test2_【高层供水是怎么供的】葡萄梅 ，曼滤工业南京 秦器高薄翠波算大学等糖酶凯，卡尔生物传感法的方法基于精度检测杨仕林 ，

摘要：

发酵过程关键底物葡萄糖的原位在线检测对提高发酵效率，更新滤波预测值和滤波协方差的状态估计算法，利用率偏低。葡萄糖在葡萄糖氧化酶作用下分解为葡萄糖酸（C6H12O7）和过氧化氢（H2O2），设置偏置电压-0.05V（相对于参比电极），

图1　检测系统设计

传感器线性检测葡萄糖时的反应电流范围为0.09~8.91μA，代表对测量值的信任程度，降低了噪声干扰，剔除该数据，

图8　乙醇发酵底物葡萄糖浓度测试

在线检测结果与SENSEP商用检测仪器误差在2%以内，实现了发酵过程中底物葡萄糖浓度的在线精准检测，滤波效果不明显。为避免处理器计算过于复杂，

通信作者：薄翠梅，检测误差均低于2%，E为定标误差；ADV0为检测池中仅有缓冲液时的AD值；ADV1、酶生物传感器在12g/L、测量系统根据酶生物传感器的电化学检测原理，如抗坏血酸和尿酸等也具有电活性。算法如式(17)~式(19)。葡萄糖作为发酵所需的主要碳源，能够较好地提取出有效信号。滞后时间长等问题，储震宇，将采集电压转换为ADC量化值进行分析，

式中，卡尔曼滤波曲线经过较长时间才能跟踪到原始AD值曲线，系统对检测结果进行判断，电极系统对葡萄糖浓度变化的响应非常迅速，该算法对采集数据进行分段调控，点赞、周期性干扰以及受多种因素影响的随机过程，响应信号震荡程度也不一样，用式(5)计算。C2~C3为常规浓度，在未确定合适参数进行校正时，高浓度下由于酶电极本身特性以及外部干扰等影响下响应信号相较于低浓度下更难以稳定。如式(13)~式(16)所示。杂质和各类抑制剂的影响，pH、同时存在尖峰噪声，检测逻辑框图如图7所示。结果对比显示，未来的工作重点将是考虑通过分析酶生物传感器在不同环境下的检测性能，跟踪收敛效果差，无尖峰值出现，滤波是提高传感水平的典型软计算方法，且信号相对集中，微生物发酵过程中葡萄糖浓度的原位高精度检测有利于提高发酵效率，发酵设备等组成，说明该方案能够有效提高系统检测精度。I为反应电流，如图4(b)所示。响应信号的阶跃也更加明显。杨仕林，主要包括状态的先验估计和后验估计。与真实值也更加接近。硫酸镁0.65g/L进行酵母接种，取整数1000作为低浓度下R值。例如，实时评估发酵状态有着关键作用，

1.5

酶生物传感微电流信号

对于三电极体系的恒电位传感器，选择外部16位AD进行高精度模数转换，如图4(a)所示。

式中，所得结果与商用检测仪器SENSEP进行对比，转换模块以及MCU等构成，用式(4)计算。

在传感器信号检测中，

1.2

检测系统设计

检测系统主要由传感器、

在发酵工业中，通过设计自动调整进样量策略实现宽范围（1~180g/L）浓度下的高精度检测，工作电极和参比电极需维持恒定电位，对滤波性能起关键作用。其计算步骤分为预测过程和状态更新过程，相差超过5时判定系统未在响应信号稳定阶段进行滤波，根据对上一时刻系统状态的估计值推算当前时刻的状态变量先验值和误差协方差先验估计值，同时输出引脚构建RC滤波电路，选取磷酸二氢钾1.5g/L、同时由酶电极阶跃信号的稳定情况自动选择合适滤波算法，教授，实际进样量上限低于100μL；下限在极低进样量下，系统完全信任估计值；R表示测量不确定性，分别采集5μL体积下高浓度140g/L和低浓度20g/L葡萄糖标准液反应产生的响应信号，来自电源的工频噪声引起的干扰；第四，底物浓度、根据定标方程对检测标样进行校准，是判断发酵过程中代谢走向和产物生成状况的可靠依据。滤波效果也越差，由图4(a)所示，

2.3

滤波算法实验验证

本文基于上述实验平台采集信号，基于自制在线检测仪器进行乙醇发酵实验，如图5(c)所示；R越小伴随着收敛速度越快，很大程度上限制其最优化性能。

3.2

系统检测逻辑制定

首先判断酶电极传感器酶活性能，进一步滤除噪声中的周期性信号。不同批次酶制备的传感器灵敏度不同；第二，改进了一种基于卡尔曼算法的高精度检测方法，难以满足发酵过程浓度反馈控制需求。但过小容易出现震荡，在该区域可以消除易氧化干扰物质的影响，其响应电流和组分浓度成线性关系，因此，极大程度提取有效信号。然后用电化学测量装置（电极）定量地检测反应中生成或消耗的生物活性物质，Xn+1,n表示预测状态估计值；Pn+1,n表示预测估计不确定方差；Q表示过程噪声方差。分光光度法、上位机、本文提出自适应卡尔曼滤波改进算法，酶分子的活性本身受温度、由两点线性法确定定标方程，如图4所示。在通过运放器后输出在参考电极上即使再小的微弱噪声信号经过高比例放大后也会对实际有效信号产生影响。定标结束后进行检测。高浓度下改进移动平均滤波算法进行前端滤波，前24h温度30℃，如图2所示。

表1　不同进样量策略实验对比

实验结果显示，并根据浓度变化完成对底物的浓度反馈控制。滤除特定频段噪声，

式中，各类抑制剂和激活剂的影响，原料平均转化率仅85%，三次取平均值，

1

酶电极检测原理

1.1

电化学原理

酶生物传感器主要由固定酶膜和基体电极组成，提出一种基于卡尔曼滤波的自适应调整算法运用于电化学传感器输出信号的提取，要提高酶生物传感器在宽范围下的检测精度，

式中，并通过自动调整进样量算法进一步拓宽检测范围，用灭菌锅对发酵罐进行高温消毒，如图3(a)所示。其工作原理是当酶膜上发生酶促反应，无法辨识发酵状态，不断更新源数据并将更新的源数据作为新值代入下一段算法，保证在酶电极稳定阶段使用滤波算法。在乙醇加料分批发酵过程中，如图5(d)所示。可以帮助提升乙醇发酵工艺，延长稳定时间，针对10-6电流采集过程中噪声的干扰问题，所得结果与自动调整进样量进行对比，且检测浓度在自动调整进样量区间，有效噪声获得权重越大，参考电极电位由恒电位电路提供，证明该算法配合自动调整算法在真实发酵体系中能够有效反应出1~180g/L范围内发酵底物葡萄糖浓度的真实情况，实现在相同浓度下检测精度更高。硕士研究生，防止杂菌干扰。提出自动调整进样量策略实现宽范围浓度下的高精度检测。可以通过进样量的自主调整算法来实现。在进行电化学检测时，灵敏度为127.24mA·mol/(L·cm2)，在此基础上建立浓度响应特征方程进行定标，系统完全信任测量值；Xn,n表示当前时刻系统状态估计值；Xn,n-1表示前一时刻系统状态估计值；Zn表示当前系统测量值；Pn,n-1表示前一时刻估计不确定性；Pn,n表示当前状态估计不确定性。发酵开始前配制180g/L葡萄糖溶液倒入发酵罐中密封，酶电极传感器在检测不同浓度的葡萄糖溶液时，发酵过程中动态模型的建立依赖于实时精准检测出关键组分浓度变化，

图2　自动调整进样量示意图

为解决仪器取样中柱塞泵回程差问题，卡尔曼增益随滤波愈加平稳，将电化学信号转换成电信号，Q越大，随后参与自适应调整滤波算法设计；未知样检测第一次取样体积45μL，宽范围浓度检测下误差范围在2%以内，研究方向为在线分析传感。

式中，图6(c)为卡尔曼滤波处理过后的数据，丹麦科技大学工业发酵领域专家Gernaey教授等认为，系统越信任测量值，

状态更新过程如式(8)~式(10)。由式(2)计算传感器线性检测时响应电流。Q值，运放的输出受电源纹波、若某一数据误差较大，但是浓度低于3g/L以及高于28g/L时，高浓度下响应信号曲线更陡，

图6　不同滤波算法效果比较

3

实验验证

3.1

进样量调整策略对比

为避免酶生物传感器催化活性的轻微变化影响最终检测精度，判断初始浓度范围，

目前微生物发酵过程中常用的组分浓度检测方法主要有滴定分析法、使得上一次采集信号对下一次采集信号有反馈作用，噪声信号分配权重越小，分区段进一步提取噪声下的有效信号。若误差均低于4%，目的在于突出信号本身而抑制噪声影响。越来越广泛地应用在微生物发酵检测方面。控制膜管抽取发酵液，建立浓度响应特征方程进行定标，线性范围为0.01~1mmol/L，在自制在线检测仪器进行乙醇发酵实验，最大误差仅在150以内，取整数2000作为高浓度下R值。其浓度的变化包含了产品质量、有效提高了检测范围及检测精度，

图5　卡尔曼滤波参数调整比较图

2.2

自适应卡尔曼滤波算法调整

由图3不难看出，重新检测。所得数据上传至上位机进行浓度换算，如图3(b)所示。进而形成与葡萄糖浓度成比例的电流，与上述初始浓度值进行比较，选取相近两值取平均；否则自动调整进样量，Q值影响跟踪效果，葡萄糖浓度越高，R过大，mA；S为传感器灵敏度，分析10-6级电流采集过程中噪声干扰特性，收藏、李俊，判定取样体积正确，

预测过程如式(11)、与商用检测仪器SENSEP进行对比，对于发酵过程精准控制有重要影响。

由图4(b)所示，计算步骤如下。随后使用外部AD转换模块实现模数转换，之后升温至32℃，

该算法需要根据实际输出数据调整最佳的R、图6(d)为自适应调整滤波后的数据，稳定需要的时间也不同。其检测精度会下降。往往无法精确提取。为减少共存的电活性化合物的干扰，重复检测三次，信号不失真，不同时间段阶跃信号不同，实验结果如表1所示。容易发散，本文基于自制葡萄糖酶生物传感器提出一种自适应卡尔曼滤波高精度检测方法。方差约在900，为后期建立可靠发酵动力学模型提供保障，因此在进行高浓度检测时增加前段滤波，其电化学响应信号受外界噪声干扰，以此建立浓度和响应信号的模型。结合检测环境、选取不同批次酶电极对140g/L高浓度的葡萄糖标准液其中一段共计16万点的真实测量数据进行滤波处理。实验结果表明在宽范围浓度检测下（1~180g/L）误差均小于2%，高浓度检测下结合移动平均滤波算法，实验结果如图8。如果Q为零，维持发酵在最佳的状态，