Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Art06 PDF
Art06 PDF
210-218
RESUMEN
Palabras clave: Proceso de fermentacin, modelo Monod, simulacin, control estabilizante, control PI
difuso.
ABSTRACT
Keywords: Fermentation process, Monod model, simulation, stabilizing control, fuzzy PI control.
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 de alguna manera el crecimiento microbiano). Para
salidas medibles en el proceso, posteriormente se propsitos de control, solamente el producto del
aborda el diseo de los controladores, despus se segundo caso debe ser considerado.
discuten las pruebas realizadas con cada uno de
los controladores implementados y se entregan las Un modelo fenomenolgico estndar para expresar
conclusiones generales del trabajo realizado. el proceso de fermentacin lo constituyen los
biorreactores de lote alimentado (los procesos
MODELADO DE BIORREACTORES para la produccin de protenas unicelulares, de
alcohol y de cido glucnico pertenecen a esta
Modelos fenomenolgicos categora [5-6]).
El crecimiento de microorganismos o biomasa
(como las bacterias y levaduras) procede por el PROBLEMAS DE CONTROL
consumo de nutrientes apropiados o sustratos
(carbono, nitrgeno, oxgeno), bajo condiciones Los modelos de los fermentadores son caracterizados
medioambientales favorables (como la temperatura, por: Alta dimensin del espacio de estados, mltiples
pH y otros), ver [3-4]. Asociadas con el desarrollo entradas y salidas, disturbios externos, significativa
celular, pero a menudo procediendo en un rango no linealidad e incertidumbre, y sofisticados
diferente, estn las reacciones enzimo catalizadas y mltiples objetivos y crtico desempeo [8].
en las cuales algunos reactantes son transformados Los biorreactores que se encuentran son: Batch
en productos por la accin cataltica de enzimas (biorreactores discontinuos), Chemostat y auxostat
intracelulares o extracelulares, los llamados (biorreactores continuos) y fed-batch (biorreactores
metabolitos. de lote alimentado).
211
Ingeniare. Revista chilena de ingeniera, vol.19 N2, 2011
212
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
vr = n xr vr (10) m 0,22
ys 1,43
ks 0,14
siendo n una entrada u1 nominal determinada usando
y
la expresin = s r para una concentracin Los valores nominales para las entradas y si
si sr corresponden a 0,0079(l/gh) y 20(g/l) respectivamente
nominal sin escogida a priori. As, se obtiene un (son entregados en [1]). Las condiciones iniciales
sistema multivariable (8) con dos entradas y dos para la biomasa, el sustrato y el producto no son
salidas. En consecuencia existen dos lazos de control entregadas pero fueron aproximadas de tal forma
diseados independientes, es decir sin tomar en que las curvas resultantes se aproximaran lo mejor
cuenta la relacin entre u1 y u2. Con esta meta en posible a las entregadas en [1].
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: biomasa(x)
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
Si=5
5 10
Si=5
0
0 10 20 30 40 50 60
Tiempo (h)
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
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)
215
Ingeniare. Revista chilena de ingeniera, vol.19 N2, 2011
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
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
216
Aros, Cifuentes y Mardones: Modelacin, simulacin y control de procesos de fermentacin
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
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 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
5 volumen se mantuvieron los parmetros que estn
en la Tabla 2.
RMSE biomasa
3 AGRADECIMIENTOS
2
A la Direccin de Investigacin de la Universidad
1
de La Frontera por el financiamiento del Proyecto
DIUFRO DI07-0102.
0
0,002 0,004 0,006 0,008 0,01 0,012 0,014 0,016 0,018
Valores de lambda en la entrada
REFERENCIAS
Figura18. Difuso v/s NCD-PID, valor RMSE de la
tasa crecimiento especfica ante cambios [1] E. Pic-Marco. Nonlinear robust control
en la entrada l. of biotechnological processes. Application
to fed-batch bioreactors. Tesis para optar al
Finalmente, la implementacin hbrida (Control PI grado de doctor. Departament dEnginyeria de
difuso en un lazo de control y PI tradicional en el Sistemes i Automtica. Universitat Politcnica
otro lazo) del PI difuso en el control estabilizante de Valncia. Espaa. December 30, 2003.
tuvo mejores resultados que el control estabilizante [2] F.E. Ochoa y V.E. Santos. Revisin Cintica
que usa dos PIDs (PI tradicional y NCD - PID). Bajo de transformaciones usando microorganismos
las mismas variaciones de las entrada, se obtuvieron I: Modelos cinticos no-estructurados. Anales
rangos de variaciones de las salidas menores, solo de Qumica. 1994.
en la Figura 16 se aprecia que el controlador con [3] G. Bastin and D. Dochain. On-line estimation
los PIDs tuvo mejor desempeo. En general, el and adaptive control of bioreactors. Elsevier.
controlador PI difuso result ser un gran aporte a 1990.
la robustez del controlador estabilizante. [4] I.J. Dunn, E. Heinzle, J. Ingham, J.E. Prenosil.
Biological reaction engineering. Dynamic
CONCLUSIONES modelling fundamentals with simulation
examples. Second Edition. Wiley-VCH
Se logr encontrar modelos estndares de Verlag. 2003.
biorreactores, que involucran un bajo nmero de [5] J.M. Modak, H.C. Lim and Y.J. Tayeb. General
ecuaciones y de variables de estado. characteristics of optimal feed rate profiles for
various fed-batch fermentation processes.
El diseo de la ley de control invariante, va Biotechnology and bioengineering. Vol. 28,
simulacin, se aprecia que cumple con mantener Issue9, pp.1396-1407. 1986.
la tasa de crecimiento especfica constante, con lo [6] J. Staniskis and D. Levisauakas. An adaptive
cual se obtiene entonces una curva de crecimiento control algorithm for fed-batch culture.
de biomasa aproximadamente exponencial (para una Biotechnology and bioengineering. Vol. 26,
fermentacin en modo fed-batch). Consecuentemente Issue 5, pp. 419-425. 1984.
se logra fijar la concentracin de sustrato en el reactor [7] K. Schugerl, K.H. Bellgardt. Bioreaction
y se cumple que el volumen crezca ilimitadamente. engineering. Modeling and control. First
Tambin se cumple el objetivo de lograr un control Edition. Springer-Verlag. 2000.
con un mnimo de variables medidas (biomasa y [8] A.L. Fradkov, I.V. Miroshnik and V.O.
volumen solamente). Como el control invariante no Nikiforov. Nonlinear and adaptive control
logra que las salidas se estabilicen en una referencia of complex systems. Kluwer. 1999.
determinada (ante variaciones en las entradas), se [9] B. Sonnleitner. Instrumentation of
utilizaron dos mtodos de control para el lazo de biotechnological processes. Advances in
control de biomasa: el primero fue el controlador biochemical, Engineering Biotechnology.
NCD-PID llamado as porque se utiliz el Toolbox Vol. 70. 2000.
218