3. 关键参数数据采集与传感器工程
在生物工艺关键参数建模中，模型的上限往往不由算法决定，而由数据采集链路决定。温度、pH、溶氧、搅拌转速、补料速率、尾气CO₂、活细胞密度等参数，若采集频率不匹配、时间戳错位或传感器漂移未被识别，后续无论用PLS、机理模型还是机器学习，都会把系统性偏差学成“规律”。本节围绕在线传感器、离线检测、软测量、采集频率、时间同步与数据质量评估，梳理一条可落地的数据采集工程思路。
一、在线传感器：连续信号的来源与约束
在线传感器直接安装在反应器或管路上，提供高频、连续的过程变量。典型配置包括：pH电极（玻璃或ISFET）、溶解氧电极（极谱式或荧光式）、温度探头（Pt100/热电阻）、电导率、尾气分析仪（CO₂/O₂）、近红外或拉曼光谱探头。它们的特点是采样周期短（1 s～1 min），但需要定期校准、灭菌耐受和抗污染。
以pH为例，在线电极在灭菌和长期运行中会出现零点漂移和斜率衰减。工程上通常采用两点校准（pH 4.01与pH 6.86标准液），并记录校准前后的斜率值。若斜率低于出厂值的85%，应视为电极老化，需更换或重新标定。溶氧电极则需注意极谱式探头依赖电解液和膜完整性，荧光式探头对压力变化敏感，需在灭菌后做零点（无氧）和满度（空气饱和）校准。
在线传感器的输出通常为4～20 mA、0～10 V或数字总线（Modbus、OPC UA）。在数据采集端，应明确量程映射关系，例如pH 0～14对应4～20 mA，避免量程截断导致高pH段分辨率下降。
二、离线检测：低频但高价值的“锚点”
离线检测包括取样后进行的HPLC、GC、酶标、细胞计数、干重、代谢物分析等。它们频率低（每班1次或每12 h一次），但精度高、信息维度丰富，常作为软测量的标签来源和在线传感器的校验基准。例如，用离线测得的葡萄糖浓度去校正近红外软测量模型，或用离线活细胞密度验证电容探针的在线读数。
离线数据的关键工程问题是“取样—检测—记录”的时间链。取样时刻、实际检测时刻、结果录入时刻三者必须区分。若用检测时刻去匹配在线数据，会引入数十分钟到数小时的错位。正确做法是记录取样时刻，并将离线值视为该时刻的“瞬时锚点”，再与在线数据做时间对齐。
三、软测量：用可测推不可测
软测量（soft sensor）利用易测变量（温度、pH、搅拌功率、尾气CO₂、补碱量）构建模型，估计难测变量（葡萄糖、产物浓度、活细胞密度）。常见方法包括多元线性回归、PLS、支持向量回归和神经网络。软测量的核心不是模型复杂度，而是输入变量与目标变量的时间一致性和工况覆盖度。
一个教学示例：用尾气CO₂释放率CER和补碱速率估计葡萄糖消耗速率。假设CER由尾气分析仪每10 s采集，补碱速率由蠕动泵转速换算，离线葡萄糖每6 h测一次。构建软测量时，需将CER和补碱速率按滑动窗口（如15 min）做平均，再与离线葡萄糖的取样时刻对齐。若窗口过长，会平滑掉快速代谢变化；窗口过短，则噪声放大。通常先用5～15 min窗口做初步验证，再根据残差自相关调整。
四、数据采集频率与时间同步
不同参数的时间尺度差异很大：pH和溶氧可能秒级变化，温度分钟级，补料和离线浓度小时级。采集频率应遵循“不低于被控对象最快时间常数的2～5倍”原则。例如，pH控制回路时间常数约30 s，则采集周期不宜大于10 s；而尾气CO₂用于代谢估算，10～30 s足够。
时间同步是数据质量中最容易被忽视的环节。常见问题包括：PLC时钟与上位机时钟不同步、离线LIMS系统时间戳为录入时间、不同传感器经过不同网关导致延迟。工程上应统一使用NTP或PTP对时，并在数据表中保留原始时间戳和采集时间戳两列。对于离线数据，必须记录“取样时间”而非“检测时间”。
下图展示了一个典型生物反应器数据采集链路中，在线传感器、离线检测、软测量与时间同步之间的关系。图中左侧为在线高频信号，右侧为离线低频锚点，中间通过时间对齐与软测量融合，最终进入数据质量评估。
五、数据质量评估：从“有数据”到“可信数据”
数据质量评估不是事后统计，而应嵌入采集流程。建议从五个维度检查：
- 完整性：统计每个参数在批次时间轴上的缺失率。在线参数缺失率应低于1%，离线参数按计划采样点计算。缺失原因需区分“设备故障”“通讯中断”“人为未取样”。
- 异常值：用物理量程和变化率双重判断。例如pH超出0～14、温度单步跳变超过2 ℃/min，应标记为可疑。不要直接删除，先标记再结合上下文判断。
- 漂移：用离线锚点与在线读数的偏差趋势判断。若某批次pH在线值比离线值持续高0.2以上，且校准后仍存在，说明电极或参比系统有问题。
- 时间偏差：检查在线与离线对齐后的残差是否随时间呈现系统性偏移。若残差在补料后集中出现，可能是取样延迟或混合不均。
- 量程截断：检查是否有参数长时间贴边（如溶氧恒为100%或0%），这通常意味着量程设置不当或探头饱和。
六、一个可执行的数据采集检查表示例
以下检查表可用于批次开始前和批次结束后快速核对。字段和判断阈值可根据实际工艺调整，此处为教学示例。
| 检查项 | 对象/参数 | 判断依据（示例） | 记录/处理 |
|---|---|---|---|
| 在线传感器校准 | pH、DO | pH斜率≥85%，DO零点/满度通过 | 记录校准前后斜率，不合格则更换 |
| 时间同步 | PLC、上位机、LIMS | NTP偏差＜1 s | 记录对时日志，离线记录取样时间 |
| 采集频率 | pH、DO、温度、尾气 | pH/DO≤10 s，尾气≤30 s | 检查历史数据时间间隔 |
| 缺失率 | 所有在线参数 | ＜1% | 标记缺失区间，分析原因 |
| 离线锚点 | 葡萄糖、活细胞密度 | 按计划取样，记录取样时刻 | 与在线数据对齐，计算偏差 |
| 软测量影子运行 | 葡萄糖估计值 | RMSE＜离线标准差的30% | 不参与控制，仅记录对比 |
数据采集工程的目标不是追求“最多数据”，而是让每一条进入模型的数据都有明确的时间、量纲、精度和可信度。在线传感器提供连续趋势，离线检测提供绝对锚点，软测量填补不可测变量，时间同步保证三者对齐，数据质量评估则决定哪些数据可以进入建模。把这五件事在批次开始前和运行中落实，后续的关键参数建模才有可靠的基础。