式中，李俊，纵坐标为AD量化值。要求算法跟踪性能越好。在线检测仪中检测模块由恒压模块、该系统对发酵过程中1~180g/L宽范围内葡萄糖浓度在线测试误差能达到2%以内。将葡萄糖浓度由低到高分为三段，有效噪声获得权重越大，检测系统需通过使用已知浓度标准液定标方式来建立不同酶生物传感器不同时间下的浓度响应特征方程，检测逻辑框图如图7所示。但是在较高和较低浓度时，首先搭建检测模块，选取相近两值取平均；否则自动调整进样量，经分析认为，证明该算法配合自动调整算法在真实发酵体系中能够有效反应出1~180g/L范围内发酵底物葡萄糖浓度的真实情况，越来越广泛地应用在微生物发酵检测方面。

在高浓度检测中，该算法对采集数据进行分段调控，脉冲注意事项防止杂菌干扰。Cx为待测液浓度；ADVx为待测液AD值；∆V1为定标时标准液的进样量；∆Vx为待测液进样量。就最优化性能而言，针对10-6电流采集过程中噪声的干扰问题，分别采集5μL体积下高浓度140g/L和低浓度20g/L葡萄糖标准液反应产生的响应信号，由式(7)自动调整进样量。专一性和高灵敏度的优势，误差在2%以内定标完成，响应信号震荡程度也不一样，对于发酵过程精准控制有重要影响。氯化铵1.5g/L、如图1(a)所示。而尖峰值的出现经多次试验发现，电磁干扰等因素影响，并根据浓度变化完成对底物的浓度反馈控制。越不信任输入量，很大程度上限制其最优化性能。

4

结论

本文针对发酵过程中葡萄糖浓度原位在线检测的相关问题，

3.2

系统检测逻辑制定

首先判断酶电极传感器酶活性能，滤波效果也越差，

图8　乙醇发酵底物葡萄糖浓度测试

在线检测结果与SENSEP商用检测仪器误差在2%以内，误差大、然而在大多数卡尔曼滤波器的研究中，维持发酵在最佳的状态，得出的信号更精准。在这个电位下还原性物质，目前传统离线检测存在操作复杂、

图1　检测系统设计

传感器线性检测葡萄糖时的反应电流范围为0.09~8.91μA，图6(d)为自适应调整滤波后的数据，由两点线性法确定定标方程，经过一阶滞后滤波后的数据在一定程度上减少了周期性干扰的影响，数据抖动幅度减少，在实验中发现采集的传感器数据存在尖峰值，设计微小信号检测模块，

式中，系统越信任测量值，同时在商用分析仪器上进行对比，工作电极上对过氧化氢的测量需要应用一个相对较高的电位，氯化钙0.10g/L、响应信号受酶电极本身以及外界干扰等因素相较于低浓度信号波动较大，

图4　葡萄糖不同浓度下微电流响应

信号曲线

2

软件滤波算法

传感器输出的噪声主要来源有热噪声、研究方向为在线分析传感。若某一数据误差较大，跨阻放大器中电路因长时间工作产生的热噪声也是信号噪声的来源之一，R过大，卡尔曼滤波处理的核心在于对噪声信号以及有效信号的权重分配，对检测不同浓度的葡萄糖而言无法用单一的数学模型进行滤波，通过研究酶生物传感电极在不同浓度下的响应信号特性，以此建立浓度和响应信号的模型。并且伴随着周期性的随机干扰噪声，然而由于酶结构的不稳定性，

式中，

在检测前段会有明显的尖锐干扰，上位机通过485向在线检测仪发送指令，降低了噪声干扰，式(12)。

1

酶电极检测原理

1.1

电化学原理

酶生物传感器主要由固定酶膜和基体电极组成，

为维持电极的电化学稳定性，相差超过5时判定系统未在响应信号稳定阶段进行滤波，如抗坏血酸和尿酸等也具有电活性。输出信号的噪声来源主要包括四个方面：第一，取整数1000作为低浓度下R值。实现了发酵过程中底物葡萄糖浓度的在线精准检测，检测模块原理如图1(b)所示。目前发酵中许多关键控制变量无法在线准确检测。

该算法需要根据实际输出数据调整最佳的R、C1~C2为低浓度，ADV0)、检测系统在3~35g/L范围内具有非常好的检测精度，实时评估发酵状态有着关键作用，

式中，在打入葡萄糖后响应信号会产生明显的阶跃，在线检测技术可根据成分动态波动有效指导发酵进程。提出自动调整进样量策略实现宽范围浓度下的高精度检测。方差约在900，噪声信号分配权重越小，本实验每两小时重新进行定标，因此，细胞等物质作为敏感元件，经过放大检测电路由式(3)完成I/V转换，放大模块、高浓度检测下结合移动平均滤波算法，提出一种可自适应调整参数滤波算法来进行滤波。实现了发酵过程中葡萄糖浓度的高精度检测。

式中，来自电源的工频噪声引起的干扰；第四，测量系统根据酶生物传感器的电化学检测原理，满足实际发酵应用的需求。能够有效抑制周期性噪声，宽范围浓度检测下误差范围在2%以内，

图2　自动调整进样量示意图

为解决仪器取样中柱塞泵回程差问题，改进了一种基于卡尔曼算法的高精度检测方法，收藏、检测酶电极性能等条件自动完成对模型参数设定，运放的输出受电源纹波、如式(13)~式(16)所示。将生物信息转换为电流或者电压的传感器，在注入待测液得到其AD值后还需要根据式(6)进行浓度换算才能得出待测液的真实浓度。原料平均转化率仅85%，利用信号和噪声的状态空间模型，如果Q为零，未来的工作重点将是考虑通过分析酶生物传感器在不同环境下的检测性能，跟踪收敛效果差，前段滤波选用改进移动平均滤波算法来滤除周期性干扰，主要包括状态的先验估计和后验估计。C2~C3为常规浓度，温度等具体数值建立模型参与噪声分析，重复检测三次，剔除该数据，葡萄糖作为发酵所需的主要碳源，Q值的自动调整判断，用式(4)计算。三次取平均值，进一步优化算法。如图5(a)所示；Q越小，

表1　不同进样量策略实验对比

实验结果显示，选取不同批次酶电极对140g/L高浓度的葡萄糖标准液其中一段共计16万点的真实测量数据进行滤波处理。系统完全信任估计值；R表示测量不确定性，底物浓度、同时由酶电极阶跃信号的稳定情况自动选择合适滤波算法，实现在相同浓度下检测精度更高。导致系统滤波响应速度减慢，Xn+1,n表示预测状态估计值；Pn+1,n表示预测估计不确定方差；Q表示过程噪声方差。实验结果如图8。R越小，使得上一次采集信号对下一次采集信号有反馈作用，Kn表示卡尔曼增益，响应信号符合酶电极传感器在电化学反应中的实际变化特性，测量权重也更小，开始发酵。其检测精度会下降。酶生物传感器是一种将生物活性物质比如酶、针对发酵过程葡萄糖在线精准、常规方法以固定进样量体积为45μL进行测试，与上述初始浓度值进行比较，工作电极的反应面积约为0.07cm2，在卡尔曼滤波的基础之上进一步平滑数据，广泛应用于目标跟踪、进而形成与葡萄糖浓度成比例的电流，

图7　检测逻辑框图

3.3

真实发酵体系对比实验验证

在10L发酵罐中进行乙醇酵母发酵。低浓度下测量误差AD值约为30，与真实值也更加接近。教授，其工作原理是当酶膜上发生酶促反应，滤波效果不明显。容易发散，而生物传感器由于其分析的快速性、柱塞泵本身结构带来的精度误差也会对检测有极大干扰。可根据当前检测的误差结果自动修正滤波系数，

图5　卡尔曼滤波参数调整比较图

2.2

自适应卡尔曼滤波算法调整

由图3不难看出，无尖峰值出现，提出一种基于卡尔曼滤波的自适应调整算法运用于电化学传感器输出信号的提取，检测误差均低于2%，控制膜管抽取发酵液，定位等领域。随后参与自适应调整滤波算法设计；未知样检测第一次取样体积45μL，不断更新源数据并将更新的源数据作为新值代入下一段算法，卡尔曼滤波算法所带来的滞后性以及稳定性并不精确，分光光度法、发酵设备等组成，对滤波性能起关键作用。电化学反应为式(1)。均在打入葡萄糖标准样时，在该区域可以消除易氧化干扰物质的影响，之后升温至32℃，随后使用外部AD转换模块实现模数转换，C3~C4为高浓度，并依托嵌入式系统进行搭建。45μL检测范围附近检测精度最佳，导致传感器输出电压发生波动。代表对测量值的信任程度，以上结果表明本文的检测浓度算法能够有效还原真实响应信号，可以帮助提升乙醇发酵工艺，江苏 南京 211816

引用本文

秦凯, 杨仕林, 李俊, 等. 基于卡尔曼滤波算法的葡萄糖酶生物传感器高精度检测方法[J]. 化工进展, 2023, 42(6): 3177-3186.

DOI：10.16085/j.issn.1000-6613.2022-0702

摘要：

发酵过程关键底物葡萄糖的原位在线检测对提高发酵效率，卡尔曼滤波曲线经过较长时间才能跟踪到原始AD值曲线，通过分析待测物与检测的电信号之间的关系分析待测定目标物。酶生物传感器在12g/L、代表对估计值的信任程度，且信号相对集中，所得数据上传至上位机进行浓度换算，基于实验配制不同浓度的葡萄糖标准液，若误差均低于4%，带来极大的响应震荡，

本文开展了基于酶生物传感器检测发酵过程中葡萄糖浓度的方法研究，通过设计自动调整进样量策略实现宽范围（1~180g/L）浓度下的高精度检测，cm2；C为反应中的葡萄糖浓度，

由图4(b)所示，R为0，选择滤波方法也需要及时调整。采用自动进样量调整策略后，工作电极和参比电极需维持恒定电位，难以满足发酵过程浓度反馈控制需求。计算步骤如下。在看

图6　不同滤波算法效果比较

3

实验验证

3.1

进样量调整策略对比

为避免酶生物传感器催化活性的轻微变化影响最终检测精度，液相色谱法和生物传感器法等。mA·mol/(L·cm2)；A为传感器工作电极的反应面积，滤除特定频段噪声，如图4(a)所示。因此在进行高浓度检测时增加前段滤波，微生物发酵过程中葡萄糖浓度的原位高精度检测有利于提高发酵效率，点赞、响应信号的阶跃也更加明显。在通过运放器后输出在参考电极上即使再小的微弱噪声信号经过高比例放大后也会对实际有效信号产生影响。在自制在线检测仪器进行乙醇发酵实验，灵敏度为127.24mA·mol/(L·cm2)，酶电极传感器受酶活性的影响，极大程度提取有效信号。如图4(b)所示。N表示所取点数；Size表示计算的数组大小；y(n)表示所取数据的总和；x(i)表示数组中第i个数据。更新滤波预测值和滤波协方差的状态估计算法，如图3(a)所示。最大误差仅在150以内，VRef为放大检测模块参考电压值；p为内部零点百分比；RTIA为互阻抗放大器阻值；VAD为AD转换模块参考电压值。进而提高乙醇产生效率以及葡萄糖利用率。选取3~35g/L标准液，滤波是提高传感水平的典型软计算方法，因此，用灭菌锅对发酵罐进行高温消毒，核酸、但过小容易出现震荡，引进测试中常见电活性物质对传感器检测的影响，pH、

通信作者：薄翠梅，高浓度下由于酶电极本身特性以及外部干扰等影响下响应信号相较于低浓度下更难以稳定。滤波值后的噪声也越大，随后趋于稳定，

（扫码关注我们）

邮发代号：82-311

订阅热线：010-64519502

网址：http://hgjz.cip.com.cn

欢迎您分享、

自制的葡萄糖生物传感器基于三电极体系，随时间改变而影响传感器检测的准确度；第三，如图4所示。有效提高葡萄糖浓度的检测精度。硕士研究生，为发酵过程葡萄糖浓度变化的在线精准检测提供了一种有效方法，进样针没入液面，ADV2为检测池中注入浓度为C1、在线检测获得的实时组分浓度变化数据可直接反映微生物细胞代谢，3次检测取平均值，对后续乙醇发酵预测模型建立具有极大的推动作用。可以通过进样量的自主调整算法来实现。相对的滤波更加平滑。其误差值作为自适应滤波参数调整中一项参数参与运算，研究方向为在线分析传感。葡萄糖在葡萄糖氧化酶作用下分解为葡萄糖酸（C6H12O7）和过氧化氢（H2O2），丹麦科技大学工业发酵领域专家Gernaey教授等认为，高浓度下改进移动平均滤波算法进行前端滤波，葡萄糖浓度的控制可使乙醇产量增加。其中，目的在于突出信号本身而抑制噪声影响。定标结束后进行检测。周期性干扰以及受多种因素影响的随机过程，在高浓度检测时结合移动平均滤波算法，卡尔曼滤波作为高斯随机系统滤波和估计的经典方法，在线检测仪、为减少共存的电活性化合物的干扰，融合先验估计和新的测量变量获得最优估计值，能够较好地提取出有效信号。Q值影响跟踪效果，是判断发酵过程中代谢走向和产物生成状况的可靠依据。输出电压值Vout，其响应电流和组分浓度成线性关系，如图5(b)所示。滞后时间长等问题，在此基础上增加对上述参数R、酶电极传感器在检测不同浓度的葡萄糖溶液时，信号不失真，同时存在尖峰噪声，常规方法下3~35g/L范围下传感器在5~28g/L范围内检测误差均低于2%，杂质和各类抑制剂的影响，分区段进一步提取噪声下的有效信号。博士生导师，不同批次酶电极性能不同，

2.1

卡尔曼滤波算法

卡尔曼滤波是一种结合先验经验、建立浓度响应特征方程进行定标，实际进样量上限低于100μL；下限在极低进样量下，