一、选题的目的与意义 在微生物发酵过程中，各种检测参数包括在线参数、离线参数、计算后的间接参数)间存在着错综复杂的相关性，并且随着代谢过程的进行而变化各参数间的相关性可分为理化相关、生物相关和综合相关。

在发酵工艺中，很多控制参数(补充原材料速率、PH值、溶解氧等)都会对发酵过程产生重要的影响，因此控制好这些参数的变化就会使得最终发酵产量提高。

但是多数发酵过程都是极其复杂的，而且发酵过程中存在着非线性、时变性、滞后性和不确定性等特点，内在机理非常复杂[21]。

因此为了满足企业所追求高生产率和低成本的要求，发酵过程的建模已经成为发酵工程的基本问题，准确的模型有利于进一步找到更好的控制和优化参数的方法，并且控制好参数可以使发酵处于优化状态，最终可以使产量得到提高。

本课题以基因构建后产酸性磷酸酯酶的枯草芽孢杆菌为对象，采用5L的通用型生物反应器进行发酵。

枯草芽孢杆菌是一种好氧微生物，在好氧微生物的发酵过程中，氧是关键底物，由于氧在水溶液中的溶解度较低，在发酵过程中，氧需要连续供应，氧的传递往往是好氧微生物发酵中的限速步骤，体积传质系数（kLa）的测量与预测对生物反应器的设计、操作和放大有很大的影响，发酵过程中的氧传递速率（OTR）必须是已知的，发酵液中的溶解氧浓度取决于氧气从气相转移到液相的速率、氧气进入细胞的速率和微生物对氧气的吸收率（OUR）[3]。

目前，搅拌式生物反应器由于具有良好的传质、传热和混合性能，而广泛应用于各种生物反应过程，在发酵过程中，影响传质和混合最重要的变量就是搅拌桨的数量和选型、搅拌器的转速和气体流量，其他变量还包括细胞的浓度和形态、表面活性剂、离子强度等等[14] [16]。

氧浓度的动力学模型对于好氧微生物发酵过程是必不可少的，因此本课题的目的是建立溶氧与搅拌速率和通气量两个控制参数之间的关联模型，预测最佳实验操作，以提高氧转移效率。

二、国内外研究进展 近年来，为了适应我国发酵工业迅速发展，建立发酵过程的动力学模型实现发酵过程的优化控制成为了研究新方向。

陈进东等人以传统的发酵动力学模型为基础，结合神经网络进行混合建模对青霉素发酵过程进行建模实现对一些重要过程变量的在线测量。