Parameteridentifikation, Beobachterentwurf und modellprädiktive Regelung für einen biotechnologischen Prozess zur Maximierung von Pediocin-PA-1 mit Corynebacterium glutamicum unter Verwendung von Sulfitablauge

Abstract

Diese Arbeit beschäftigt sich mit der Entwicklung einer modellprädiktiven Regelung (MPC) zur Maximierung der Produktion des antimikrobiellen Peptids Pediocin PA-1 durch Bakterien des Stammes Corynebacterium glutamicum. Der zugrunde liegende biotechnologische Prozess umfasst eine Batch-Phase, in der das Bakterienwachstum stattfindet, sowie eine Fed-Batch-Phase, in der kontinuierlich Sulfitablauge als Nährlösung zugegeben wird und die Produktbildung erfolgt.Das Prozessmodell basiert auf der Monod-Kinetik. Die strukturelle und praktische Identifizierbarkeit von neun Systemparametern wird mittels Datensätzen aus sechs Prozessdurchläufen (jeweils bestehend aus Batch- und Fed-Batch-Phase) analysiert. Aufgrund von Kollinearitäten sind die Modellparameter nicht vollständig praktisch identifizierbar, weshalb ein identifizierbares Parametersubset bestimmt werden muss. Zur Parameterschätzung wird ein Algorithmus auf Basis von Latin-Hypercube-Sampling entwickelt. Die Schätzbarkeit der Parameter wird durch eine Optimierung der Probenziehzeitpunkte verbessert und experimentell validiert.Zur Schätzung der Konzentrationen von Biomasse, Glucose, Mannose und Xylose sowie des Reaktorvolumens auf Grundlage der gemessenen CO2-Evolutionsrate (CER) und der Sauerstoffaufnahmerate (OUR) werden ein Extended Kalman-Filter (EKF), ein Unscented Kalman-Filter (UKF) und ein Partikel-Filter (PF) implementiert. Die Schätzgüte dieser Filter werden sowohl in Simulationsstudien als auch unter Verwendung experimenteller Daten bewertet. In den Simulationsstudien erzielen die Zustandsschätzer eine höhere Schätzgüte gegenüber einer reinen Modellprädiktion. Bei der Verwendung experimenteller Daten kann diese höhere Schätzgüte in der Fed-Batch-Phase bestätigt werden, während in der Batch-Phase Einschränkungen aufgrund von Ungenauigkeiten im Ausgangsmodell auftreten. Das EKF zeigt unter den getesteten Beobachtern die besten Ergebnisse.Abschließend wird eine modellprädiktive Regelung entworfen, die unter Berücksichtigung von Eingangs- und Zustandsbeschränkungen die Menge an Pediocin PA-1 maximiert und den Prozess bei Erreichen dieses Maximums terminiert. In Simulationsstudien kann dadurch eine Steigerung der Menge an Pediocin PA-1 um 12,24 Prozent erzielt werden.

This study focuses on the development of a model predictive control (MPC) to maximize the production of the antimicrobial peptide Pediocin PA-1 by bacteria of the strain Corynebacterium glutamicum. The underlying biotechnological process comprises a batch phase, during which bacterial growth occurs, and a fed-batch phase, in which spent sulfite liquor is continuously added as a nutrient solution to the bioreactor and product formation takes place.The process model is based on Monod kinetics. The structural and practical identifiability of nine system parameters is analyzed using data sets from six independent processes, each consisting of a batch and a fed-batch phase. Due to collinearities, the model parameters are not fully practically identifiable. Therefore, an identifiable parameter subset is selected. Parameter estimation is performed using an algorithm based on Latin Hypercube Sampling. The estimability of the parameters is improved by optimizing the sampling times, which is experimentally validated.To estimate the concentrations of biomass, glucose, mannose, and xylose, as well as the reactor volume, based on the measured carbon dioxide evolution rate (CER) and oxygen uptake rate (OUR), the Extended Kalman Filter (EKF), the Unscented Kalman Filter (UKF), and the Particle Filter (PF) are implemented. The performance of these observers is evaluated both in simulation studies and using experimental data.In the simulation studies, the observers outperform pure model prediction. Using experimental data, the fed-batch phase confirms superior observer performance compared to model prediction, whereas in the batch phase limitations arise due to inaccuracies in the output model. Among the observers tested, the EKF exhibits the best performance.Finally, a model predictive control strategy is developed, which maximizes the amount of Pediocin PA-1 while adhering to input and state constraints and terminates the process upon reaching this maximum. In simulation studies, this leads to an increase in the amount of Pediocin PA-1 of 12.24 percent.