前言
经过几轮功能开发与技术迭代，我们此前推出的数字孪生模拟器现已支持同时对溶氧、微生物生长和传热过程进行模拟。关于数字孪生这个概念，我们此前介绍过相关的定义，并且开发了针对溶氧过程的应用案例。对于生物工程来说，数字孪生就是基于计算机模拟理论，对生物过程及其配套装备建立模型，并将其嵌入至控制系统或者数据管理系统中，进而实现与物理实体的双向数据通讯。从这个意义来说，仅对单一因素进行模拟显然是远远不够的，需要结合多项传感器数据，并考虑它们对发酵过程的联合影响，才能获得准确的模拟结果。但模型的复杂程度和运算量也会因此而呈指数增加。为此，我们使用C++开发了数字孪生模拟计算方法库-pyrex。相比于脚本类语言，其运算效率可以成倍提升。该库在不久的将来也会以开放使用的形式和大家见面。今天，我们先讨论在多因素情况下，数字孪生动态数学模型的应用案例。这个案例将使用基于Python的网页应用调用pyrex核心算法来实现。
 
理论基础
图1是补料发酵过程主要操作参数与菌体生长、产物形成之间的相互影响示意图，同时也是生物过程数字孪生模拟器的技术路线图。其中，绿色高亮部分，是pyrex当前版本已经实现的部分，包括搅拌与通气对传质系数，进而对传质速率、摄氧速率以及溶氧浓度的影响，补料流量对底物浓度进而比生长速率和菌体浓度的影响，以及上述所有参数之间的互相作用。
   
关于上述模型的理论基础，可以参考我们之前的公众号文章，如搅拌对传质系数的影响。pyrex还包含了生物反应器产热及温度控制模块。本文中，我们以使用冷却水对反应器进行温度控制为例进行演示。其中过程产热包含了机械能耗散和生化反应放热。由于模拟器中温度控制和溶氧控制使用了PID控制器，本模拟器完全可以用来学习PID控制器参数整定。事实上，下面演示的网页应用中，PID参数并没有优化，欢迎大家尝试自己对控制进行优化，这也是数字孪生应用的一个重要方面。如果您不熟悉PID控制器原理，请先查阅http://dm.parallel-bioreactor.com/pid。
   
使用方法