Upload resources

Upload your works to SEDICI to increase its visibility and improve its impact

 

Show simple item record

dc.date.accessioned 2017-04-17T17:16:56Z
dc.date.available 2017-04-17T17:16:56Z
dc.date.issued 2016
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/59639
dc.identifier.uri https://doi.org/10.35537/10915/59639
dc.description.abstract La presente tesis aborda problemas de estimación y control de procesos de alta densidad celular. Como caso de estudio particular se toma la producción de bioplásticos mediante Cupriavidus necator. Se hacen contribuciones novedosas en cuanto a modelizado de los procesos, monitorización de tasas de reacción y optimización en línea mediante control. Con el objetivo de proveer un marco más realista y preciso, se desarrollan modelos orientados al control capaces de describir las variaciones de volumen en procesos de alta densidad celular, alimentados con medios concentrados y con acumulación de productos intracelulares. Los modelos obtenidos son prácticos en cuanto a que no dependen de parámetros difíciles de obtener y son más precisos que otros previamente reportados. Para la monitorización de proceso, se desarrollan algoritmos de estimación de las tasas de reacción. Se diseñan observadores para cada una de las fases del proceso de producción de bioplásticos teniendo en cuenta las restricciones impuestas por las plantas experimentales y la incertidumbre de los modelos del microorganismo. Los estimadores propuestos utilizan los modelos de volumen antes desarrollados y constituyen un aporte importante a la monitorización de procesos en condiciones restrictivas como las presentes en procesos de alta densidad celular. Junto con el diseño de los estimadores se hacen aportes originales al análisis de errores, pruebas de estabilidad y condiciones sobres las ganancias de los algoritmos para satisfacer tasas de decaimiento de los errores. Además se proveen validaciones con resultados experimentales. La optimización en línea de los procesos viene dada por la aplicación de controles para seguimiento de extremos que buscan maximizar las tasas de reacción en puntos de operación que, a priori, no son conocidos. Se propone un novedoso esquema de control no lineal, que incluye la estimación de un gradiente que permite converger al óptimo de una función objetivo (el mapa de sustrato a tasa de reacción). Se dan por primera vez pruebas de estabilidad para este controlador, incluyendo incertidumbre estructurada. Además, se derivan condiciones de diseño sobre sus ganancias. El control propuesto mejora a los reportados en la literatura en cuanto a velocidad de respuesta y suavidad de las tasas obtenidas. Además, está basado en la utilización de sensores cuya utilización es más factible en procesos de alta densidad celular. El algoritmo de control es finalmente aplicado a la producción de bioplásticos, obteniéndose resultados muy satisfactorios. es
dc.description.abstract This thesis addresses the control and estimation problem in high cell density processes. As case of study the production of bioplastics via Cupriavidus necator is studied. Novel contributions to process modelling, monitoring and on line optimization are done. With the objective of giving a more realistic and precise process description, control oriented models are developed for the volume variations in high cell density processes. Specially, for those which are fed with concentrated media and in which intracellular products are stored. The models obtained are practical in the sense that there is no dependence with difficult to obtain parameters and are more precise than other models previously reported. For process monitoring, algorithms are developed to estimate the reaction rates of the process. Observers are proposed for each of the phases of the bioplastics production process. The estimation algorithms make use of the previously developed volume models and constitute an important contribution to process monitoring in restrictive conditions, such as the ones found in high cell density processes. Along with the design of the estimators, original contributions are made to error analysis, stability proofs and conditions on the algorithm gains to achieve given decay rates in the errors. Also, experimental validation of the estimators is provided. The on line optimization of the processes is given by the use of extremum seeking controllers whose purpose is to maximize the reaction rates at, a priori, unknown operating points. A novel non linear control scheme is proposed, including a gradient estimation which allows convergence to the optimum of an objective function (the substrate to reaction rate map). For the first time, stability conditions are given for this controller, including unstructured uncertainty. Also, conditions on the design gains are obtained. The proposed control scheme improves previously reported ones in convergence speed and the smoothness of the obtained reaction rates. Moreover, it is based on the use of sensors of feasible application to high cell density processes. The control algorithm is finally applied to the bioplastics production process, obtaining satisfactory results. en
dc.language es es
dc.subject densidad celular es
dc.subject control automático es
dc.subject optimización es
dc.subject bioprocesos es
dc.subject bioplásticos es
dc.subject monitorización es
dc.title Modelización, monitoreo y control en procesos para producción de bioplásticos es
dc.type Tesis es
sedici.creator.person Jamilis Ricaldoni, Martín Ignacio es
sedici.subject.materias Ingeniería es
sedici.description.fulltext true es
mods.originInfo.place Facultad de Ingeniería es
sedici.subtype Tesis de doctorado es
sedici.rights.license Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
sedici.rights.uri http://creativecommons.org/licenses/by-nc-sa/4.0/
sedici.contributor.director De Battista, Hernán es
sedici.institucionDesarrollo Laboratorio de Electrónica Industrial, Control e Instrumentación es
thesis.degree.name Doctor en Ingeniería es
thesis.degree.grantor Universidad Nacional de La Plata es
sedici.date.exposure 2016-09-08


Download Files

This item appears in the following Collection(s)

Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) Except where otherwise noted, this item's license is described as Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)