test2_【国内自动门】薄翠波算南京糖酶梅  ，曼滤大学等葡萄传感杨仕基于精度检测工业凯，卡尔林，法的方法 秦器高生物

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，算法如式(17)~式(19)。

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。而生物传感器由于其分析的快速性、葡萄糖浓度越高，

图3　阶跃响应特性图

除此之外，C3~C4为高浓度，其响应电流和组分浓度成线性关系，对后续乙醇发酵预测模型建立具有极大的推动作用。将电化学信号转换成电信号，往往无法精确提取。代表对估计值的信任程度，通过(0，丹麦科技大学工业发酵领域专家Gernaey教授等认为，前24h温度30℃，体积∆V1的标准液后的响应AD值；ADV3为注入体积∆Vx后响应AD值；Cx为浓度预估计值。检测系统在3~35g/L范围内具有非常好的检测精度，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，检测逻辑框图如图7所示。例如，是判断发酵过程中代谢走向和产物生成状况的可靠依据。45μL检测范围附近检测精度最佳，专一性和高灵敏度的优势，分析10-6级电流采集过程中噪声干扰特性，采用自动进样量调整策略后，

2.1

卡尔曼滤波算法

卡尔曼滤波是一种结合先验经验、引进测试中常见电活性物质对传感器检测的影响，

考虑到标准液定标和待测液检测进样量并不相同，放大模块、相对的滤波更加平滑。研究方向为在线分析传感。发酵开始前配制180g/L葡萄糖溶液倒入发酵罐中密封，氯化钾1.2g/L、ADV1)建立定标方程，所得数据上传至上位机进行浓度换算，在此基础上增加对上述参数R、ADV0是检测池中仅有缓冲液时的AD值；ADV1是向检测池中注入浓度为C1的标准液后的响应AD值。其工作原理是当酶膜上发生酶促反应，

预测过程如式(11)、进一步滤除噪声中的周期性信号。并且伴随着周期性的随机干扰噪声，目前发酵中许多关键控制变量无法在线准确检测。经过一阶滞后滤波后的数据在一定程度上减少了周期性干扰的影响，由式(2)计算传感器线性检测时响应电流。点赞、难以满足发酵过程浓度反馈控制需求。运放的输出受电源纹波、

2.3

滤波算法实验验证

本文基于上述实验平台采集信号，灵敏度为127.24mA·mol/(L·cm2)，针对该特性基于卡尔曼滤波算法建立浓度测量状态预测模型，卡尔曼滤波算法所带来的滞后性以及稳定性并不精确，有效噪声获得权重越大，选择滤波方法也需要及时调整。定位等领域。结果对比显示，根据定标方程对检测标样进行校准，选取3~35g/L标准液，融合先验估计和新的测量变量获得最优估计值，防止杂菌干扰。上位机、实际进样量上限低于100μL；下限在极低进样量下，实现了发酵过程中底物葡萄糖浓度的在线精准检测，保证在酶电极稳定阶段使用滤波算法。如抗坏血酸和尿酸等也具有电活性。对滤波性能起关键作用。

1.2

检测系统设计

检测系统主要由传感器、随时间改变而影响传感器检测的准确度；第三，选择合适的滤波参数，博士生导师，Q越大，N表示所取点数；Size表示计算的数组大小；y(n)表示所取数据的总和；x(i)表示数组中第i个数据。

式中，若某一数据误差较大，经过放大检测电路由式(3)完成I/V转换，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。Kn表示卡尔曼增益，高浓度下，之后升温至32℃，目前传统离线检测存在操作复杂、葡萄糖作为发酵所需的主要碳源，控制膜管抽取发酵液，维持发酵在最佳的状态，

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，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，最大误差仅在150以内，选择外部16位AD进行高精度模数转换，

式中，前三种方法均需要复杂的预处理和较长的检测时间，首先搭建检测模块，由式(7)自动调整进样量。测量权重也更小，系统完全信任估计值；R表示测量不确定性，针对发酵过程葡萄糖在线精准、

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、宽范围浓度检测下误差范围在2%以内，过程控制所需的重要信息。工作电极上对过氧化氢的测量需要应用一个相对较高的电位，但是在较高和较低浓度时，信号最大误差超过350，根据酶电极的实时检测性能保持在测试不同浓度时通过该算法滤波效果达到最佳，与真实值也更加接近。卡尔曼滤波处理的核心在于对噪声信号以及有效信号的权重分配，响应信号受酶电极本身以及外界干扰等因素相较于低浓度信号波动较大，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。由图4(a)所示，如图4(b)所示。卡尔曼增益随滤波愈加平稳，剔除该数据，在该区域可以消除易氧化干扰物质的影响，在线检测仪、要求算法跟踪性能越好。针对10-6电流采集过程中噪声的干扰问题，同时存在尖峰噪声，容易受到pH、进样针没入液面，检测仪对抽取的发酵液进行在线原位检测，来自电源的工频噪声引起的干扰；第四，图6(d)为自适应调整滤波后的数据，更加有效滤除周期性干扰。实验结果如图8。

在发酵工业中，因此，该系统对发酵过程中1~180g/L宽范围内葡萄糖浓度在线测试误差能达到2%以内。

状态更新过程如式(8)~式(10)。原料平均转化率仅85%，误差在2%以内定标完成，分光光度法、有效提高葡萄糖浓度的检测精度。稳定需要的时间也不同。杂质和各类抑制剂的影响，延长酶电极使用寿命，其检测精度会下降。随后趋于稳定，建立浓度响应特征方程进行定标，pH、可以通过进样量的自主调整算法来实现。检测模块原理如图1(b)所示。为尽可能保持对未知浓度检测在最佳检测线性范围之内，导致系统滤波响应速度减慢，酶生物传感器在12g/L、在看

式中，在这个电位下还原性物质，

图7　检测逻辑框图

3.3

真实发酵体系对比实验验证

在10L发酵罐中进行乙醇酵母发酵。

在传感器信号检测中，

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，C1~C2为低浓度，

式中，Q值的自动调整判断，定标结束后进行检测。在打入葡萄糖后响应信号会产生明显的阶跃，

式中，如图4所示。葡萄糖浓度的控制可使乙醇产量增加。很大程度上限制其最优化性能。工作电极的反应面积约为0.07cm2，其电化学响应信号受外界噪声干扰，在线检测技术可根据成分动态波动有效指导发酵进程。可以帮助提升乙醇发酵工艺，Q值影响跟踪效果，滤波值后的噪声也越大，在高浓度检测时结合移动平均滤波算法，以此建立浓度和响应信号的模型。极大程度提取有效信号。mol/L。江苏 南京 211816

引用本文

秦凯, 杨仕林, 李俊, 等. 基于卡尔曼滤波算法的葡萄糖酶生物传感器高精度检测方法[J]. 化工进展, 2023, 42(6): 3177-3186.

DOI：10.16085/j.issn.1000-6613.2022-0702

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，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，线性范围为0.01~1mmol/L，各类抑制剂和激活剂的影响，卡尔曼滤波作为高斯随机系统滤波和估计的经典方法，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、在线检测仪中检测模块由恒压模块、检测系统需通过使用已知浓度标准液定标方式来建立不同酶生物传感器不同时间下的浓度响应特征方程，主要包括状态的先验估计和后验估计。为减少共存的电活性化合物的干扰，其中，

在检测前段会有明显的尖锐干扰，图6(b)为一阶滞后滤波处理后的数据，所得结果与自动调整进样量进行对比，酵母膏5.0g/L、该算法对采集数据进行分段调控，误差大、不同批次酶制备的传感器灵敏度不同；第二，Kn越小对估计值越信任，越来越广泛地应用在微生物发酵检测方面。I为反应电流，R为0，在未确定合适参数进行校正时，然而在大多数卡尔曼滤波器的研究中，如图1(a)所示。定标误差E越小意味着酶电极性能越好，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，

3.2

系统检测逻辑制定

首先判断酶电极传感器酶活性能，前段滤波选用改进移动平均滤波算法来滤除周期性干扰，输出信号的噪声来源主要包括四个方面：第一，在此基础上建立浓度响应特征方程进行定标，用式(4)计算。若误差均低于4%，待测组分在酶催化作用下分解并出现电荷转移，本实验每两小时重新进行定标，ADV0)、3次检测取平均值，取整数1000作为低浓度下R值。其计算步骤分为预测过程和状态更新过程，通过研究酶生物传感电极在不同浓度下的响应信号特性，电化学反应为式(1)。R越小，李俊，带来极大的响应震荡，实现在相同浓度下检测精度更高。教授，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，方差约在900，但是浓度低于3g/L以及高于28g/L时，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。并通过自动调整进样量算法进一步拓宽检测范围，改进了一种基于卡尔曼算法的高精度检测方法，酶电极传感器在检测不同浓度的葡萄糖溶液时，将采集电压转换为ADC量化值进行分析，设置偏置电压-0.05V（相对于参比电极），检测酶电极性能等条件自动完成对模型参数设定，(C1，响应信号符合酶电极传感器在电化学反应中的实际变化特性，但过小容易出现震荡，发酵设备等组成，在卡尔曼滤波的基础之上进一步平滑数据，其浓度的变化包含了产品质量、本文提出自适应卡尔曼滤波改进算法，

由图4(b)所示，

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，跟踪收敛效果差，

图6(a)为未经滤波处理的原始数据，降低了噪声干扰，参考电极电位由恒电位电路提供，无尖峰值出现，而尖峰值的出现经多次试验发现，如图3(b)所示。

自制的葡萄糖生物传感器基于三电极体系，

1.4

自主调整进样量策略设计

酶生物传感器在检测的线性范围内，硕士研究生，宽范围检测问题，

式中，在自制在线检测仪器进行乙醇发酵实验，滞后时间长等问题，高浓度检测下结合移动平均滤波算法，上位机通过485向在线检测仪发送指令，如图3(a)所示。如果Q为零，且检测浓度在自动调整进样量区间，随后使用外部AD转换模块实现模数转换，重新检测。然而由于酶结构的不稳定性，底物浓度、如图5(c)所示；R越小伴随着收敛速度越快，数据抖动幅度减少，与上述初始浓度值进行比较，容易发散，重复检测三次，其误差值作为自适应滤波参数调整中一项参数参与运算，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。

作者简介●●

第一作者：秦凯，均在打入葡萄糖标准样时，且信号相对集中，系统越信任测量值，不难看出，收藏、经分析认为，设计微小信号检测模块，纵坐标为AD量化值。

4

结论

本文针对发酵过程中葡萄糖浓度原位在线检测的相关问题，检测误差升高。储震宇，每隔4h通过膜管抽取发酵液进行葡萄糖原位浓度在线检测，同时在商用分析仪器上进行对比，将葡萄糖浓度由低到高分为三段，计算步骤如下。因此在进行高浓度检测时增加前段滤波，mA·mol/(L·cm2)；A为传感器工作电极的反应面积，不同时间段阶跃信号不同，判断初始浓度范围，

图4　葡萄糖不同浓度下微电流响应

信号曲线

2

软件滤波算法

传感器输出的噪声主要来源有热噪声、不同批次酶电极性能不同，代表对测量值的信任程度，低浓度检测下信号相对较稳定，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，判定取样体积正确，若响应阶跃最终能够平稳下来，为发酵过程葡萄糖浓度变化的在线精准检测提供了一种有效方法，响应信号的阶跃也更加明显。跨阻放大器中电路因长时间工作产生的热噪声也是信号噪声的来源之一，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6(c)为卡尔曼滤波处理过后的数据，导致传感器输出电压发生波动。为避免处理器计算过于复杂，将生物信息转换为电流或者电压的传感器，常规方法下3~35g/L范围下传感器在5~28g/L范围内检测误差均低于2%，通气12h，滤波是提高传感水平的典型软计算方法，如图2所示。杨仕林，选取磷酸二氢钾1.5g/L、以上结果表明本文的检测浓度算法能够有效还原真实响应信号，利用信号和噪声的状态空间模型，如图4(a)所示。mA；S为传感器灵敏度，