Nöral ağ ve bulanık mantık ile endüstriyel ekmek mayası fermentasyonu modelleme ve kontrolü

Abstract

NORAL AG VE BULANIK MANTIK İLE ENDÜSTRİYEL EKMEK MAYASI FERMANTASYONU MODELLEME VE KONTROLÜ Cihan KARAKUZU Anahtar Kelimeler: Bulanık Mantık, Sinir Ağı, Fermantasyon, Ekmek Mayası, Biyoproses Biyoproses Modelleme, Biyoproses Kontrolü Özet: En temel gıda olan ekmeğe lezzet vermesi bakımından, ekmek mayasımn ve üretiminin önemi tartışılmazdır. Bu sebeple endüstriyel olarak ekmek mayası üretimi giderek önem kazanmıştır. Kontrol mühendisliği, ürünün üretilmesinde, maya hücrelerinin gelişmesini sağlayacak istenilen koşullan sağlamakla yükümlüdür. Üretim halen önemli hammaddelere ait önceden belirlenmiş besleme profillerine dayalıdır. Endüstride önceden belirlenmiş ve sabit besleme profillerinin kullanılması sebebiyle, beklenilmeyen bazı durumlarda manuel müdahelelere gerek duyulmaktadır. Bu sebeple besleme için sisteme akıllı kontrolörlerin katılması arzu edilir. Bu tezde, özgül üreme hızı ve çözülmüş oksijen konsantrasyonunu ayar değerlerinde tutacak, melas ve hava hammaddelerinin besleme hızlarının belirleyen bulanık bir kontrolör geliştirilmiştir. Kontrolör tasarımı ve testinde kullanılmak üzere prosesin benzetim modelinin elde edilmesi en önemli aşamadır. Kesikli, yan-kesikli ve sürekli fermantasyon ekmek mayası üretim proseslerinin benzetim modelleri elde edilmiştir. Bu modeller fizyolojik/fiziksel yasa ve eşitlikliklere dayalı modellerdir. Maya hücresi (kinetik) modelinin bazı terimleri endüstriyel ölçekli yan-kesikli fermentörden alman ölçümlere dayalı olarak güncellenmiştir. Kesikli ve sürekli fermantasyon benzetim modellerinin doğruluğu literatürden alman deneysel laboratuvar verileri ile sağlanmıştır. Yan-kesikli fermantasyon modelinin sağlaması ise endüstriyel ölçekli bir fermentörden alınan ölçümlerle yapılmıştır. Benzetim modellerinin bazı parametreleri bu veriler kullanılarak çıkanlmıştır. Bu çalışmanın amacı, endüstriyel ekmek mayası üretiminde melas ve hava hammaddeleri besleme hızlarının kontrolünün sağlanmasıdır. Bunun için, kontrol yapısındaki geribeslenen değişkenlerin çevrimiçi (on-line) ölçülebilir olması gerekir. Bu çalışmada sunulan kontrol yapısı maya özgül üreme hızının (u) geri beslemesini gerektirmektedir, fi'nün çevrimiçi ölçülememesi sorununu çözmek için, doğruluğu sağlanmış model ve çevrimiçi ölçümlere dayalı iki farklı nöral yazılım-algılayıcı geliştirilmiştir. Bu yazılım-algılayıcılar maya derişimini ve J.'yü kestirebilmektedirler. Yazılım-algılayıcılar, endüstriyel üretim ortamından alınmış sekiz fermantasyon ölçüm seti ile test edilmiştir. Bu kestirimcilerin başanmımn oldukça iyi olduğu gösterilmiştir. Melas ve hava beslemelerini uyarlamalı olarak maniple ederek, /ı ve oksijen derişimini doğrudan, etanol derişimini ise dolaylı olarak gizliden kontrol eden bulanık bir kontrolör geliştirilmiştir. Tasarlanan bulanık kontrolör, benzetim modeli ile ayarlanmış ve detaylı olarak test edilmiştir. Bu kontrolör ile iyi sonuçlar alınmıştır. Bu tezde sunulan kontrolör, endüstriyel üretim ortamında kullanılan SCADA yazılımına bir kaç alt yazılım eklenerek kolayca uygulanabilecek yapıya sahiptir.

MODELLING AND CONTROL OF INDUSTRIAL BAKER YEAST FERMENTATION USING NEURAL NETWORKS AND FUZZY LOGIC Cihan KARAKUZU Keywords: Fuzzy Logic, Neural Network, Fermentation, Baker Yeast, Bioprocess Modelling, Bioprocess Control Abstract: There is no doubt on the importance of baker yeast and its production for being the most basic nutrient of human being. Therefore, industrial production of baker yeast is increasingly becoming important. The control engineering has to ensure that the yeast will grow under favourable conditions to produce the yield. Yet, currently, most of the production techniques used are based on predetermined fixed feeding profiles of important nutrients. Since predetermined and fixed feeding schedule lias been used in industry, manual manipulations are needed in some unexpected status. It is desirable to incorporate an intelligent controller into the feeding system if possible. In this dissertation, a fuzzy controller is proposed to determine molasses and air feeding rate for keeping desired set points of specific growth rate of yeast cells and dissolved oxygen concentration. The first step is to make a simulation model of the process that can be used for designing and testing controller. Batch, fed-batch and continuous fermentation simulation model of the baker yeast production process have been derived. These models are based on physiological/physical laws and equations. Some terms of the yeast (Saccharomyces cerevisiae) cell model (kinetic model) have been updated based on measurements given from industrial scale fed-batch fermentor. The simulation models of the both batch and continuous fermentation have been validated with experimental laboratory data obtained from the literature. The simulation model of the fed-batch fermentation has been validated with measurements obtained from industrial scale reactor. Some parameters of the simulation models have been estimated using these data. The goal of this work is to control molasses and air feeding rates of the industrial baker yeast production. To be able to do so, feedback variables in the control structure must be on-line measurable. Proposed control structure in this work is needed to specific growth (u.) rate as feedback. The u. describes the growth of the culture and is thus a key variable. The u. can not be measured directly in the yeast production. Two different neural soft-sensors have been developed on the basis of validated model and on-line measurements in order to overcome this problem. These neural soft-sensing networks are able to estimate the u. and the biomass concentration of the baker yeast. Both of these soft-sensors have been tested with eight fermentation data set obtained from industrial scale fermentor. It is shown that the performances of these estimators are satisfactory. In this thesis, a novel fuzzy controller has been developed based on neural estimation of the u., on-line measurable ethanol concentration (Ce), oxygen concentration (C0) and fermentation time. The controller controls directly u, dissolved C0 and indirectly/embedded controls Ce by adaptive manipulating molasses and air feeding rate. The designed fuzzy controller has been extensively tuned and tested on validated simulation model of the fed- batch yeast production process. Good results have been obtained with this controller. m