A neural-network based model of bioreaction kinetics

Authors

  • Björn Saxén,

    1. Heat Engineering Laboratory, Department of Chemical Engineering, Åbo Akademi University, Biskopsgatan 8, FIN-20500 Åbo, Finland
    Search for more papers by this author
  • Henrik Saxén

    Corresponding author
    1. Heat Engineering Laboratory, Department of Chemical Engineering, Åbo Akademi University, Biskopsgatan 8, FIN-20500 Åbo, Finland
    • Heat Engineering Laboratory, Department of Chemical Engineering, Åbo Akademi University, Biskopsgatan 8, FIN-20500 Åbo, Finland
    Search for more papers by this author

Abstract

A neural-network based model of the kinetics in a fermentation process is presented. In the development and application of the model, the state of the process was estimated by an independent model based on elemental balances and an electroneutrality condition. The aim of the work was a model that describes the overall kinetic relations well enough to be used for on-line simulation and prediction. Both feed-forward and partially recurrent networks were investigated. The networks were trained off-line, but in the on-line application they are adapted to the process conditions by adjusting a set of correction factors. The approach is illustrated on a number of batch runs of Saccharomyces cerevisiae, where the networks are demonstrated to be able to accurately describe the biphasic growth.

Abstract

On présente un modèle de cinétique basé sur un réseau neuronal pour un procédé de fermentation. Dans la mise au point et l'application du modèle, l'état du procédé a été estimé par un modèle indépendant basé sur les équilibres élémentaires et une condition d'électroneutralité. Le but de travail était de trouver un modèle qui décrive suffisamment bien les relations de cinétique globales pour leur utilisation dans la simulation et la prédiction en ligne. Les réseaux à boucle de régulation aval et les réseaux partiellement récurrents ont été étudiés. Les réseaux ont été entrainées hors ligne, mais pour l'application en ligne, on peut les adapter aux conditions du procédé en ajustant un jeu de facteurs de correction. La méthode est illustrée pour plusieurs essais discontinus de Saccharomyces cerevisiae, où on démontre que les réseaux peuvent décrire avec précision la croissance diphasique.

Ancillary