0 引言

    抗生素對致病微生物具有較好的抑制和滅殺作用，具有較廣泛的臨床應(yīng)用，隨著其應(yīng)用需求不斷擴大，提高其生產(chǎn)效率并降低生產(chǎn)成本成為相關(guān)生產(chǎn)企業(yè)提高企業(yè)效益的研究重點。目前，抗生素發(fā)酵異常報警系統(tǒng)已在各醫(yī)藥生產(chǎn)企業(yè)得到普遍應(yīng)用，它加快了檢測速度，提高了檢驗結(jié)果的準確性，對生產(chǎn)異常的分析和診斷起了重要的作用。但常規(guī)檢驗結(jié)果只提供測試結(jié)果及參考范圍，還需經(jīng)驗豐富的工人進一步解讀及分析^[1]。

    抗生素發(fā)酵過程的影響因素和采樣參數(shù)類型繁多、工藝復(fù)雜，很難建立精確的數(shù)學(xué)模型^[2]。因此，本文引入了一種基于Snort推理結(jié)構(gòu)的專家診斷系統(tǒng)，該系統(tǒng)利用Snort擴展性強、靈活性高、占用資源少的特點，設(shè)計出一種以專家經(jīng)驗、混合推導(dǎo)規(guī)則以及異常案例為知識源的知識庫，并將基于Snort高效匹配規(guī)則的推理機與產(chǎn)生式樹形結(jié)構(gòu)的知識庫相結(jié)合，有效解決了專家診斷系統(tǒng)普遍存在的知識組合崩潰、推理速度慢、推理能力差等問題，能實時根據(jù)專家經(jīng)驗定位和分析異常情況并提出改善、處理方法^[3]。實踐證明，本文設(shè)計的專家診斷系統(tǒng)操作簡單，性能穩(wěn)定，除具有分析異常情況的功能之外，還能生成常見問題處理辦法，為工人進一步診斷提供了參考，也有利于及時處理異常情況，對提高醫(yī)藥生產(chǎn)企業(yè)生產(chǎn)效率具有一定的現(xiàn)實意義。

1 抗生素發(fā)酵工藝

1.1 發(fā)酵過程及工藝

    抗生素發(fā)酵過程中需要根據(jù)工藝要求，保證各級發(fā)酵罐中的各項環(huán)境條件，進而促進菌體的生長和增殖。抗生素發(fā)酵過程可采用補料分批發(fā)酵的方式，在發(fā)酵過程中需要根據(jù)發(fā)酵狀態(tài)間歇地補加新鮮培養(yǎng)基，使發(fā)酵罐內(nèi)維持適當?shù)幕|(zhì)濃度，基質(zhì)濃度過低會導(dǎo)致菌體營養(yǎng)不足，進而代謝減緩；基質(zhì)濃度過大會造成阻遏效應(yīng)，使溶解氧濃度變小，同樣影響次級代謝產(chǎn)物的分泌^[4，5]。

    從發(fā)酵前對發(fā)酵罐、管道和培養(yǎng)基的消毒滅菌等準備工作，到發(fā)酵過程中培養(yǎng)基的添加、溫度的調(diào)節(jié)、去泡沫、空氣流量的調(diào)節(jié)等操作，都需要獲取現(xiàn)場實時數(shù)據(jù)，通過專家經(jīng)驗進行實時推理，對發(fā)酵狀態(tài)和異常進行診斷，并輔助用戶進行異常的確認與排除，以使發(fā)酵過程按照預(yù)期的軌跡進行，進而實現(xiàn)較高的發(fā)酵率^[6]。

1.2 發(fā)酵過程的異常管控

    發(fā)酵過程應(yīng)根據(jù)發(fā)酵的菌齡，結(jié)合當前發(fā)酵的狀態(tài)，不斷調(diào)整相關(guān)參數(shù)，以使發(fā)酵過程朝著產(chǎn)品數(shù)量更多、質(zhì)量更好的方向進行。以青霉菌為例，生長適宜溫度為30 ℃，合成適宜溫度25 ℃。在生長期需要設(shè)定提高溫度，縮短生長時間；而在生產(chǎn)階段可以適當降低溫度以促進次級代謝產(chǎn)物的合成，溫度的控制通過對冷卻水流量的控制進行調(diào)節(jié)。適宜代謝產(chǎn)物合成的酸堿度pH范圍為6.4～6.6，應(yīng)避免超過7.0，因為在堿性條件下代謝產(chǎn)物不穩(wěn)定，易水解。當pH值異常時，可向發(fā)酵罐注入氨水或者增加糖以達到調(diào)節(jié)目的。泡沫過多時加入消泡劑，進而避免漏液及其引起的染菌^[7]。溶解氧是微生物發(fā)酵過程中最為重要的參數(shù)之一，調(diào)節(jié)攪拌電機的轉(zhuǎn)速和空氣通入量是調(diào)節(jié)溶解氧的兩個重要方法。在微生物發(fā)酵過程中還需進行營養(yǎng)物質(zhì)的補充，以保證微生物的生長和產(chǎn)物的代謝。

2 專家診斷系統(tǒng)基本原理

    基于專家系統(tǒng)的抗生素發(fā)酵過程異常診斷系統(tǒng)總體結(jié)構(gòu)如圖1所示。系統(tǒng)通過現(xiàn)場傳感器采集發(fā)酵罐內(nèi)部的發(fā)酵罐溫度、壓力、攪拌轉(zhuǎn)速、pH值、溶解氧濃度等參數(shù)值，并由系統(tǒng)自動存儲到綜合數(shù)據(jù)庫中，通過推理機讀取數(shù)據(jù)，并結(jié)合知識庫和推理規(guī)則庫，推理分析得出最優(yōu)結(jié)論并通過解釋程序說明推理過程和結(jié)果，最后通過人機接口供用戶查閱。專家也可通過專家接口管理擴充知識庫，進一步提高系統(tǒng)的診斷水平和技術(shù)成熟度。

    針對抗生素發(fā)酵工藝特點，本專家系統(tǒng)主要由知識庫、推理機、人機接口、系統(tǒng)綜合數(shù)據(jù)庫、解釋機等部分組成。系統(tǒng)綜合數(shù)據(jù)庫主要存放系統(tǒng)配置數(shù)據(jù)、發(fā)酵過程歷史數(shù)據(jù)和推理過程中間數(shù)據(jù)。解釋機根據(jù)推理機推出的結(jié)論結(jié)合知識庫中的專家知識，定位可能存在的異常問題點，搜索并提取知識庫中基于專家經(jīng)驗的相應(yīng)解決方案。

3 知識庫的建立

    發(fā)酵異常知識庫主要存放由專家經(jīng)驗轉(zhuǎn)化的知識條目。發(fā)酵異常知識庫以關(guān)系型數(shù)據(jù)庫技術(shù)設(shè)計出一種產(chǎn)生式樹形結(jié)構(gòu)的形式進行構(gòu)造，包含異常故障樹的映射和索引，可通過人機接口進行管理[8]。為了提高推理機的推理效率，知識庫中的知識條目采用了產(chǎn)生式規(guī)則的表達形式。

    產(chǎn)生式規(guī)則的一般形式是：

    If X Then Y (C)

其中，X是產(chǎn)生式的前提條件，Y是產(chǎn)生式的動作或結(jié)論，C為可信度。

    為提高知識表達的清晰度和明確性并簡化異常診斷推理步驟，提高診斷效率，將知識庫按照如下模塊進行劃分：

    (1)關(guān)聯(lián)模型知識：描述發(fā)酵系統(tǒng)常態(tài)運行時變量之間的關(guān)聯(lián)規(guī)則和可信度，可判斷系統(tǒng)是否偏離預(yù)訂的發(fā)酵工藝軌跡，確定異常基礎(chǔ)信息。

    (2)異常原型知識：分為設(shè)備異常知識庫和發(fā)酵參數(shù)異常知識庫，通過對專家經(jīng)驗進行提煉進而獲取。

    (3)解決方案知識：分為設(shè)備異常排除知識庫和發(fā)酵異常處理知識庫，是對各種異常情況處理方法的總結(jié)和匯總。

    如圖2所示為知識庫的結(jié)構(gòu)及其匹配方向圖，現(xiàn)場采樣的數(shù)據(jù)在關(guān)聯(lián)模型知識庫中搜索參數(shù)約束條件，找到對應(yīng)超出約束的規(guī)則條目并得出失配原因，并在異常原型知識庫中進一步搜索異常原因，最后在解決方案知識庫中搜索解決方案。

    發(fā)酵異常知識數(shù)據(jù)庫的表達方法是通過關(guān)系數(shù)據(jù)庫進行實現(xiàn)的，這種數(shù)據(jù)結(jié)構(gòu)具有較好的靈活性，方便功能的實現(xiàn)和后期管理。

4 推理機及推理規(guī)則

    推理機結(jié)合發(fā)酵參數(shù)和內(nèi)置推理規(guī)則，通過雙向混合推理在知識庫中進行匹配，列出所有結(jié)論并按優(yōu)先級及可信度排序。使用知識庫中的映射關(guān)系和推理規(guī)則進行推導(dǎo)求解。

    推理機采用特定的搜索策略與發(fā)酵異常知識庫中的知識條目進行匹配，其過程包括規(guī)則推理、沖突消除、執(zhí)行規(guī)則等階段。規(guī)則推理是將知識庫中的知識與規(guī)則庫中的規(guī)則進行匹配的過程，采用基于規(guī)則推理的推理方式，根據(jù)已知的線索條件以及前提與結(jié)論之間的邏輯關(guān)系得出結(jié)論。當出現(xiàn)多條成功匹配的結(jié)論時，一種解決沖突的方法是先隨機選擇一條知識條目，如果執(zhí)行無效，則回到原始選擇點上，重新選擇知識條目。這樣周期循環(huán)，直到找到對應(yīng)的有效知識條目。這種方法效率低，復(fù)雜度大，當數(shù)據(jù)量較大時，可能會出現(xiàn)惡性循環(huán)甚至無解。更為有效的處理方法就是對知識條目進行唯一標識，以知識條目在發(fā)酵異常知識庫中的優(yōu)先級和可信度的設(shè)定來對知識條目的選擇進行決策。規(guī)則執(zhí)行是將匹配成功的規(guī)則提取出來作為最終結(jié)論直接輸出或作為中間結(jié)論繼續(xù)進行下一輪推理^[9，10]。

    推理策略包括正向推理策略、反向推理策略和混合推理策略。正向推理策略按照從信息條件到最終結(jié)論的方向進行推理，可以利用原始發(fā)酵數(shù)據(jù)直接進行推導(dǎo)，可快速實現(xiàn)對原始發(fā)酵數(shù)據(jù)的響應(yīng)，但推導(dǎo)過程目的性較差，降低了推導(dǎo)效率。反向推理策略與正向策略相反，它是以結(jié)論為基礎(chǔ)的推理策略，根據(jù)預(yù)先設(shè)定的結(jié)論，反向推導(dǎo)這個結(jié)論所需要的條件。這種方法在結(jié)論數(shù)量較少的求解空間中效率較高，但假設(shè)結(jié)論的方法具有一定的盲目性，不能充分結(jié)合已知條件進行推理，當知識庫容量較大時，推理難度較大。混合推理策略結(jié)合兩種方法的優(yōu)勢，首先根據(jù)異常發(fā)酵參數(shù)進行前向推理，這一過程可能得到幾個結(jié)論，這幾個結(jié)論都與用戶提供的信息具有一定的關(guān)聯(lián)度；然后再分別對剛剛得到的結(jié)論進行假定，反向推理其對應(yīng)的知識條目和參數(shù)狀態(tài)，再與給定數(shù)據(jù)進行比較，吻合的結(jié)論即是最終結(jié)論。

    下面舉例說明混合推理的實現(xiàn)方法：系統(tǒng)首先檢測到301罐的溶氧出現(xiàn)異常，然后調(diào)用推理機進行處理，推理機在表1所示知識庫中進行規(guī)則匹配，得到的匹配規(guī)則是Rule n，通過Rule n正向推理，可知301罐的溶氧值過低；然后利用Rule n+1進行反向推理，可得到兩個導(dǎo)致上級異常的原因，由圖3所示推理過程圖，可得到更深層的推理結(jié)果，然后通過各規(guī)則的優(yōu)先級設(shè)定值，可得出最終結(jié)論；最后，利用得到的異常診斷結(jié)果在解決方案知識庫中搜索異常處理操作方法。

5 軟件運行效果

    人機接口是用戶與系統(tǒng)的交互平臺，對內(nèi)主要實現(xiàn)發(fā)酵參數(shù)數(shù)據(jù)和發(fā)酵過程知識庫的信息交互，對外主要提供專家和操作用戶兩個接口。專家接口是面向發(fā)酵領(lǐng)域?qū)＜矣脩舻闹R管理接口，可進行知識管理和維護；操作用戶接口是面向現(xiàn)場操作人員的人機接口，可查看對發(fā)酵狀態(tài)的異常診斷結(jié)果。通過知識管理模塊可使用可視化界面將專家輸入的經(jīng)驗數(shù)據(jù)轉(zhuǎn)化知識規(guī)則，反之，也可以將知識庫中的知識規(guī)則轉(zhuǎn)化為操作人員易于理解的經(jīng)驗文本信息。系統(tǒng)可根據(jù)發(fā)酵參數(shù)的監(jiān)控需要，增刪和修改發(fā)酵異常知識庫中的索引信息和映射關(guān)系。異常診斷界面如圖4所示。

6 結(jié)束語

    針對抗生素發(fā)酵過程的工藝特點，本文設(shè)計了一種用于抗生素發(fā)酵的專家診斷系統(tǒng)，并詳細介紹了產(chǎn)生式知識庫的搭建和基于Snort規(guī)則的推理機的設(shè)計過程，對推導(dǎo)出的潛在問題進行預(yù)警并提取專家知識庫中的處理經(jīng)驗和方法，進而輔助用戶進行相應(yīng)操作，實現(xiàn)了自動診斷異常并給出處理辦法的功能，能夠提高發(fā)酵過程的發(fā)酵率，減少原材料的消耗，給企業(yè)帶來較好的經(jīng)濟效益和社會效益。目前，本文設(shè)計的專家診斷系統(tǒng)已成功應(yīng)用于某醫(yī)藥生產(chǎn)企業(yè)中，其性能已逐漸趨于完善。

參考文獻

[1] 許文思.中國的抗生素研究和生產(chǎn)[J].中國醫(yī)藥工業(yè)雜志，1997，28(2)：51-55.

[2] 許亮，李秀喜，郭子明，等．化工過程實時故障診斷專家系統(tǒng)的研究與開發(fā)[J].計算機工程與應(yīng)用，2007，43(8)：245-247.

[3] 關(guān)長亮，王貴成，郭懿陽，等．谷氨酸發(fā)酵過程專家系統(tǒng)研究[J].沈陽化工大學(xué)學(xué)報，2012，26(3)：255-259.

[4] 郭江浩，邵惠鶴．生物發(fā)酵控制系統(tǒng)及監(jiān)控軟件的開發(fā)[J].微型電腦應(yīng)用，2004，20(5)：17-20.

[5] 徐曄．專家系統(tǒng)在抗生素發(fā)酵過程控制中的應(yīng)用[J].藥學(xué)進展，1997，21(2)：94-97.

[6] 趙巖，何鵬．基于人工智能的生物發(fā)酵控制系統(tǒng)方法[J].計算機仿真，2012，29(10)：200-203.

[7] 俞文和，楊紀根．抗生素生產(chǎn)工藝學(xué)[M].沈陽：遼寧科學(xué)技術(shù)出版社，1988.

[8] QIAN Y，LI X X，JIANG Y R，et al．An expert system for real-time fault diagnosis of complex chemical processes[J].Expert Systems with Applications，2003，24(4)：425-432.

[9] GUERREIRO M A，ANDRIETTA S R，MAUGERI F．Expert system for the design of an industrial fermentation plant for the production of alcohol[J].Journal of Chemical Technology and Biotechnology，1997，68(2)：163-170.

[10] 王益玲．基于DCS實時信息的智能故障診斷系統(tǒng)的研究與設(shè)計[D]．南京：南京工業(yè)大學(xué)，2013.