秸秆发酵过程多模型软测量方法与监测系统研究

发布时间：2020-04-08 11:34

【摘要】：目前我国每年主要农作物秸秆产量达7.5~9.94亿吨,而农作物秸秆处理方法主要包括:焚烧、还田、饲料、栽培食用菌和沼气等。但70%的秸秆资源还是作为以秆代煤/直接燃烧。这不仅会破坏地表土壤结构、使地表水分大量蒸发,同时会造成资源浪费和温室效应。如果能将其中10%生产燃料乙醇,将获得800万吨的乙醇产量,节约粮食300万吨左右。因此秸秆资源制取燃料乙醇,在解决了资源浪费的同时,保护了环境,给农民增加创收。随着秸秆发酵制取燃料乙醇进程的不断发展,生产及规模化的逐渐扩大,其控制过程也向自动化和智能化转变,通过对发酵过程中一些显示发酵过程优劣的参量进行在线监测是实现自动控制的前提和基础。但由于发酵内部机理复杂,经济和技术原因都使得一些参量难以在线实时测量,目前传统方法是将发酵过程中的产物取出,进行离线化验。这种方法存在很大的测量延时和误差,严重影响了后期对发酵过程的观察和控制。基于上述问题,本课题研究设计了一种“多模型软测量”方法并配套研制了一种基于嵌入式的秸秆发酵制取燃料乙醇监测系统,通过软测量方法,对发酵过程中难以测量的关键参量(乙醇浓度、残糖含量、菌体活性)进行实时在线监测。论文首先介绍了秸秆发酵燃料乙醇的目的及前景,同时指出发酵过程控制中存在的问题,为后文的研究内容做铺垫。其次,详细介绍了本文采用的软测量算法理论和软测量平台软硬件设计。软测量理论为:针对单一回归模型不适应新的工况,运用一种多模型软测量建模方法,该多模型软测量包括了核模糊C均值聚(Kernel-based fuzzy c-means algorithm,KFCM)数据分理论、最小二乘支持向量机(Least squares vector machine,LS-SVM)建模理论和自适应变异差分进化算法(Adaptive mutation different evolution,AMDE)模型优化理论,最终将算法用于秸秆发酵关键参量的软测量中,通过仿真实验显示可以得到合适的惩罚系数C和径向基宽度?,优化后的算法比传统方法在优化精度和训练的速度有了明显的提升。监测系统设计包括:STM32F103ZET6最小系统为核心的系统数据采集模块,实现数据从发酵现场采集并传输到主控模块的任务;ARM11作为主处理器的核心主控模块,完成了将采集到的数据进行分析、软测量处理、显示等功能。最后将研制的软测量平台运用在秸秆发酵实际过程中,通过PC机上的模拟和嵌入式平台上的测试应用,证明了该系统可以完成多模型软测量算法的移植和秸秆发酵过程的监测。本次课题研究的秸秆发酵多模型软测量监测系统具有实时监测秸秆发酵关键参数并通过显示屏显示的功能,为今后工业生产过程中难以测量量的监测与实时显示提供了一定的借鉴。
【图文】：

示意图,秸秆发酵,过程,示意图

浓度等参量对最终产物量有着巨大的影响[44]。传感器方法局限性比较大，且分析仪器价格昂贵，维护保养困难，难以提供实时质量信息作为质量控制的信，目前难以实现产业化。传统方法是发酵现场采用人工离线取样检测这种方法带来的后果是滞后时间长、测量误差大，严重影响控制系统的设计化，给提升发酵过程的生产效率、产品产出与质量带来了巨大困难，所以迫要一种方法以实时在线检测这些不可直接测量的关键生物量。1 秸秆发酵过程分析本课题重点研究秸秆发酵制取燃料乙醇软测量监控系统的设计与实现，因秆发酵原理与过程在此作简要说明。秸秆资源发酵是利用其含有木质纤维要是纤维素和半纤维素)进行水解得到生物质水解后糖液，再经过酵母菌厌吸消耗糖原的同时对糖生物质原料中的单糖和双糖转换为乙醇[48, 49]。

生长特性,酵母菌

具体秸秆发酵过程如图 2.1 所示，因本文重点研究发酵过程监测问题，酵过程做简要介绍。本课题研究中采用的是同步糖化发酵法(SSF)，该酶水解和发酵结合起来，在同一发酵罐同时进行，纤维素被纤维素酶糖，酵母能及时将糖转化为乙醇。SSF 方法不仅简化了流程，而且解决了水解过程带来的抑制作用，有利于提高纤维素酶解效率和减少酶用量。工艺还具有减少发酵时间、降低设备投资和减少外部微生物污染等优酵母菌生长特性秸秆发酵过程中，，酵母菌的生长可分为迟滞期、对数生长期、稳定期和个阶段，如图 2.2 显示了酵母菌生长特性。从图中我们可以看出，随着长酵母菌的数目越来越多，最直观的体现就是发酵产物乙醇的大量产前期、中期与后期酵母菌的生长对环境有着不同要求并且生长速率上呈阶段特征[44, 45]。
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TQ223.122;TQ920.6

【参考文献】