Modeling and Identification of ABE Fermentation Processes

• Dominik Hose ^[1] ; César de Prada ^[2] ; Gerardo González ^[2]
  1. [1] University of Stuttgart

     University of Stuttgart

     Stadtkreis Stuttgart, Alemania

     
  2. [2] Universidad de Valladolid

     Universidad de Valladolid

     Valladolid, España

     
• Localización: Actas de las XXXVII Jornadas de Automática: Madrid. 7, 8 y 9 de septiembre de 2016, 2016, ISBN 978-84-9749-808-1, págs. 278-285
• Idioma: inglés
• Enlaces
  • Texto completo
• Resumen
  • español

    Se investigan el modelado y la identificación de procesos de fermentación Acetona-Butanol-Etanol (ABE). El enfoque tradicional intenta ajustar los parametros del modelo mediante una optimización para que las simulacines coincidan con los datos experimentales. Estas optimizaciones a menudo tardan mucho y no siempre consiguen un buen ajuste por la necesidad de imponer una estructura de modelo fijo y por la no-convexidad de la función de coste resultante. Se presenta un enfoque que divide el problema en unos sub-problemas que se pueden resolver de forma más efectiva y que elige el modelo del crecimiento de celulas libremente usando ALAMO (Automatic Learning of Algebraic MOdels). Finalmente, se implementa el algoritmo y realiza una identificación con datos reales y se com- prueban los resultados mediante una validación.

  • English

    The modeling and parameter identification of an Acetone-Butanol-Ethanol (ABE) fermentation process is investigated. The traditional approach tries to adjust the model parameters by means of an optimization such that the simulations fit the experimental data. These optimizations often take a lot of time and do not achieve good fits due to the necessity of imposing a xed model structure and due to the non-convexity of the resulting cost function. A different approach, which divides the big problem into smaller and more efficiently solvable subproblems, is presented. Its advantage is that it determines a model of the cellular growth term on the go using ALAMO (Automatic Learning of Algebraic MOdels) and thus others more degrees of freedom. Lastly, the algorithm is implemented, tested and validated with real data.