2. 发酵过程数据采集与传感器体系

发酵过程的数据建模，第一步不是算法，而是“数据从哪来、多久来一次、每个数代表什么”。一个50 L搅拌式生物反应器上，往往同时存在十几路在线信号和若干项离线化验结果，它们的时间尺度、物理含义和误差特性差异很大。如果把这些数据不加区分地堆进一张表，后续的趋势预测很容易被采样错位、单位混乱或语义误读带偏。本节围绕在线信号与离线化验两条采集链路，梳理常见信号的采集方式、典型采样频率和数据语义。

在线信号：连续测量与离散上报

在线信号由传感器直接接触发酵液或尾气，经变送器转换为电信号后被数据采集系统（DAQ）或DCS/PLC周期性读取。需要区分两个频率：传感器响应时间决定它“能多快反映变化”，采集周期决定我们“多久记录一次”。pH玻璃电极的响应时间通常在数秒量级，溶氧电极（极谱式或光学式）约10～30 s，温度传感器更快；而搅拌转速是设备状态量，几乎瞬时。工程上常把采集周期统一设为1 s或5 s，再在建模时降采样到1 min，这样既保留细节又不至于数据量爆炸。

各信号的语义要写清楚。pH无量纲，需注明是否温度补偿、标定点（如4.01/6.86/9.18）；溶氧通常以相对饱和度百分比记录，若要用绝对浓度需结合温度、压力和盐度换算，且要注意是“相对于空气饱和”还是“相对于纯氧饱和”；温度单位为℃，指夹套或罐内实测点；搅拌转速单位rpm，是设定值还是实际反馈值必须区分。尾气分析中，O₂和CO₂体积分数（%）用于计算OUR、CER和RQ，采样频率受尾气分析仪扫描周期限制，常见为十几秒到1分钟。补料称重通过称重传感器或流量计获得，单位kg或L，其差分即补料速率，是解释代谢状态的关键输入。

离线化验：低频但高信息量

离线数据包括菌体浓度（OD或干重）、残糖、产物浓度、副产物、pH/DO的参比校验等。它们由取样后实验室分析获得，采样频率通常为每2～12 h一次，且存在“取样时刻”与“结果录入时刻”的时滞。建模时必须使用取样时刻对齐，而不是录入时刻。离线值往往精度更高，可作为在线信号的校准锚点，例如用离线干重回归在线OD或电容信号。

时间对齐与数据语义

在线与离线数据融合的核心是时间轴统一。推荐以固定时间栅格（如1 min）为主轴，在线信号按最近值或线性插值落入栅格，离线值按取样时刻对齐并标记为稀疏点，不强行插值成连续曲线。下图展示了一个典型发酵批次中各类信号的采集链路、采样节奏与对齐关系。

上图强调三点：在线信号经过采集系统统一时间戳后进入建模栅格；尾气分析因扫描周期较长，通常做1 min平均；离线数据以稀疏点形式保留，不插值成连续曲线，以免制造虚假信息。实际项目中，还应记录每次取样对应的罐内状态（如补料刚结束、pH调节中），这些上下文对解释离群点非常重要。

采集质量检查

在进入建模前，建议对每个批次做一次采集质量核查：检查时间戳是否单调、是否存在重复记录；检查量程越界（如DO为负或超过100%）；检查长时间恒定值（传感器卡死）；检查离线取样时刻是否落在在线记录覆盖范围内。对补料称重，还要核对累计补料量与配方是否一致，差分得到的补料速率若出现负值，多半是称重漂移或记录错位。把这些检查固化成脚本或表单，比事后凭经验判断更可靠。

总结来说，传感器体系的价值不仅在于“测到了”，更在于“测得可解释”。明确每路信号的物理含义、采样节奏和对齐规则，后续的特征构造与趋势预测才有稳定的数据基础。