The potential of industrial applications for microalgae has motivated their recent fast development. Their growth dynamics depends on different factors that must be optimized. Since they get their energy from photosynthesis, light is a key factor that strongly influences their productivity. Light is absorbed and scattered in the liquid medium, and irradiance exponentially decreases towards the darkest part of the photobioreactor at a rate nonlinearly depending on the biomass concentration. Maximizing productivity is then a tricky problem, especially when the growth rate is inhibited by an excess of light. Productivity optimization turns out to be highly dependent on how light is distributed along the reactor, and is therefore related to the extinction rate and the background turbidity. The concept of optical depth productivity is introduced for systems where background turbidity must be accounted for and a global optimum maximizing productivity is proposed, extending the concept of the compensation condition. This optimal condition consists in compensating the algal growth rate at the bottom of the reactor by the respiration. This condition can drive the optimization of the surface biomass productivity depending on the minimum reachable depth. We develop a nonlinear controller and prove the global asymptotic stability of the biomass concentration towards the desired optimal value.


翻译:微藻的工业应用潜力激发了它们最近的快速发展。 它们的增长动态取决于必须优化的不同因素。 由于光是光的能量来自光合作用, 光是影响其生产力的关键因素。 光被吸收并分散在液体介质中, 辐照会以非线性的速度以不依赖生物量浓度的速率向光生物群最黑暗部分急剧下降。 生产力最大化是一个棘手的问题, 特别是当生长速度因光量过大而受抑制时。 生产力优化取决于反应堆的光分布方式, 因此与消亡率和背景扰动性有关。 光深度生产率的概念被引入了必须说明背景易变性的系统, 并提出全球最佳生产力最大化的系统, 扩大补偿条件的概念。 这一最佳条件就是通过呼吸来补偿反应堆底部的藻类生长速度。 这一条件可以促使地表生物量生产力的优化, 取决于最小可达深度。 我们开发了一个非线性控制器, 并证明全球最理想的生物量浓度是最佳的浓度。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
VIP会员
相关资讯
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员