0 引言

    抗生素对致病微生物具有较好的抑制和灭杀作用，具有较广泛的临床应用，随着其应用需求不断扩大，提高其生产效率并降低生产成本成为相关生产企业提高企业效益的研究重点。目前，抗生素发酵异常报警系统已在各医药生产企业得到普遍应用，它加快了检测速度，提高了检验结果的准确性，对生产异常的分析和诊断起了重要的作用。但常规检验结果只提供测试结果及参考范围，还需经验丰富的工人进一步解读及分析^[1]。

    抗生素发酵过程的影响因素和采样参数类型繁多、工艺复杂，很难建立精确的数学模型^[2]。因此，本文引入了一种基于Snort推理结构的专家诊断系统，该系统利用Snort扩展性强、灵活性高、占用资源少的特点，设计出一种以专家经验、混合推导规则以及异常案例为知识源的知识库，并将基于Snort高效匹配规则的推理机与产生式树形结构的知识库相结合，有效解决了专家诊断系统普遍存在的知识组合崩溃、推理速度慢、推理能力差等问题，能实时根据专家经验定位和分析异常情况并提出改善、处理方法^[3]。实践证明，本文设计的专家诊断系统操作简单，性能稳定，除具有分析异常情况的功能之外，还能生成常见问题处理办法，为工人进一步诊断提供了参考，也有利于及时处理异常情况，对提高医药生产企业生产效率具有一定的现实意义。

1 抗生素发酵工艺

1.1 发酵过程及工艺

    抗生素发酵过程中需要根据工艺要求，保证各级发酵罐中的各项环境条件，进而促进菌体的生长和增殖。抗生素发酵过程可采用补料分批发酵的方式，在发酵过程中需要根据发酵状态间歇地补加新鲜培养基，使发酵罐内维持适当的基质浓度，基质浓度过低会导致菌体营养不足，进而代谢减缓；基质浓度过大会造成阻遏效应，使溶解氧浓度变小，同样影响次级代谢产物的分泌^[4，5]。

    从发酵前对发酵罐、管道和培养基的消毒灭菌等准备工作，到发酵过程中培养基的添加、温度的调节、去泡沫、空气流量的调节等操作，都需要获取现场实时数据，通过专家经验进行实时推理，对发酵状态和异常进行诊断，并辅助用户进行异常的确认与排除，以使发酵过程按照预期的轨迹进行，进而实现较高的发酵率^[6]。

1.2 发酵过程的异常管控

    发酵过程应根据发酵的菌龄，结合当前发酵的状态，不断调整相关参数，以使发酵过程朝着产品数量更多、质量更好的方向进行。以青霉菌为例，生长适宜温度为30 ℃，合成适宜温度25 ℃。在生长期需要设定提高温度，缩短生长时间；而在生产阶段可以适当降低温度以促进次级代谢产物的合成，温度的控制通过对冷却水流量的控制进行调节。适宜代谢产物合成的酸碱度pH范围为6.4～6.6，应避免超过7.0，因为在碱性条件下代谢产物不稳定，易水解。当pH值异常时，可向发酵罐注入氨水或者增加糖以达到调节目的。泡沫过多时加入消泡剂，进而避免漏液及其引起的染菌^[7]。溶解氧是微生物发酵过程中最为重要的参数之一，调节搅拌电机的转速和空气通入量是调节溶解氧的两个重要方法。在微生物发酵过程中还需进行营养物质的补充，以保证微生物的生长和产物的代谢。

2 专家诊断系统基本原理

    基于专家系统的抗生素发酵过程异常诊断系统总体结构如图1所示。系统通过现场传感器采集发酵罐内部的发酵罐温度、压力、搅拌转速、pH值、溶解氧浓度等参数值，并由系统自动存储到综合数据库中，通过推理机读取数据，并结合知识库和推理规则库，推理分析得出最优结论并通过解释程序说明推理过程和结果，最后通过人机接口供用户查阅。专家也可通过专家接口管理扩充知识库，进一步提高系统的诊断水平和技术成熟度。

    针对抗生素发酵工艺特点，本专家系统主要由知识库、推理机、人机接口、系统综合数据库、解释机等部分组成。系统综合数据库主要存放系统配置数据、发酵过程历史数据和推理过程中间数据。解释机根据推理机推出的结论结合知识库中的专家知识，定位可能存在的异常问题点，搜索并提取知识库中基于专家经验的相应解决方案。

3 知识库的建立

    发酵异常知识库主要存放由专家经验转化的知识条目。发酵异常知识库以关系型数据库技术设计出一种产生式树形结构的形式进行构造，包含异常故障树的映射和索引，可通过人机接口进行管理[8]。为了提高推理机的推理效率，知识库中的知识条目采用了产生式规则的表达形式。

    产生式规则的一般形式是：

    If X Then Y (C)

其中，X是产生式的前提条件，Y是产生式的动作或结论，C为可信度。

    为提高知识表达的清晰度和明确性并简化异常诊断推理步骤，提高诊断效率，将知识库按照如下模块进行划分：

    (1)关联模型知识：描述发酵系统常态运行时变量之间的关联规则和可信度，可判断系统是否偏离预订的发酵工艺轨迹，确定异常基础信息。

    (2)异常原型知识：分为设备异常知识库和发酵参数异常知识库，通过对专家经验进行提炼进而获取。

    (3)解决方案知识：分为设备异常排除知识库和发酵异常处理知识库，是对各种异常情况处理方法的总结和汇总。

    如图2所示为知识库的结构及其匹配方向图，现场采样的数据在关联模型知识库中搜索参数约束条件，找到对应超出约束的规则条目并得出失配原因，并在异常原型知识库中进一步搜索异常原因，最后在解决方案知识库中搜索解决方案。

    发酵异常知识数据库的表达方法是通过关系数据库进行实现的，这种数据结构具有较好的灵活性，方便功能的实现和后期管理。

4 推理机及推理规则

    推理机结合发酵参数和内置推理规则，通过双向混合推理在知识库中进行匹配，列出所有结论并按优先级及可信度排序。使用知识库中的映射关系和推理规则进行推导求解。

    推理机采用特定的搜索策略与发酵异常知识库中的知识条目进行匹配，其过程包括规则推理、冲突消除、执行规则等阶段。规则推理是将知识库中的知识与规则库中的规则进行匹配的过程，采用基于规则推理的推理方式，根据已知的线索条件以及前提与结论之间的逻辑关系得出结论。当出现多条成功匹配的结论时，一种解决冲突的方法是先随机选择一条知识条目，如果执行无效，则回到原始选择点上，重新选择知识条目。这样周期循环，直到找到对应的有效知识条目。这种方法效率低，复杂度大，当数据量较大时，可能会出现恶性循环甚至无解。更为有效的处理方法就是对知识条目进行唯一标识，以知识条目在发酵异常知识库中的优先级和可信度的设定来对知识条目的选择进行决策。规则执行是将匹配成功的规则提取出来作为最终结论直接输出或作为中间结论继续进行下一轮推理^[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。正向推理策略按照从信息条件到最终结论的方向进行推理，可以利用原始发酵数据直接进行推导，可快速实现对原始发酵数据的响应，但推导过程目的性较差，降低了推导效率。反向推理策略与正向策略相反，它是以结论为基础的推理策略，根据预先设定的结论，反向推导这个结论所需要的条件。这种方法在结论数量较少的求解空间中效率较高，但假设结论的方法具有一定的盲目性，不能充分结合已知条件进行推理，当知识库容量较大时，推理难度较大。混合推理策略结合两种方法的优势，首先根据异常发酵参数进行前向推理，这一过程可能得到几个结论，这几个结论都与用户提供的信息具有一定的关联度；然后再分别对刚刚得到的结论进行假定，反向推理其对应的知识条目和参数状态，再与给定数据进行比较，吻合的结论即是最终结论。

    下面举例说明混合推理的实现方法：系统首先检测到301罐的溶氧出现异常，然后调用推理机进行处理，推理机在表1所示知识库中进行规则匹配，得到的匹配规则是Rule n，通过Rule n正向推理，可知301罐的溶氧值过低；然后利用Rule n+1进行反向推理，可得到两个导致上级异常的原因，由图3所示推理过程图，可得到更深层的推理结果，然后通过各规则的优先级设定值，可得出最终结论；最后，利用得到的异常诊断结果在解决方案知识库中搜索异常处理操作方法。

5 软件运行效果

    人机接口是用户与系统的交互平台，对内主要实现发酵参数数据和发酵过程知识库的信息交互，对外主要提供专家和操作用户两个接口。专家接口是面向发酵领域专家用户的知识管理接口，可进行知识管理和维护；操作用户接口是面向现场操作人员的人机接口，可查看对发酵状态的异常诊断结果。通过知识管理模块可使用可视化界面将专家输入的经验数据转化知识规则，反之，也可以将知识库中的知识规则转化为操作人员易于理解的经验文本信息。系统可根据发酵参数的监控需要，增删和修改发酵异常知识库中的索引信息和映射关系。异常诊断界面如图4所示。

6 结束语

    针对抗生素发酵过程的工艺特点，本文设计了一种用于抗生素发酵的专家诊断系统，并详细介绍了产生式知识库的搭建和基于Snort规则的推理机的设计过程，对推导出的潜在问题进行预警并提取专家知识库中的处理经验和方法，进而辅助用户进行相应操作，实现了自动诊断异常并给出处理办法的功能，能够提高发酵过程的发酵率，减少原材料的消耗，给企业带来较好的经济效益和社会效益。目前，本文设计的专家诊断系统已成功应用于某医药生产企业中，其性能已逐渐趋于完善。

参考文献

[1] 许文思.中国的抗生素研究和生产[J].中国医药工业杂志，1997，28(2)：51-55.

[2] 许亮，李秀喜，郭子明，等．化工过程实时故障诊断专家系统的研究与开发[J].计算机工程与应用，2007，43(8)：245-247.

[3] 关长亮，王贵成，郭懿阳，等．谷氨酸发酵过程专家系统研究[J].沈阳化工大学学报，2012，26(3)：255-259.

[4] 郭江浩，邵惠鹤．生物发酵控制系统及监控软件的开发[J].微型电脑应用，2004，20(5)：17-20.

[5] 徐晔．专家系统在抗生素发酵过程控制中的应用[J].药学进展，1997，21(2)：94-97.

[6] 赵岩，何鹏．基于人工智能的生物发酵控制系统方法[J].计算机仿真，2012，29(10)：200-203.

[7] 俞文和，杨纪根．抗生素生产工艺学[M].沈阳：辽宁科学技术出版社，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实时信息的智能故障诊断系统的研究与设计[D]．南京：南京工业大学，2013.