Año: 2009
Autores: Amicarelli, A.;
Resumen: Los procesos químicos y en particular los bioprocesos poseen algunas o varias de las siguientes características: son altamente no lineales, multivariables, poseen dinámicas singulares y secundarias, poseen variables de difícil o imposible medición, entre las más importantes. La última característica remarca entonces, la necesidad de poseer estimaciones confiables de algunas variables involucradas en numerosos procesos, las cuales no se pueden obtener a través de sensores físicos reales. Además, en el área de control de procesos, frecuentemente se presentan objetivos de control que se contraponen, y por esta razón, las acciones de control deben ser acotadas, debido a la sensibilidad del sistema a los cambios de ciertas variables y en las condiciones de operación. Esta tesis se enfoca en un proceso biotecnológico, la producción de un metabolito secundario: La obtención de δ-endotoxinas de Bacillus thuringiensis(Bt). Debido a las características del proceso y a la problemática respecto de la medición de la biomasa en este proceso, surge la necesidad de aplicar técnicas de control y de estimación u observación de estados adecuadas. En este trabajo se completa el modelo de un bioproceso real, la producción de δ-endotoxinas de Bacillus thuringiensis. A tal fin se desarrolla un modelo fenomenológico para caracterizar la dinámica del oxígeno disuelto (OD), incorporando de esta manera la dinámica complementaria e importante a los efectos de la estimación de la biomasa y a fines de control del bioproceso. El modelo que se propone, es un modelo linealmente parametrizado basado en primeros principios. El desempeñoo del mismo es validado con datos experimentales de fermentaciones batch de Bt. Posteriormente se proponen diferentes estructuras de estimadores de estado, con la finalidad de alcanzar una estima adecuada de la biomasa. Los observadores de estado propuestos surgen de la utilización y aplicación de diversas herramientas: i) Balances basados en primeros principios; ii) Redes neuronales artificiales; iii) Fusión sensorial de los observadores a través de un Filtro de Kalman Descentralizado y iv) Regresión Bayesiana por medio de Procesos Gaussianos. Finalmente, se propone una estructura de control basada en la dinámica del oxígeno disuelto modelada anteriormente, de manera de optimizar el desempeño del proceso. El controlador se diseña utilizando métodos convencionales de Lyapunov de tal manera que se pueda asegurar la estabilidad asintótica del sistema de control.