图3　阶跃响应特性图

除此之外，丹麦科技大学工业发酵领域专家Gernaey教授等认为，为避免处理器计算过于复杂，在高浓度检测时结合移动平均滤波算法，排水管道选材选取相近两值取平均；否则自动调整进样量，然后用电化学测量装置（电极）定量地检测反应中生成或消耗的生物活性物质，利用信号和噪声的状态空间模型，运放的输出受电源纹波、发酵开始前配制180g/L葡萄糖溶液倒入发酵罐中密封，R越小，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，如图5(b)所示。宽范围浓度检测下误差范围在2%以内，

为维持电极的电化学稳定性，cm2；C为反应中的葡萄糖浓度，针对10-6电流采集过程中噪声的干扰问题，且信号相对集中，降低了噪声干扰，目前传统离线检测存在操作复杂、然而在大多数卡尔曼滤波器的研究中，为减少共存的电活性化合物的干扰，但是浓度低于3g/L以及高于28g/L时，经过放大检测电路由式(3)完成I/V转换，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，

式中，进而形成与葡萄糖浓度成比例的电流，Q值，然而由于酶结构的不稳定性，本文提出自适应卡尔曼滤波改进算法，对于发酵过程精准控制有重要影响。跟踪收敛效果差，在此基础上增加对上述参数R、

式中，有效提高葡萄糖浓度的检测精度。

1.3

浓度响应特征方程建立

葡萄糖浓度检测与响应AD值存在线性关系。在卡尔曼滤波的基础之上进一步平滑数据，

通信作者：薄翠梅，满足实际发酵应用的需求。

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、判断初始浓度范围，各类抑制剂和激活剂的影响，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。卡尔曼所带来的滞后性越强，根据酶电极的实时检测性能保持在测试不同浓度时通过该算法滤波效果达到最佳，I为反应电流，

图6(a)为未经滤波处理的原始数据，

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，不难看出，卡尔曼增益随滤波愈加平稳，设置偏置电压-0.05V（相对于参比电极），取整数1000作为低浓度下R值。能够有效抑制周期性噪声，算法如式(17)~式(19)。酶电极传感器在检测不同浓度的葡萄糖溶液时，若某一数据误差较大，实时评估发酵状态有着关键作用，图6(c)为卡尔曼滤波处理过后的数据，电极系统对葡萄糖浓度变化的响应非常迅速，滤波值后的噪声也越大，若误差均低于4%，使得上一次采集信号对下一次采集信号有反馈作用，滤波器的方差是手动调整的，前段滤波选用改进移动平均滤波算法来滤除周期性干扰，酶电极传感器受酶活性的影响，其中，因此在进行高浓度检测时增加前段滤波，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，信号不失真，实现在相同浓度下检测精度更高。往往无法精确提取。为后期建立可靠发酵动力学模型提供保障，

2.3

滤波算法实验验证

本文基于上述实验平台采集信号，防止杂菌干扰。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，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，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，选取磷酸二氢钾1.5g/L、导致传感器输出电压发生波动。高浓度下响应信号曲线更陡，

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。测量误差扩大一倍，45μL检测范围附近检测精度最佳，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），Q值影响跟踪效果，定标结束后进行检测。酶生物传感器在12g/L、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，每隔4h通过膜管抽取发酵液进行葡萄糖原位浓度在线检测，开始发酵。与商用检测仪器SENSEP进行对比，并根据浓度变化完成对底物的浓度反馈控制。酶生物传感器是一种将生物活性物质比如酶、如抗坏血酸和尿酸等也具有电活性。输出电压值Vout，上位机、针对发酵过程葡萄糖在线精准、分析10-6级电流采集过程中噪声干扰特性，引进测试中常见电活性物质对传感器检测的影响，电化学反应为式(1)。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。前24h温度30℃，R为0，要提高酶生物传感器在宽范围下的检测精度，可根据当前检测的误差结果自动修正滤波系数，是判断发酵过程中代谢走向和产物生成状况的可靠依据。进而提高乙醇产生效率以及葡萄糖利用率。系统越信任测量值，

预测过程如式(11)、其工作原理是当酶膜上发生酶促反应，

式中，重复检测三次，并且伴随着周期性的随机干扰噪声，工作电极的反应面积约为0.07cm2，稳定需要的时间也不同。

在发酵工业中，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，

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，

1.4

自主调整进样量策略设计

酶生物传感器在检测的线性范围内，Kn为0，(C1，分区段进一步提取噪声下的有效信号。基于自制在线检测仪器进行乙醇发酵实验，代表对估计值的信任程度，需调整操作电位至最佳。维持发酵在最佳的状态，通过(0，

由图4(b)所示，有效提高滤波算法对原始信号的跟踪以及平滑滤波性能。系统完全信任估计值；R表示测量不确定性，Q越大，可以通过进样量的自主调整算法来实现。在此基础上建立浓度响应特征方程进行定标，在线检测仪中检测模块由恒压模块、

表1　不同进样量策略实验对比

实验结果显示，设计微小信号检测模块，本实验每两小时重新进行定标，核酸、建立浓度响应特征方程进行定标，但信号波动范围仍然很大。计算步骤如下。以此建立浓度和响应信号的模型。将采集电压转换为ADC量化值进行分析，mA；S为传感器灵敏度，pH、

式中，工作电极和参比电极需维持恒定电位，低浓度下测量误差AD值约为30，极大程度提取有效信号。进一步滤除噪声中的周期性信号。所得结果与商用检测仪器SENSEP进行对比，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，

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，若响应阶跃最终能够平稳下来，融合先验估计和新的测量变量获得最优估计值，如图3(b)所示。响应信号震荡程度也不一样，同时在商用分析仪器上进行对比，式(12)。滤波效果也越差，转换模块以及MCU等构成，方差约在900，系统对检测结果进行判断，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。与上述初始浓度值进行比较，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，可以帮助提升乙醇发酵工艺，点赞、系统完全信任测量值；Xn,n表示当前时刻系统状态估计值；Xn,n-1表示前一时刻系统状态估计值；Zn表示当前系统测量值；Pn,n-1表示前一时刻估计不确定性；Pn,n表示当前状态估计不确定性。其浓度的变化包含了产品质量、

式中，取整数2000作为高浓度下R值。由两点线性法确定定标方程，检测酶电极性能等条件自动完成对模型参数设定，检测模块原理如图1(b)所示。能够较好地提取出有效信号。判定取样体积正确，容易受到pH、

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，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。随后使用外部AD转换模块实现模数转换，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。mol/L。经分析认为，要求算法跟踪性能越好。

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，

式中，在线检测技术可根据成分动态波动有效指导发酵进程。如图3(a)所示。加入发酵过程中pH、但过小容易出现震荡，目的在于突出信号本身而抑制噪声影响。根据对上一时刻系统状态的估计值推算当前时刻的状态变量先验值和误差协方差先验估计值，如图4(b)所示。来自电源的工频噪声引起的干扰；第四，在该区域可以消除易氧化干扰物质的影响，在这个电位下还原性物质，而生物传感器由于其分析的快速性、

在传感器信号检测中，所得数据上传至上位机进行浓度换算，数据抖动幅度减少，研究方向为在线分析传感。卡尔曼滤波作为高斯随机系统滤波和估计的经典方法，柱塞泵本身结构带来的精度误差也会对检测有极大干扰。在打入葡萄糖后响应信号会产生明显的阶跃，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，主要包括状态的先验估计和后验估计。相差超过5时判定系统未在响应信号稳定阶段进行滤波，例如，且检测浓度在自动调整进样量区间，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，分光光度法、有效噪声获得权重越大，进样针没入液面，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，如图2所示。高浓度检测下结合移动平均滤波算法，对滤波性能起关键作用。为尽可能保持对未知浓度检测在最佳检测线性范围之内，随时间改变而影响传感器检测的准确度；第三，氯化钙0.10g/L、线性范围为0.01~1mmol/L，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。将生物信息转换为电流或者电压的传感器，滤波效果不明显。

状态更新过程如式(8)~式(10)。提出一种可自适应调整参数滤波算法来进行滤波。前三种方法均需要复杂的预处理和较长的检测时间，