青霉素和污水过程机理介绍

青霉素发酵过程机理

青霉素的发酵工艺主要有菌种选择、孢子制备、种子培养、发酵、产品分离结晶等几步。传统青霉素发酵工艺为二级补料分批发酵，青霉素抱子通过火焰接种至种子罐无菌培养基，在一定罐温、通气培养条件下发芽生长，经过定周期后青霉菌菌丝生长达到一定菌丝量，至对数生长未期，移入发酵罐无菌培养基培养。在发酵罐中给予一定温度、空气等生长环境，为了实现高水平的发酵单位，需要补入碳源、氨源及合成青霉素的前体物质等1

青霉素发酵过程分为停滞期、菌丝生长期、菌丝生长到次级代谢的转化期.代谢稳定期。发酵过程受发酵温度、培养液酸碱度、氧气量、泡沫量等因素影响。通气搅拌要求将通入的足量空气打成细泡，均匀分散在培养液中，使青霉菌生长获得充足的氧气，因此通气和搅拌对培养影响也很大。青霉素发酵时产生泡沫，不利于青霉菌代谢时的气体交换而减低产量，同时泡沫溢出，产量受到损失[ 一种青霉素发酵系统及工艺（专利）]。

青霉素是人类提纯的大规模用于临床的第一种抗生素其发酵过程是一典型的生化反应过程。青霉素发酵过程是青霉素产生菌在合适的培养基、pH 值、温度、空气流量、搅拌等发酵条件下进行生长和合成抗生素的代谢活动。发酵开始前，有关设备和培养基必须先经过灭菌，后接入种子。在整个过程中，需要不断的空气流和搅拌，维持一定的温度和罐压，在发酵过程中往往要加入消泡剂进行消沫，加入酸.碱控制发酵液的 pH 值，还需要间歇或连续的加入葡萄糖及按盐等底物，或补进其它料液以促进青霉素的生产。青霉素是青霉素菌次级代谢的产物，由于产物最优生产与菌体最优生长之间不具有对应性，在发酵的不同时期，既有菌体自身的生长、繁殖、老化，又有青霉素的合成及水解，再加上发酵时间周期长，菌体细胞本身的遗传变异，微生物对环境多因子变化的敏感性，原材料及种子质量不稳定等诸多原因导致过程始终处于动态之中，这进一步造成青霉素发酵过程的严重非线性和不确定性!。因此建立准确反应青霉素发酵过程的仿真平台有着重要的现实意义[ Pensim仿真平台在青霉素发酵过程的应用研究]。

青霉素发酵涉及到青霉素的生产繁殖以及分泌的各种酶所催化的生化反应是一个极其复杂的生物化学过程。其中实现菌体浓度、基质浓度、产物浓度等关键生化参量的精确检测对提高青霉素产量和质量具有重要的意义。目前市场上没有直接可用的物理传感器或者由于一些生物传感器比较昂贵，使得关键生化参量无法实现在线检测。目前，多采用离线化验的分析方法，然而这种方法存在很大的测量延时，根本无法满足实时测量和优化控制的要求[ 青霉素发酵过程的左逆软测量方法研究与优化]。

青霉素发酵反应是利用生产菌在代谢活动中的次级代谢产物获得所需产品的一种生化反应，同时也是一种典型的好氧型微生物发酵反应，生理途径十分复杂。发酵动力学是在了解微生物的生理特征、菌体生长以及产物形成的基础上研究发酵过程中菌体的生长速率、培养基的消耗速率以及产品形成速率的相互作用和随时间变化的规律。它的建立为发酵过程的控制、小罐试验数据的放大以及从分批发酵过渡到半连续发酵和连续发酵提供了理论基础，也为计算机模拟发酵过程研究及发酵过程计算机在线控制的提供了依据3。

了解一下青霉素是什么：

几千年以前，人类就开始利用微生物的代谢分解产物作为食品和医药。1928 年，英国细菌学家 Fleming 发现污染在培养葡萄球菌的双蝶上的一株霉菌能杀死周围的葡萄球菌。他将此霉菌分离纯化后得到的菌株经鉴定为点青霉，并将此霉菌所产生的抗生物质命名为青霉素[ 青霉素间歇过程故障诊断方法研究_张旭]。

青霉素的生产过程属于半间歇半连续的方式，是一种复杂的且含有较多相互耦合关系变量的化学反应过程，数据具有时变性、非线性、多维性和不确定性，很难建立精确的数学模型对其过程监控。影响青霉素生产率有诸多因素，主要有溶解氧饱和度、pH 值、菌丝生长速度.温度、菌丝浓度、基质浓度、菌丝形态等。因此，对青霉素发酵过程很难进行在线监测，给过程的优化、监测、建模与控制都带来了很大的困难4。

第一阶段为青霉素发酵的初始阶段即间歇操作，此阶段为产生青莓素发酵所必需的大部分菌体。当初始注入的葡萄糖底料被所产生菌体大量消耗时，发酵过程转为下一阶段:第二阶段是半间歇性补料操作阶段，葡萄糖物料要连续地补加到反应罐中，是为了保持菌体细胞生长速率葡萄糖浓度要减少到某一最小值才能达到青霉素高质量高生产率要求147]。此阶段包含了菌体死亡期和青霉素合成期。在整个阶段的反应过程中，要维持一定的罐体压力和温度所以需要不断地搅拌和通气，并每隔一段时间对样本进行无菌检验和生化分析，检查抗生素产生情况，观察菌体生长状态 是否被杂菌污染。在整个发酵过程中要加入酸碱中和罐内的 pH 值，注入消沫剂控制产生泡沫，同时还需补充碳元素和氮元素，是通过把盐及葡萄糖等化合物间歇或连续地加入罐体实现的，加入一定量的反应物以促进抗生素的生成。要保持青霉素高产量和高质量必需控制好罐内的通气量、温度范围、搅拌功率和补料情况。

污水处理过程

污泥膨胀的现象：污泥膨胀(sludge bulking)问题一直是困扰污水处理厂运行的一个世界性难题。广义地把活性污泥的凝聚性和沉降性恶化，以及处理水浑浊的现象总称为活性污泥膨胀。1
污泥膨胀的类别：一般将活性污泥膨胀大致分为丝状膨胀和非丝状膨胀两种。活性污泥絮体由丝状菌作为骨架，菌胶团通过分泌产生的多聚糖附着在丝状菌上面，形成凝胶基质架，微生物附着在上面形成，正常情况下丝状菌和菌胶团的生长处于平衡状态，两者之间有一个合适的比例。当外界条件发生变化时，使得菌胶团和丝状菌之间的生长平衡发生变化，就会导致污泥膨胀的发生，如果丝状菌大量繁殖，过多的丝状菌长出活性污泥絮体表面，污泥絮体结构不密实，絮体边界之间由于丝状菌的架桥作用妨碍了絮体间的亲密接触,致使沉降缓慢，密实性和 SVI 高，引发丝状膨胀。相反，如果因废水水温较低而负荷太高的时候，菌胶团吸附的有机物不能及时代谢，在胞外积累了大量高粘性的多糖物质，致使污泥压缩困难，这时就会发生非丝状膨胀又称为粘性膨胀。1
SVI的指标范围（SVI用于衡量污泥膨胀风险）：描述污泥膨胀的指标有 30min 沉降比、污泥体积指数和污泥密度指数等般认为曝气池混合液的SVI在 100-200mL/g 之间属于正常，SVI 大于 300ml/g 时，说明污泥已经膨胀:而 SVI 在 200-300mL/g 之间时说明污泥即将膨胀。SVI值能够反映出活性污泥的絮凝和沉淀性能，测定方法简单，因此，在生产运行管理及科研中被广泛应用[ 城市污水处理厂A2_O工艺污泥膨胀与上浮的诊断_徐天凯]。
关于支撑我们BSM1平台设置污泥膨胀的参数设置1：

污泥膨胀具有复杂的动态特性，其机理复杂并且不易控制。溶解氧浓度、污水的PH值以及各种微生物种群等因素影响着污泥中的微生物的生长。并且很难对污泥膨胀的各个因素进行描述，因为各个因素之间相互影响相互制约。然而对于污泥膨胀出现的泥水不能正常分离的污泥的沉降性能恶化的现象,可以对活性污泥的沉降过程以及影响其沉降过程的因素之间进行机理分析，获得相关的参数变量[ 基于知识迁徙模糊神经网络的污泥膨胀智能识别_葛鹭明]。
关于污水处理过程中特征选择的分析：
从活性污泥沉降的过程的微观特征描述，认为影响活性污泥沉降性的因素主要有丝状菌，胞外多聚物(Extracellular Polymeric Substances，EPS)絮状物的分布特点以及絮状物的外表形态等因素。通过实验分析，这些因素对污泥的沉降性能有很大的影响。而对于污水中的其他非生物变量，如有机物、氮、磷、溶解氧(Dissolved Oxygen，DO)、有毒物质、入水流量(Inflow Influent，Qn)、污泥回流比(sludge reflux ratio，Rr)等因素也对污水处理过程有重要的影响作用。根据实验分析，得出了与污泥容积指数SVI有直接关系的相关参量为进水浊度、BOD、污泥负荷(Food to Microorganism Ratio，F/M)，进水总氮(Total Nitrogen，TN)、混合液污泥浓度(MLSS)、曝气池DO、进水总磷(Total Phosphorus，TP)、氮和磷营养物质、进水COD等，这些变量之间关系密切，并且有相互制约的关系。Flores-Alsina等人提出了一个风险评估模型,该模型利用DO、F/M、污泥龄(SludgeRention Time，SRT)、BOD、pH作为风险评估模型的指标参量，来预测污泥膨胀的发生[60]。Bagheri等人将DO、COD、pH、温度(TEM)、TSS、MLVSS这几个污水参量作为污泥膨胀的参考指标污泥容积指数SVI的辅助变量，实现了对SVI的预测，进而判断污泥膨胀的发生状况[62]。Han等人将F/M、MLSS、DO、SRT、TN、TEM、TP和pH作为污泥容积指数SVI的辅助变量，提出了一种丝状菌污泥膨胀简化机理模型[18]。根据之前学者的研究经验,我们最终总结出TP、pH、TSSOin、DO、MLSS、F/M、ORP、SRT、COD、TN、BOD、TEM、Rr这14个变量初步选择为污泥膨胀的影响变量2。
关于SVI：

污水处理过程的三性问题：
1.污水处理过程的非线性特性
污水处理过程的过程变量随着系统的运行不断发生变化，变量之间存在明显的非线性特性。污水处理过程的过程变量之间相互作用又相互制约，同时许多变量还受到微生物作用的影响，变量之间的这种关联关系导致它们之间存在一定的非线性关系，进而使系统产生错综复杂的变化导致污水处理过程呈现非线性特性。
2. 污水处理过程的动态性特性
污水处理过程的过程变量存在明显的动态性。真实的污水处理系统是一个闭环控制系统，系统当前时刻的变量参数与之前的时刻存在一定的时序关系，过程变量会随着时间的变化而变化，某个变量的变化会影响到整个系统的运行，从而影响到系统的输入和输出，同时系统也会依据当前系统接到的反馈对系统进行控制。而且，污水处理过程中的微生物的生化反应过程也会受到时间的影响，同时系统的反馈调节也并不是瞬时完成的，而是存在一定的滞后，多种因素导致变量之间存在一种时序上的关联性从而使污水处理过程存在一定的动态性特性。
3. 污水处理过程的非高斯特性
污水处理过程的过程变量存在明显的非高斯性图。在实际的污水处理过程中由于各种环境噪声的干扰和闭环控制系统的影响，大多数过程变量往往不会严格服从于高斯分布，这带来了数据分布的不确定性问题，而传统的多元统计监控方法大多要在假设过程数据服从高斯分布的假设下进行计算，这导致了基于这种高斯分布假设的过程监测算法在 F分布或者 2分布下计算的监测统计量的控制限不准确，导致出现错误的误报警和漏报。过程监测的本质是从过程数据中提取能够代表数据本质的特征，如果过程变量存在数据分布的不确定性，可能会导致提取的数据特征并不能很好的衡量数据的本质信息。因此减少或去除过程数据中非高斯分布数据对提取数据特征的影响,从而提取到更能代表原始数据的本质特征是一个值得研究的问题。

污水处理系统是一个非线性时变、不确定、耦合和时滞系统[4]。系统中存在大量的知识信息，这些知识是污水处理过程运行状态的重要参考[65]。此外，------------基于知识迁徙模糊神经网络的污泥膨胀智能识别_葛鹭明

污泥膨胀具有复杂的动态特性，其机理复杂并且不易控制。溶解氧浓度、污水的PH值以及各种微生物种群等因素影响着污泥中的微生物的生长。并且很难对污泥膨胀的各个因素进行描述，因为各个因素之间相互影响相互制约。然而,对于污泥膨胀出现的泥水不能正常分离的污泥的沉降性能恶化的现象,可以对活性污泥的沉降过程以及影响其沉降过程的因素之间进行机理分析，获得相关的参数变量。从活性污泥沉降的过程的微观特征描述，认为影响活性污泥沉降性的因素主要有丝状菌，胞外多聚物(Extracellular Polymeric Substances，EPS)絮状物的分布特点以及絮状物的外表形态等因素。通过实验分析，这些因素对污泥的沉降性能有很大的影响。而对于污水中的其他非生物变量，如有机物、氮、磷、溶解氧(Dissolved Oxygen，DO)、有毒物质、入水流量(Inflow Influent，Qi)、污泥回流比(sludge reflux ratio，Rr)等因素也对污水处理过程有重要的影响作用。-----------基于知识迁徙模糊神经网络的污泥膨胀智能识别_葛鹭明