Математическая модель системы управления pH в in vitro модели желудочно-кишечного тракта домашней птицы
Автор: Донской Д.Ю., Лукьянов А.Д., Филипович В., Астен Т.Б.
Журнал: Вестник Донского государственного технического университета @vestnik-donstu
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 1 т.23, 2023 года.
Бесплатный доступ
Введение. Существенная нелинейность химических реакций кислот и оснований определяет алгоритмы управления в режиме подкисления или подщелачивания, то есть периодической дозации минимального объема кислоты или щелочи. Такое регулирование может быть малоэффективным, т. е. допускает недостаточную или избыточную концентрацию контролируемого вещества. Статья посвящена проблеме точного регулирования водородного показателя в мини-биореакторах. Предлагается использовать цифровую модель системы управления кислотностью для подбора концентраций доливаемых растворов, определения методики регулирования и повышения точности. Цель работы - обеспечение требуемой точности регулирования рН в in vitro мини-модели желудочно-кишечного тракта статического типа.Материалы и методы. Исходная структурная схема модели включает накопители и потоки. Она представляет собой базу для основных дифференциальных уравнений, характеризующих изменение объема и кислотности. Для корректировки показаний кислотности результирующего раствора по температуре создана статическая модель, основанная на полиномиальной аппроксимации экспериментальных данных методом наименьших квадратов. В прикладном пакете Matlab Simulink исследованы структурные элементы математической модели. На реальной системе in vitro моделирования искусственного желудочно-кишечного тракта домашней птицы определены переходные характеристики для подтверждения адекватности математической модели.Результаты исследования. В рамках данной работы авторы создали и проанализировали нелинейную математическую модель изменения pH в биореакторе с учетом внешних управляющих воздействий. Потоки раствора соляной кислоты, раствора щелочи и слива раствора из реактора представлены как элементы дифференциального уравнения, описывающего накопление жидкости в реакторе. Для повышения точности решение доработали с учетом температурной зависимости водородного показателя. Предложена математическая модель дозирования на основе регулятора с каналами щелочи и кислоты. Полученные данные позволили генерировать объединенную модель процесса регулирования pH в биореакторе. Адекватность решения подтвердили опытным путем. В виде структурных схем показаны модели: регулятора pH, регулирования объема содержимого в реакторе и химических реакций. Сравниваются переходные процессы математической модели и реальной системы управления. Установлено, что переходные характеристики математической модели и реальной системы идентичны по времени регулирования. Относительная погрешность регулирования реальной системы составила 0,35 %, а математической модели - 0,1 %, что соответствует требуемой точности регулирования ±0,1 pH. В виде графиков показано влияние исследованных потоков на реакцию нейтрализации.Обсуждение и заключения. Предлагаемая математическая модель позволит подобрать оптимальные методы и алгоритмы регулирования кислотности, что ускорит создание регулятора нелинейного процесса регулирования водородного показателя. В будущем эти наработки можно интегрировать в комплексную цифровую модель всего искусственного желудочно-кишечного тракта домашней птицы для оптимизации алгоритмов управления (дозации, перемешивания, периодичности и т. п.), а также аппроксимации к объектам in vivo.
Математическое моделирование, кислотность, ph, моделирование in vitro, моделирование in vivo, система управления, алгоритм регулирования кислотности, цифровая модель
Короткий адрес: https://sciup.org/142238088
IDR: 142238088 | DOI: 10.23947/2687-1653-2023-23-1-95-106
Список литературы Математическая модель системы управления pH в in vitro модели желудочно-кишечного тракта домашней птицы
- Verhoeckx K., Cotter P., Lopez-Exposito I., et al. (eds.) The Impact of Food Bioactives on Health. In Vitro and Ex Vivo Models. Cham, Heidelberg, New York, Dordrecht, London: Springer Open; 2015. 342 p. URL: https://www.ncbi.nlm.nih. gov/books/NBK500148/ (дата обращения: 28.09.2022).
- Alegría A., Garcia-Llatas G., Cilla A. Static Digestion Models: General Introduction. In book: The Impact of Food Bioactives on Health. In Vitro and Ex Vivo Models. Cham, Heidelberg, New York, Dordrecht, London: Springer Open; 2015. P. 3-12. URL: https://link.springer.com/chapter/10.1007/978-3-319-16104-4 1 (дата обращения: 28.09.2022).
- Dupont D., Alric M., Blanquet-Diot S., et al. Can Dynamic In Vitro Digestion Systems Mimic the Physiological Reality? Critical Reviews in Food Science and Nutrition. 2019;59:1546-1562. URL: https://doi.org/10.1080/10408398.2017.1421900
- Steinway S.N., Saleh J., Bon-Kyoung Koo, et al. Human Microphysiological Models of Intestinal Tissue and Gut Microbiome. Frontiers in Bioengineering and Biotechnology. 2020;8:725. URL: https://www.frontiersin.org/articles/10.3389/fbioe.2020.00725 (дата обращения: 28.09.2022).
- Venema K. The TNO In Vitro Model of the Colon (TIM-2). In book: The Impact of Food Bioactives on Health. In Vitro and Ex Vivo Models. Cham, Heidelberg, New York, Dordrecht, London: Springer Open; 2015. P. 293-304. URL: https://link.springer.com/chapter/10.1007/978-3-319-16104-4 26 (дата обращения: 28.09.2022).
- Mandalari G., Chessa S., Bisignano C., et al. The Effect of Sundried Raisins (Vitis vinifera L.) on the In Vitro Composition of the Gut Microbiota. Food & Function. 2016;7:4048-4060. URL: http://dx.doi.org/10.1039/C6FO01137C (дата обращения: 28.09.2022).
- Ferrua M., Singh R. Human Gastric Simulator (Riddet Model). In book: The Impact of Food Bioactives on Health. Cham, Heidelberg, New York, Dordrecht, London: Springer Open; 2015. P. 61-71. https://doi.org/10.1007/978-3-319-16104-4 7
- Ménard O., Picque D., Dupont D. The DIDGI®system. In book: The Impact of Food Bioactives on Health. In Vitro and Ex Vivo Models. Cham, Heidelberg, New York, Dordrecht, London: Springer Open; 2015. P. 73-81. http://dx.doi.org/10.1007/978-3-319-16104-4 8
- Barroso E., Cueva C., Peláez C., et al. The Computer-Controlled Multicompartmental Dynamic Model of the Gastrointestinal System SIMGI. In book: The Impact of Food Bioactives on Health. In Vitro and Ex Vivo Models. Cham, Heidelberg, New York, Dordrecht, London: Springer Open; 2015. P. 319-327. http://dx.doi.org/10.1007/978-3-319-16104-4 28
- Van de Wiele T., Van den Abbeele P., Ossieur W., et al. The Simulator of the Human Intestinal Microbial Ecosystem (SHIME®). In book: The Impact of Food Bioactives on Health. In Vitro and Ex Vivo Models. Cham, Heidelberg, New York, Dordrecht, London: Springer Open; 2015. P. 305-317. https://doi.org/10.1007/978-3-319-16104-4 27
- González C, González D, Zúñiga RN, et al. Simulation of Human Small Intestinal Digestion of Starch Using an In Vitro System Based on a Dialysis Membrane Process. Foods. 2020;9(7):913. https://doi.org/10.3390/foods9070913
- Donskoy D., Katin O., Alekseenko L. Development and Implementation of the GIT-Modelling Bioreactor System: The Way to Reducing a Carbon Footprint. E3S Web of Conferences. 2021;279:01030. https://doi.org/10.1051/e3sconf/202127901030
- Asuero A.G., Michalowski T. Comprehensive Formulation of Titration Curves for Complex AcidBase Systems and Its Analytical Implications. Critical Reviews in Analytical Chemistry. 2011;41:151-187. http://dx.doi.org/10.1080/10408347.2011.559440
- Garcia C., Juliani R. Modelling and Simulation of pH Neutralization Plant Including the Process Instrumentation. In book: Michalowski T (ed.). Applications of MATLAB in Science and Engineering. 2011. P. 485510. http://dx.doi.org/10.5772/1534
- Egger L., Ménard O., Abbühl L., et al. Higher Microbial Diversity in Raw than in Pasteurized Milk Raclette-Type Cheese Enhances Peptide and Metabolite Diversity after In Vitro Digestion. Food Chemistry. 2021;340:128154. https://doi.org/10.1016/iibodchem.2020.128154
- Chistyakov V.A., Lukyanov A.D., Donskoy D.Yu., et al. Modeling and Analysis of Energy Efficiency of Methods for Maintaining Temperature Conditions in Microbioreactors. IOP Conference Series: Materials Science and Engineering. 2020;900:012015. http://dx.doi.org/10.1088/1757-899X/900/1/012015 References