Estimación heurística de parámetros para un bioproceso continuo de fermentación

Autores/as

  • Nicolás Prieto-Escobar Universidad EAFIT
  • Pablo Andrés Saldarriaga-Aristizabal Universidad EAFIT
  • Valentina Chaparro-Muñoz Universidad EAFIT

DOI:

https://doi.org/10.17533/udea.redin.n88a04

Palabras clave:

métodos de búsqueda local, quimiotactismo bacteriano, estimación de sistema de tiempo continuo, Zymomonas mobilis, algoritmos heurísticos

Resumen

El bioproceso de fermentación continua Zymomonas mobilis tiene la capacidad de producir energía a partir del catabolismo de la glucosa, lo que promete una aplicación relevante para la conversión de biomasa en combustible, y por ende representa una alternativa de producción a escala industrial para nuestro país. Sin embargo, éste ha demostrado una alta complejidad debido a algunas de las propiedades no lineales y no gaussianas de su dinámica. Varios trabajos se han enfrentado no solo con modelar el bioproceso, sino también con el diseño e implementación de controladores. Estos trabajos han desarrollado estrategias de estimación de estados y parámetros basadas en filtros de partículas y métodos gaussianos, así como cerrando el ciclo con controladores no lineales. Aun así, es necesario mejorar los resultados previos de estimación de parámetros, permitiendo el futuro diseño de estrategias de control para aplicaciones industriales. Se presenta un conjunto de algoritmos heurísticos para la estimación de parámetros de sistemas no lineales, evaluados con datos de 150 horas de fermentación. Algunos algoritmos tales como métodos de búsqueda local, recocido simulado, heurísticos de población, evolución diferencial, quimiotactismo bacteriano y otros más fueron probados para el bioproceso. Las simulaciones del modelo del microorganismo y las verificaciones experimentales mostraron el buen desempeño en la precisión de los parámetros y la velocidad de convergencia de algunos de los métodos heurísticos aquí propuestos. Además, la precisión y los aceptables costos computacionales de estos métodos demuestran que también podrían aplicarse como estimadores de parámetros para otros bioprocesos de una complejidad similar.

|Resumen
= 301 veces | PDF (ENGLISH)
= 217 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Nicolás Prieto-Escobar, Universidad EAFIT

Departamento de Ciencias Matemáticas.

Pablo Andrés Saldarriaga-Aristizabal, Universidad EAFIT

Departamento de Ciencias Matemáticas.

Valentina Chaparro-Muñoz, Universidad EAFIT

Departamento de Ciencias Matemáticas.

Citas

A. Alireza, “Pso with adaptive mutation and inertia weight and its application in parameter estimation of dynamic systems,” Acta Automatica Sinica, vol. 37, no. 5, pp. 541–549, May 2011.

A. C. R. Camêlo, J. C. Pinto, and I. O. Pinheiro, “Parameter estimation of continuous fermentations using particle swarm,” in 2/textsuperscriptnd Mercosur Congress on Chemical Engineering 4/textsuperscriptth Mercosur Congress on Process Systems Engineering, Rio de Janeiro, Brasil, 2005, pp. 1–10.

C. G. Moles, P. Mendes, and J. R. Banga, “Parameter estimation in biochemical pathways: a comparison of global optimization methods,” Genome research, vol. 13, no. 11, pp. 2467–2474, Oct 2003.

M. Rodriguez, J. A. Egea, and J. R. Banga, “Novel metaheuristic for parameter estimation in nonlinear dynamic biological systems,” BMC bioinformatics, vol. 7, no. 483, Nov 2006.

A. Amicarelli, L. Quintero, and F. Sciascio, “Substrate feeding strategy integrated with a biomass bayesian estimator for a biotechnological process,” nternational Journal of Chemical Reactor Engineering, vol. 14, no. 6, pp. 1187–1200, Abr 2016.

O. L. Quintero, A. A. Amicarelli, F. di Sciascio, and G. Scaglia, “State estimation in alcoholic continuous fermentation of zymomonas mobilis using recursive bayesian filtering: A simulation approach,” Bioresources, vol. 3, no. 2, pp. 316–334„ 2008.

M. X. et al, “Zymomonas mobilis: a novel platform for future biorefineries,” Biotechnology for biofuels, vol. 7, no. 101, Jul 2014.

L. R. Lynd, “Overview and evaluation of fuel ethanol from cellulosic biomass: Technology, economics, the environment, and policy.” Annual Review of Energy and the Environment, vol. 21, no. 1, pp. 403–465, Nov 1996.

O. L. Quintero, J. D. Nieto, A. A. Amicarelli, G. Scaglia, T. Luna, and F. di Sciascio, “Control engineering perspective of fermentation process from zymomonas mobilis : Modeling , state estimation and control,” 2008.

O. L. Q. Montoya, G. Scaglia, F. di Sciascio, and V. Mut, “Numerical methods based strategy and particle filter state estimation for bio process control,” in 2008 IEEE International Conference on Industrial Technology, April 2008, pp. 1–6.

J. Wei and Y. Yu, “An effective hybrid cuckoo search algorithm for unknown parameters and time delays estimation of chaotic systems,” IEEE Access, vol. 6, pp. 6560–6571, 2018.

J. Baxter., “Local optima avoidance in depot location,” The Journal of the Operational Research Society, vol. 32, no. 9, pp. 815–819, Dec 1981.

J. Holland., Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control, and artificial intelligence, 1st ed. University of Michigan Press, 1975.

N. Mladenović and P. Hansen, “Variable neighborhood search,” Computers & Operations Research, vol. 24, no. 11, pp. 1097–1100, Nov 1997.

R. C. White, “A survey of random methods for parameter optimization,” SIMULATION, vol. 17, no. 5, pp. 197–205, 1971.

S. Kirkpatrick, C. D. Gelatt, and M. P. Vecchi, “Optimization by simulated annealing,” Science, vol. 220, no. 4598, pp. 671–680, 1983.

S. Kitayama, M. Arakawa, and K. Yamazaki, “Discrete differential evolution for mixed discrete non-linear problems.” Journal of Civil Engineering and Architecture, vol. 6, no. 5, pp. 594–605, May 2012.

H. Bremermann, “Chemotaxis and optimization,” Journal of the Franklin Institute, vol. 279, no. 5, pp. 397–404, May 1974.

S. D. Muller, J. Marchetto, S. Airaghi, and P. Kournoutsakos, “Optimization based on bacterial chemotaxis,” IEEE Transactions on Evolutionary Computation, vol. 6, no. 1, pp. 16–29, Feb 2002.

H. Alvarez, O. Quintero, A. Angel, and M. Yepes, “Strategies for avoiding local extreme in function optimization through bacterial chemotaxis,” 08 2018.

Descargas

Publicado

2018-09-18

Cómo citar

Prieto-Escobar, N., Saldarriaga-Aristizabal, P. A., & Chaparro-Muñoz, V. (2018). Estimación heurística de parámetros para un bioproceso continuo de fermentación. Revista Facultad De Ingeniería Universidad De Antioquia, (88), 26–39. https://doi.org/10.17533/udea.redin.n88a04

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 > >> 

También puede {advancedSearchLink} para este artículo.