a las muestras para el anlisis fuera de
lnea y la evaporacin causada por la aireacin, y
en algunos casos la concentracin de sustrato en el
flujo de entrada puede sufrir variaciones.
Medidas disponibles para los biorreactores estn
dadas en [9]. Para nuestro propsito los puntos
principales son: en general, extremadamente difcil
medir el sustrato s en lnea; existen sensores para
la medicin de biomasa; tambin es posible medir
el volumen v; y otras variables de estado no estn
disponibles tales como los productos.
Estos sistemas son altamente no lineales, como se
aprecia en las funciones cinticas. Tambin muestran
incertidumbre paramtrica y no estructurada. La
incertidumbre dinmica (o no estructurada) es
debida al uso de modelos no estructurados y no
segregados, as, se ignora parte de la dinmica del
sistema, la cual es aglomerada en algunos factores
dominantes; y adems de las suposiciones tales como
homogeneidad o algunas otras simplificaciones del
modelo usualmente hechas.
La incertidumbre paramtrica se debe a problemas
de identificacin; el hecho de que dos poblaciones
no sean iguales, debido a efectos ambientales
y a la preparacin del inculo, entre otros; el
envejecimiento de clulas que se refleja en
variaciones leves de ciertos parmetros durante un
experimento. Cualquier cambio en el ambiente o en
el caldo puede potencialmente afectar el sistema.
Finalmente, hay que considerar la incertidumbre
en los actuadores.
 Aros, Cifuentes y Mardones: Modelacin, simulacin y control de procesos de fermentacin

DISEO DE CONTROLADORES x = x Dx
Control invariante s = ys x + D ( si s ) (5)
El caso ms simple en el cual el producto no v = F
es considerado se representa con el siguiente
modelo: Como = const. y dado que se supone que el
modelo es perfecto, no hay perturbaciones y las
F
)
x = ( s x
v
x condiciones iniciales son tal que s=sr=const.
s = 0. Esta meta se podra alcanzar usando
F la realimentacin parcial del estado: D = lx o
)
s = y ( s x + ( si s
v
) (3)
F=lxv=lxm, as la ecuacin para el sustrato se
v = F convierte en s = ( y (s) + (si s)) x = 0, con l
una constante definida por la expresin:
Se sugiere una ley de alimentacin exponencial
t
que es expresada como: F (t ) = x (t ) v (t ) = x o vo e r ys r
= (6)
para algn l = const., donde x o y v o son las si sr
condiciones iniciales para la biomasa y el volumen
respectivamente, y r es la tasa de crecimiento Sustituyendo en el modelo la ley de realimentacin
especfica deseada. Los biotecnlogos saben parcial del estado se obtiene el sistema:
que en orden a tener una tasa de crecimiento de
biomasa constante en una fermentacin alimentado x = x x 2
por lotes, el flujo de alimentacin debera ser
exponencialmente creciente.
(
s = ys + ( si s x )) (7)
v = xv
Control estabilizador
El exosistema es un sistema de referencia externo Ahora, para superar la incertidumbre del modelo y la
y es utilizado en el diseo de un sistema de control presencia de perturbaciones se debe introducir una
realimentado estabilizador, que contempla un control correccin en la ley de control bsica (ley de control
invariante ms dos controladores de la familia PIDs, invariante). Como se coment, es interesante el uso
especficamente un controlador PI en la biomasa y de ambas acciones de control F (o equivalentemente
un PID para el volumen, ver Figura2; stos toman l) y si, sin embargo aparece una conexin entre las
como seal de error las diferencias entre las medidas nuevas acciones de control u1 y u2:
actuales de las salidas x, v y sus trayectorias de
x = x u1 x 2
referencia generadas por el exosistema.
Sin n
(
s = ys + u1 ( u2 s x )) (8)
exosistema planta
v = u1 xv
xr PI u2 x

Puesto que no hay una medida en lnea de la
vr PID u1 v

concentracin del sustrato s en el biorreactor, una
NCD-PID
trayectoria exponencial para la cantidad absoluta de
la biomasa xm tendr que ser forzada. Recordando
Figura2. Diagrama en lazo cerrado de control
que:
estabilizador.
x m = ( s ) x m (9)
Tomando el caso ms simple en el cual el producto
no es considerado y la tasa de crecimiento especfica
y dado que xm=xv, esta meta se puede alcanzar
sigue la ley Monod se tiene el siguiente modelo:
forzando algunas trayectorias especficas en x y
m s v. Para generar esas trayectorias de referencia se
= (s) = (4) usa un exosistema (reemplazando en el modelo
ks + s
=r=const. y s=sr=const.s =0) se llega a:

213
Ingeniare. Revista chilena de ingeniera, vol.19 N2, 2011

xr = r xr n xr2 Tabla 1. Parmetros de planta.

vr = n xr vr
siendo n una entrada u1 nominal determinada usando
y
la expresin = s r para una concentracin
si sr
nominal sin escogida a priori. As, se obtiene un
sistema multivariable (8) con dos entradas y dos
salidas. En consecuencia existen dos lazos de control
diseados independientes, es decir sin tomar en
cuenta la relacin entre u1 y u2. Con esta meta en
mente, y por todo lo dicho acerca de los efectos de
cambiar el flujo de entrada y la concentracin de
sustrato, las siguientes asociaciones son hechas:
(10) m 0,22
ys 1,43
ks 0,14
Los valores nominales para las entradas y si
corresponden a 0,0079(l/gh) y 20(g/l) respectivamente
(son entregados en [1]). Las condiciones iniciales
para la biomasa, el sustrato y el producto no son
entregadas pero fueron aproximadas de tal forma
que las curvas resultantes se aproximaran lo mejor
posible a las entregadas en [1].
biomasa(x)

u1 con el volumen v y u2 con la concentracin de lambda_n=0,0079 biorre

sustrato(s)

biomasa x. S-Function volumen(v)

Sin=20 xo=1,3
so=0,23 xv
vo=0,82
Control estabilizador difuso mu
La estructura del controlador difuso incorpora Figura3. Diagrama en Matlab/Simulink.
las siguientes partes: Fusificacin, base de reglas,
motor de inferencia y defusificacin. La Figura4 muestra las curvas resultantes para la
concentracin de la biomasa bajo las entradas a
El regulador difuso implementado es del tipo distintos niveles de sustrato y la Figura 5 muestra
Mamdani y considera tres variables, dos de entrada stas ante variacin de (las condiciones iniciales
y una de salida. Se definieron tres funciones de de proceso son: x0=1,3, s0=0,23 y v0=0,82). Se
pertenencia triangulares para las entradas y la aprecia que los resultados son dependientes de
salida distribuidas uniformemente en el intervalo las condiciones de la entrada del sustrato y de la
[-1,1]. Asimismo, el mtodo de defusificacin variacin de .
utilizado para el controlador difuso normalizado
es la bisectriz (bisector). Resultados y anlisis del control estabilizante
La Figura 6 muestra el diagrama de bloque del
RESULTADOS DE SIMULACIN sistema de control estabilizante NCD-PID. Los
parmetros de los controladores PI en el lazo de
Resultados y anlisis del control con ley control de volumen y NCD-PID en el lazo de control
invariante de biomasa se presentan en la Tabla 2.
Se obtiene como complemento una ley de
realimentacin exponencial de la forma: Tabla 2. Parmetros del controlador.
t
F (t ) = x (t ) v (t ) = x o v o e r (11) ln 0,0079 sin 20
kp1 0,1 kp2 150,8
Con esto se complementa la simulacin del proceso
ki1 0,1/100 ki2 1,2471
que se ha desarrollado utilizando el sistema de
ecuaciones (3), con ley de realimentacin dada por kd1 0,00 kd2 41,043
(4), y cintica de crecimiento especfica Monod.
En la Figura 3 se muestra el diagrama del proceso Para el sistema con control estabilizante se tienen
implementado en Matlab/Simulink. Para el proceso los siguientes resultados: (i) ante una variacin del
se usan los datos de planta entregados por [1], ver sustrato de entrada, en la Figura 7 se aprecia que
Tabla 1. la concentracin de la biomasa llega a su trmino
siempre al mismo tiempo, no hay una desviacin
excesiva en el tiempo de trmino del proceso; y

214
 Aros, Cifuentes y Mardones: Modelacin, simulacin y control de procesos de fermentacin

30
constante, como se observa en la Figura10. As, se
Si=45
puede concluir que cuando la tasa de crecimiento se
Variacin de la concentracin de biomasa (g/l)

25
mantiene dentro de un rango aceptable, el sistema
20 de control es robusto.
15 Si=20
15

Si=45

Variacin de la concentracin de biomasa (g/l)

10

Si=5
5 10
Si=5

0
0 10 20 30 40 50 60
Tiempo (h)

Figura4. Variacin de la concentracin de la 5

biomasa ante cambios en la entrada de
sustrato, Si[g/l].
14 0
lambda=0,016 0 10 20 30 40 50 60
lambda=0,014 Tiempo (h)
12
Variacin de la concentracin de biomasa (g/l)

lambda=0,012 lambda=0,018
Figura7. Variacin de la concentracin de la
10 lambda=0,01
lambda=0,006
biomasa ante cambios en la entrada de
lambda=0,0079

8
sustrato.
lambda=0,004
0,16
6
0,15
4
Variacin de la tasa crecimiento especfica

lambda=0,002
0,14

2 0,13

0,12
0
0 10 20 30 40 50 60
Tiempo (h) 0,11

Figura5. Variacin de la concentracin de la 0,1

biomasa ante cambios en la entrada l. 0,09

0,08

Sin
0,07
lamda_n
biomasa(x) 0,06
PID 0 10 20 30 40 50 60
Controlador PI 1 sustrato(s)
cont_biorre biorre Tiempo (h)
S-Function
Figura8. Variacin de la tasa crecimiento especfica
S-Function1 volumen(b)
xo=1.3
bt=0.82 PID so=0.23
xr=1.3 vo=0.82
Controlador PI 2 x2v
ante cambios en la entrada de sustrato.
mu

14
Variacin de la concentracin de biomasa (g/l)

Figura6. Diagrama de control estabilizante NCD-

12
PID.
10

en la Figura 8 se muestra el comportamiento de 8

la velocidad de crecimiento, donde se aprecia que 6
dependiendo del sustrato de entrada la velocidad sufre
4
un transiente antes de llegar al estado de velocidad
constante de crecimiento; (ii) ante variacin de l de 2

entrada, en la Figura 9 se muestra el comportamiento 0

0 10 20 30 40 50 60
de la concentracin de la biomasa, se aprecia una Tiempo (h)

leve variacin al comienzo de la fermentacin Figura9. Variacin de la concentracin de la

debido a que la velocidad de crecimiento no es biomasa ante cambios en la entrada l.

215
 Ingeniare. Revista chilena de ingeniera, vol.19 N2, 2011

0,16 producto final, y, en la Figura12, la velocidad de

crecimiento tiene una desviacin mayor al comienzo
Variacin de la tasa crecimiento especfica

0,14
de la reaccin, pero no afecta en la dinmica del
0,12 producto final; y (ii) las Figuras13 y 14 muestran
0,1
las caractersticas de la concentracin de la biomasa
ante un cambio en l, considerando constante el
0,08 sustrato, donde la Figura13 muestra una pequea
0,06
variacin solo al comienzo como la observada en
la Figura9.
0,04
0 10 20 30 40 50 60
Tiempo (h) 14

Variacin de la concentracin de biomasa (g/l)

Figura10. Variacin de la tasa crecimiento especfica 12
Si=45
ante cambios en la entrada l. 10
Si=5
8
Resultados y anlisis del control estabilizante
con PI difuso 6

Dado que la caracterstica de la concentracin de la 4

biomasa ante cambios del sustrato de entrada como de 2

la velocidad de crecimiento varan ms para el caso
0
de cambios en lambda (l), se considera cambiar al 0 10 20 30
Tiempo (h)
40 50 60

controlador del lazo del sustrato por un controlador

Figura11. Variacin de la concentracin de la
no lineal, como el controlador PI difuso.
biomasa ante cambios en la entrada de
sustrato.
Sistema hbrido: PID tradicional en el primer lazo
0,16
de control con los parmetros proporcional integral
Variacin de la tasa crecimiento especfica

0,15
presentados en la Tabla 2, y un PI difuso para el
0,14
lazo de control del sustrato de entrada. 0,13
0,12
El controlador difuso es del tipo Mamdani, cuyas 0,11
entradas son: el error de regulacin y su primera 0,1

diferencia, ponderadas por las ganancias Ge y Gde, 0,09

respectivamente; y la salida es el incremento del 0,08

0,07
control u(t) normalizado, ponderada por la ganancia
0,06
Gu, dando como resultado la variable de control 0 10 20 30 40 50 60
Tiempo (h)
en el lazo de control del sustrato. Se definieron
Figura12. Variacin de la tasa crecimiento especfica
funciones de pertenencia triangulares para las
cambios en la entrada de sustrato,
entradas y la salida distribuidas uniformemente en
5si45.
el intervalo [-1,1]. Los parmetros seleccionados
para el regulador son: Ge=2 Gde=17 y Gu=100. 14
Variacin de la concentracin de biomasa (g/l)

El mtodo de defusificacin, utilizado para el 12

controlador difuso normalizado, es la Bisectriz, que
10
ofrece un comportamiento suave y preciso.
8

Para determinar la efectividad del control se realiza 6

una prueba de robustez de las salidas controladas
4
al variar las entradas del sistema: (i) se hace variar
la entrada de sustrato y se mantiene constante l en 2

su valor nominal, de la Figura11, se aprecia que la 0

0 10 20 30 40 50 60
concentracin de la biomasa tiene un comportamiento Tiempo (h)
de acuerdo a lo deseado por el sistema de referencia, Figura13. Variacin de la concentracin de la
pero con pequeas variaciones que afectaran al biomasa ante cambios en la entrada l.

216
 Aros, Cifuentes y Mardones: Modelacin, simulacin y control de procesos de fermentacin

0,16 La Figura16 muestra la medida RMSE de la salida

0,15 de biomasa ante cambios en la entrada l, en esta
Variacin de la tasa crecimiento especfica

0,14 grfica se observa que el controlador NCD-PID tiene

0,13 mejor desempeo que el controlador difuso.
0,12
Controladores Fuzzy NCD-PID
0,025
0,11 RMSE NCD-PID
RMSE Fuzzy PI
0,1
0,02
0,09

RMSE biomasa
0,08 0,015

0,07
0,01
0,06
0 10 20 30 40 50 60
Tiempo (h) 0,005
Figura14. Variacin de la tasa crecimiento
especfica ante cambios en la entrada 0
0,002 0,004 0,006 0,008 0,01 0,012 0,014 0,016 0,018
0,002l0,0016. Valores de lambda en la entrada

Figura 16. Difuso v/s NCD-PID, valor RMSE de

Comparacin desempeo controlador difuso
salida biomasa ante cambios en la entrada
v/s NCD-PID
l.
De acuerdo a las grficas es muy difcil determinar
la efectividad de los controladores experimentados; x 103 Controladores Fuzzy NCD-PID
7
se sugiere medir desempeo, con respecto a sus RMSE NCD-PID
RMSE Fuzzy PI
RMSE tasa de crecimiento especfica

valores nominales, segn el error cuadrtico (RMSE) 6

entre las salidas del sistema: a valores nominales v/s 5

variaciones del sustrato y l, respectivamente.
4

La Figura15 muestra el RMSE de salida de biomasa 3

ante cambios en la entrada de sustrato; el error 2

aumenta a medida que el sustrato de entrada se
1
aleja del valor nominal, adems se muestra cmo
el control difuso es ms robusto ante cambios en la 0
5 10 15 20 25 30 35 40 45
entrada de sustrato. Solo para las entradas S=20 y Valores de sustrato en la entrada
S=25 presentan un desempeo aproximadamente Figura17. Difuso v/s NCD-PID, valor RMSE de la
igual. tasa crecimiento especfica ante cambios
en la entrada de sustrato.
Controladores Fuzzy NCD-PID
0,25
RMSE NCD-PID En la Figura17 se representa la medida RMSE de la
RMSE Fuzzy PI
salida para la velocidad de crecimiento especfica
0,2
ante cambios de sustrato de entrada; ella muestra
RMSE biomasa

0,15 cmo el error aumenta a medida que se aleja del

valor nominal, tambin se aprecia cmo el control
0,1 difuso es ms robusto para todos los valores.

0,05
La Figura18 entrega la medida RMSE de salida de la
velocidad de crecimiento especfica ante cambios en
0
5 10 15 20 25 30 35 40 45 la entrada l, mostrando cmo el controlador difuso
Valores de sustrato en la entrada
se comporta con mayor grado de robustez en un
Figura15. Difuso v/s NCD-PID, valor RMSE de
rango ms amplio de valores de l; sin embargo, el
salida biomasa ante cambios en la entrada
controlador NCD-PID tiene mejor desempeo que
de sustrato, Si[g/l].
el controlador difuso para los valores de l=0,006,
l=0,01 y dentro de estos niveles de l.

217
Ingeniare. Revista chilena de ingeniera, vol.19 N2, 2011
6 x 103 Controladores Fuzzy NCD-PID
5 volumen se mantuvieron los parmetros que estn
RMSE biomasa
3 AGRADECIMIENTOS
2
1
0
0,002 0,004 0,006 0,008 0,01 0,012
Valores de lambda en la entrada
Figura18. Difuso v/s NCD-PID, valor RMSE de la
tasa crecimiento especfica ante cambios
en la entrada l.
Finalmente, la implementacin hbrida (Control PI
difuso en un lazo de control y PI tradicional en el
otro lazo) del PI difuso en el control estabilizante
tuvo mejores resultados que el control estabilizante
que usa dos PIDs (PI tradicional y NCD - PID). Bajo
las mismas variaciones de las entrada, se obtuvieron
rangos de variaciones de las salidas menores, solo
en la Figura 16 se aprecia que el controlador con
los PIDs tuvo mejor desempeo. En general, el
controlador PI difuso result ser un gran aporte a
la robustez del controlador estabilizante.
CONCLUSIONES
Se logr encontrar modelos estndares de
biorreactores, que involucran un bajo nmero de
ecuaciones y de variables de estado.
El diseo de la ley de control invariante, va
simulacin, se aprecia que cumple con mantener
la tasa de crecimiento especfica constante, con lo
cual se obtiene entonces una curva de crecimiento
de biomasa aproximadamente exponencial (para una
fermentacin en modo fed-batch). Consecuentemente
se logra fijar la concentracin de sustrato en el reactor
y se cumple que el volumen crezca ilimitadamente.
Tambin se cumple el objetivo de lograr un control
con un mnimo de variables medidas (biomasa y
volumen solamente). Como el control invariante no
logra que las salidas se estabilicen en una referencia
determinada (ante variaciones en las entradas), se
utilizaron dos mtodos de control para el lazo de
control de biomasa: el primero fue el controlador
NCD-PID llamado as porque se utiliz el Toolbox
218
NCD para control no lineal, el segundo fue el
RMSE NCD-PID
RMSE Fuzzy PI controlador PI difuso y para el lazo de control de
en la Tabla 2.
A la Direccin de Investigacin de la Universidad
de La Frontera por el financiamiento del Proyecto
DIUFRO DI07-0102.
0,014 0,016 0,018
REFERENCIAS
[1] E. Pic-Marco. Nonlinear robust control
of biotechnological processes. Application
to fed-batch bioreactors. Tesis para optar al
grado de doctor. Departament dEnginyeria de
Sistemes i Automtica. Universitat Politcnica
de Valncia. Espaa. December 30, 2003.
[2] F.E. Ochoa y V.E. Santos. Revisin Cintica
de transformaciones usando microorganismos
I: Modelos cinticos no-estructurados. Anales
de Qumica. 1994.
[3] G. Bastin and D. Dochain. On-line estimation
and adaptive control of bioreactors. Elsevier.
1990.
[4] I.J. Dunn, E. Heinzle, J. Ingham, J.E. Prenosil.
Biological reaction engineering. Dynamic
modelling fundamentals with simulation
examples. Second Edition. Wiley-VCH
Verlag. 2003.
[5] J.M. Modak, H.C. Lim and Y.J. Tayeb. General
characteristics of optimal feed rate profiles for
various fed-batch fermentation processes.
Biotechnology and bioengineering. Vol. 28,
Issue9, pp.1396-1407. 1986.
[6] J. Staniskis and D. Levisauakas. An adaptive
control algorithm for fed-batch culture.
Biotechnology and bioengineering. Vol. 26,
Issue 5, pp. 419-425. 1984.
[7] K. Schugerl, K.H. Bellgardt. Bioreaction
engineering. Modeling and control. First
Edition. Springer-Verlag. 2000.
[8] A.L. Fradkov, I.V. Miroshnik and V.O.
Nikiforov. Nonlinear and adaptive control
of complex systems. Kluwer. 1999.
[9] B. Sonnleitner. Instrumentation of
biotechnological processes. Advances in
biochemical, Engineering Biotechnology.
Vol. 70. 2000.