Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelación, Simulación y Control de Procesos de Fermentación
Modelación, Simulación y Control de Procesos de Fermentación
RESUMEN
Palabras clave: Proceso de fermentación, modelo Monod, simulación, 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: Modelación, simulación y control de procesos de fermentación
control, junto con las entradas de control y las de alguna manera el crecimiento microbiano). Para
salidas medibles en el proceso, posteriormente se propósitos de control, solamente el producto del
aborda el diseño de los controladores, después se segundo caso debe ser considerado.
discuten las pruebas realizadas con cada uno de
los controladores implementados y se entregan las Un modelo fenomenológico estándar para expresar
conclusiones generales del trabajo realizado. el proceso de fermentación lo constituyen los
biorreactores de lote alimentado (los procesos
MODELADO DE BIORREACTORES para la producción de proteínas unicelulares, de
alcohol y de ácido glucónico pertenecen a esta
Modelos fenomenológicos categoría [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, nitrógeno, oxígeno), bajo condiciones Los modelos de los fermentadores son caracterizados
medioambientales favorables (como la temperatura, por: Alta dimensión del espacio de estados, múltiples
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, están las reacciones enzimo catalizadas y múltiples objetivos y crítico desempeño [8].
en las cuales algunos reactantes son transformados Los biorreactores que se encuentran son: Batch
en productos por la acción catalítica 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 ingeniería, vol. 19 Nº 2, 2011
212
Aros, Cifuentes y Mardones: Modelación, simulación y control de procesos de fermentación
DISEÑO DE CONTROLADORES x = µ x − Dx
Control invariante s = − ys µ x + D ( si − s ) (5)
El caso más simple en el cual el producto no v = F
es considerado se representa con el siguiente
modelo: Como µ = µ const. y dado que se supone que el
modelo es perfecto, no hay perturbaciones y las
F
)
x = µ ( s x −
v
x condiciones iniciales son tal que s = sr = const.
⇒ s = 0. Esta meta se podría alcanzar usando
F la realimentación parcial del estado: D = lx o
)
s = − yµ ( s x + ( si − s
v
) (3)
F = lxv = lxm, así la ecuación para el sustrato se
v = F convierte en s = (− yµ (s) + λ (si − s)) x = 0, con l
una constante definida por la expresión:
Se sugiere una ley de alimentación exponencial
µ t
que es expresada como: F (t ) = λ x (t ) ⋅ v (t ) = λ x o vo e r ys µr
λ= (6)
para algún l = const., donde x o y v o son las si − sr
condiciones iniciales para la biomasa y el volumen
respectivamente, y µr es la tasa de crecimiento Sustituyendo en el modelo la ley de realimentación
específica deseada. Los biotecnólogos saben parcial del estado se obtiene el sistema:
que en orden a tener una tasa de crecimiento de
biomasa constante en una fermentación alimentado x = µ x − λ x 2
por lotes, el flujo de alimentación debería ser
“exponencialmente creciente”.
(
s = − ys µ + λ ( si − s x )) (7)
v = λ 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 diseño de un sistema de control presencia de perturbaciones se debe introducir una
realimentado estabilizador, que contempla un control corrección en la ley de control básica (ley de control
invariante más dos controladores de la familia PID’s, invariante). Como se comentó, es interesante el uso
específicamente un controlador PI en la biomasa y de ambas acciones de control F (o equivalentemente
un PID para el volumen, ver Figura 2; éstos toman l) y si, sin embargo aparece una conexión entre las
como señal 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 = µ x − u1 x 2
referencia generadas por el exosistema.
Sin λn
(
s = − ys µ + u1 ( u2 − s x )) (8)
exosistema planta
v = u1 xv
xr PI u2 x
–
Puesto que no hay una medida en línea de la
vr PID u1 v
–
concentración del sustrato s en el biorreactor, una
NCD-PID
trayectoria exponencial para la cantidad absoluta de
la biomasa xm tendrá que ser forzada. Recordando
Figura 2. Diagrama en lazo cerrado de control
que:
estabilizador.
x m = µ ( s ) ⋅ x m (9)
Tomando el caso más simple en el cual el producto
no es considerado y la tasa de crecimiento específica
y dado que xm = x ⋅ v, esta meta se puede alcanzar
sigue la ley Monod se tiene el siguiente modelo:
forzando algunas trayectorias específicas en x y
µm s v. Para generar esas trayectorias de referencia se
µ = µ (s) = (4) usa un exosistema (reemplazando en el modelo
ks + s
µ = µr = const. y s = sr = const. ⇒ s ̇ = 0) se llega a:
213
Ingeniare. Revista chilena de ingeniería, vol. 19 Nº 2, 2011
214
Aros, Cifuentes y Mardones: Modelación, simulación y control de procesos de fermentación
30
constante, como se observa en la Figura 10. Así, se
Si=45
puede concluir que cuando la tasa de crecimiento se
Variación de la concentración 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
Figura 7. Variación de la concentración 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
Variación de la tasa crecimiento específica
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
Figura 8. Variación de la tasa crecimiento específica
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
Variación de la concentración de biomasa (g/l)
215
Ingeniare. Revista chilena de ingeniería, vol. 19 Nº 2, 2011
0,14
de la reacción, pero no afecta en la dinámica del
0,12 producto final; y (ii) las Figuras 13 y 14 muestran
0,1
las características de la concentración de la biomasa
ante un cambio en l, considerando constante el
0,08 sustrato, donde la Figura 13 muestra una pequeña
0,06
variación solo al comienzo como la observada en
la Figura 9.
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 regulación y su primera 0,1
216
Aros, Cifuentes y Mardones: Modelación, simulación y control de procesos de fermentación
RMSE biomasa
0,08 0,015
0,07
0,01
0,06
0 10 20 30 40 50 60
Tiempo (h) 0,005
Figura 14. Variación de la tasa crecimiento
específica ante cambios en la entrada 0
0,002 0,004 0,006 0,008 0,01 0,012 0,014 0,016 0,018
0,002 ≤ l ≥0,0016. Valores de lambda en la entrada
0,05
La Figura 18 entrega la medida RMSE de salida de la
velocidad de crecimiento específica ante cambios en
0
5 10 15 20 25 30 35 40 45 la entrada l, mostrando cómo el controlador difuso
Valores de sustrato en la entrada
se comporta con mayor grado de robustez en un
Figura 15. Difuso v/s NCD-PID, valor RMSE de
rango más amplio de valores de l; sin embargo, el
salida biomasa ante cambios en la entrada
controlador NCD-PID tiene mejor desempeño 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 ingeniería, vol. 19 Nº 2, 2011
6 x 10–3 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 parámetros que están
en la Tabla 2.
RMSE biomasa
3 AGRADECIMIENTOS
2
A la Dirección de Investigación 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
Figura 18. Difuso v/s NCD-PID, valor RMSE de la
tasa crecimiento específica ante cambios [1] E. Picó-Marco. “Nonlinear robust control
en la entrada l. of biotechnological processes. Application
to fed-batch bioreactors”. Tesis para optar al
Finalmente, la implementación híbrida (Control PI grado de doctor. Departament d’Enginyeria de
difuso en un lazo de control y PI tradicional en el Sistemes i Automàtica. Universitat Politècnica
otro lazo) del PI difuso en el control estabilizante de València. España. December 30, 2003.
tuvo mejores resultados que el control estabilizante [2] F.E. Ochoa y V.E. Santos. “Revisión Cinética
que usa dos PID’s (PI tradicional y NCD - PID). Bajo de transformaciones usando microorganismos
las mismas variaciones de las entrada, se obtuvieron I: Modelos cinéticos no-estructurados”. Anales
rangos de variaciones de las salidas menores, solo de Química. 1994.
en la Figura 16 se aprecia que el controlador con [3] G. Bastin and D. Dochain. “On-line estimation
los PID’s tuvo mejor desempeño. En general, el and adaptive control of bioreactors”. Elsevier.
controlador PI difuso resultó 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 logró encontrar modelos estándares de Verlag. 2003.
biorreactores, que involucran un bajo número 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 diseño de la ley de control invariante, vía Biotechnology and bioengineering. Vol. 28,
simulación, se aprecia que cumple con mantener Issue 9, pp. 1396-1407. 1986.
la tasa de crecimiento específica 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,
fermentación en modo fed-batch). Consecuentemente Issue 5, pp. 419-425. 1984.
se logra fijar la concentración 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
También se cumple el objetivo de lograr un control Edition. Springer-Verlag. 2000.
con un mínimo 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 métodos de control para el lazo de biotechnological processes”. Advances in
control de biomasa: el primero fue el controlador biochemical, Engineering Biotechnology.
NCD-PID llamado así porque se utilizó el Toolbox Vol. 70. 2000.
218