Umsetzung einer Methode zur Online- Kalibrierung von Sauerstoffsensoren in oberflächenbegasten Bioreaktoren Seminarvortrag Daniel Jansen.

Präsentation zum Thema: "Umsetzung einer Methode zur Online- Kalibrierung von Sauerstoffsensoren in oberflächenbegasten Bioreaktoren Seminarvortrag Daniel Jansen."—  Präsentation transkript:

1 Umsetzung einer Methode zur Online- Kalibrierung von Sauerstoffsensoren in oberflächenbegasten Bioreaktoren Seminarvortrag Daniel Jansen

2 AVT – Aachener Verfahrenstechnik  Verfahrenstechnik Vom Rohstoff zum Produkt  7 Lehrstühle unter einer Dachorganisation

3 Forschungsgebiete BioVT  Fermentationstechnologie  Entwicklung von Prozessen und Messtechniken im Kleinkulturmaßstab

4 Ziel der Arbeit Umsetzung einer Methode zur Online-Kalibrierung von Sauerstoffsensoren in oberflächenbegasten Bioreaktoren in eine LabVIEW-Software

5 Inhalt  Was sind oberflächenbegaste Bioreaktoren?  Was bedeutet Online-Kalibrierung und wofür ist das gut?  Was ist LabVIEW und warum bietet sich das für die Umsetzung an?  Vorstellung einer Methode zur Kalibrierung von Sauerstoffsensoren in oberflächenbegasten Bioreaktoren  Fazit und Ausblick

6 Was sind oberflächenbegaste Bioreaktoren?  Messsystem zur Bestimmung von Stofftransferraten in Schüttelkolben  Bei uns: RAMOS (Respiration Activity Monitoring System)

7 p O2,in p O2 T V L V G OTR c O2 OUR in V  out V  Betrachtung eines RAMOS-Kolbens mit den stofflichen Flüssen p O2 ΔpΔp CER c CO2 CTR

8 p O2,in p O2 T V L V G OTR c O2 OUR in V  out V  Betrachtung eines RAMOS-Kolbens mit den stofflichen Flüssen p O2 ΔpΔp CER c CO2 CTR

9 Warum muss kalibriert werden?  Sauerstofftransferraten sollen gemessen werden  Dies geschieht durch Sensoren  Sensoren weisen eine relativ starke Drift auf  Jeder Sensor muss daher kontinuierlich (online) nachkalibriert werden

10 Methode Einfügen des Kalibrierfaktors erfordert einen weiteren Zusammenhang  Einführung einer sog. Stop-Flow Phase  Vereinfachte OTR-Formel für die Stop-Flow Phase

11 Methode Einfügen des Kalibrierfaktors erfordert einen weiteren Zusammenhang  Einführung einer sog. Stop-Flow Phase  Vereinfachte OTR-Formel für die Stop-Flow Phase

12 Methode

13 Formel für den Kalibrierfaktor

14

15 Probleme  Rauschen in den Rohdaten Anpassungen für die einzelnen Phasen nötig  Spline-Anpassung der Spülphase (Low-Flow)  Polynom für die Stop-Flow Phase  Verzugszeit des Sensors

16 Was ist LabVIEW und warum bietet sich das für die Umsetzung an?  LabVIEW ist eine Entwicklungsumgebung  Grafische Programmiersprache  Programme werden nach Datenflussprinzip abgearbeitet  Parallele Abarbeitung von Programmteilen und Funktionen ohne Datenabhängigkeit  Kompilierung statt Interpretierung  Basiert auf sog. virtuellen Instrumenten (VIs)

17 Umsetzung der Online-Kalibrierung in eine Software Warum LabVIEW? Bestehende MATLAB-Umsetzung zu langsam Bestehende Software zur Messdatenerfassung in LabVIEW geschrieben Parallele Ausführung für bis zu acht Schüttelkolben

18 Kubische Spline-Anpassung  Für die Beschreibung der Low-Flow-Phasen  Beobachtungswerte X und Y werden durch Minimierung von angepasst  ist der Balance-Parameter

19 Ableitung x(t)  Zur Ermittlung der Steigung in den Low-Flow-Phasen  Diskrete Differenzierung  dt ist Sample-Intervall der Eingangsdaten X  Methode ist enum für die Wahl des Differenzierungsverfahren

20 Methode

21 Korrektur der Sensorverzögerung Signal eines idealen Sensors: Anpassen der Gleichung durch Optimierung eines DGL-Systems t U

22 Implementierung der Optimierung

23 ODE-Lösungskalkulator  Als Modell für die Optimierung  ODE F(x,t) strikt typisierte VI-Referenz für die rechte Seite der DGL  x0 nimmt Anfangswerte entgegen  Wahl des Verfahrens durch Simulationsparameter  Runge-Kutta 23

24 Eingeschränkte nicht-lineare Optimierung  Findet Parameter für ein Polynom, welches die Stop-Flow-Phase beschreibt  Die zu minimierende Funktion muss als VI implementiert werden  Start bekommt als Startwerte für die Optimierung die Parameter aus der linearen Anpassung

25 Ergebnisse  Vergleich der Daten aus der Spline-Anpassung der MATLAB- und LabVIEW-Umsetzungen  Vergleich der Daten der Polynome für die Stop-Flow- Phase

26 Vergleich der berechneten Kalibrierfaktoren

27 Vergleich der Kalibrierfaktoren mit den Ableitungsdaten aus MATLAB

28 Fazit und Ausblick  Liefert sehr gute Ergebnisse und läuft deutlich schneller  Integration in die bestehende Messdatenerfassungssoftware  Online-Berechnung des Kalibrierfaktors  Bestimmung von OTR und CTR online

29 Danke für eure Aufmerksamkeit Fragen?

30 Krümmungsparameter a Krümmung wenn OTR ≠ const.

31 Ergebnisse  Speicherung der errechneten Daten Zwischenspeicherung der phasenbezogenen Daten in ein 2D-Array  Beachten: Anzahl der Daten für die jeweiligen Phasen kann durch Messungenauigkeiten variieren  Auffüllen durch abschließende Nullen Zeile 1: Daten für die 1. Low-Flow-Phase11,0111,0211,03 Zeile 2: Daten für die 2. Low-Flow-Phase12,0312,020... Zeile n: Daten für die n. Low-Flow-Phase10,05 10,06