Abstract:
El presente trabajo es el desarrollo y diseño de un Sistema Híbrido Neuro-Difuso (SHND) para la estimación de variables en un proceso de fermentación, en este caso, alcohólica con Saccharomyces cerevisiae. La construcción del SHND surge de la necesidad de generar nuevas herramientas para la estimación de variables en línea durante un bioproceso, pero sobre todo, para generar una estimación con mejor precisión y en tiempo real. Este sistema permite estimar y controlar algunas de las variables más importantes del proceso de fermentación, como son biomasa (X), sustrato (S) y producto
(P), y pH y temperatura, respectivamente. El sistema del Neuro observador permite estimar otras variables a partir de una señal de entrada y una señal de salida en la planta. La biomasa (X), el sustrato (S) y el producto (P) pueden ser estimados a partir de la concentración de CO2 liberado durante la producción de etanol; además la concentración de CO2 refleja directamente la producción de etanol. Por eso, la concentración de CO2 requiere ser monitoreada por sensor físico que es relativamente económico y sin la necesidad de más sensores para el monitoreo de las demás variables.
El diseño del SHND tuvo lugar en la plataforma de Matlab-Siulink 2009a.
Las técnicas aplicadas para su construcción provienen de la teoría de Redes Neuronales Diferenciales (RND) y Control por Lógica Difusa. La primera como base de desarrollo de los llamados sistemas de inteligencia artificial y la segunda como sistema inteligente de control. El SHND consta de un Neuro observador de estados tipo Luenberger y un sistema de control difuso para estimar y regular las variables en la planta en tiempo real, al grado de que se requieren únicamente sensores físicos para CO2, temperatura y pH.
El desarrollo de 2 fermentaciones alcohólicas anóxicas en un biorreactor de tanque agitado de 5 litros fue necesario para la obtención de los parámetros cinéticos para el proceso de entrenamiento y aprendizaje del Neuro observador. También se obtuvieron bases de datos correspondientes a pH y temperatura de las fermentaciones. Estas dos variables y la concentración de sustrato estimada por el NO formaron parte de las variables de entrada al sistema difuso, la señal de respuesta en volts funciona como un activador de los sistemas de regulación para cada uno de estos estados.
Los resultados obtenidos de las estimaciones de variables por la RND y el NO difieren en el grado de robustez y por lo tanto en la convergencia del error hacia cero.