3. 生物过程数据采集与传感体系

数字孪生模型的可信度，首先取决于它接收到的数据是否真实、及时、足够细。生物反应器内部是一个多相、非线性、强耦合的动态系统，溶氧、pH、温度、补料速率等参数彼此影响，而细胞代谢状态又无法被单一电极直接测出。因此，数据采集体系必须由在线传感器、离线分析、光谱测量和软测量四类手段协同构成，并明确各自的采样频率、精度与延迟特性，才能为孪生模型提供可用的输入。

在线传感器：高频但局部

在线传感器直接浸入或连接反应器，提供秒级到分钟级的连续信号。典型配置包括：pH 电极（采样周期 1～5 s，精度约 ±0.02 pH）、溶解氧电极（1～5 s，±1% 饱和度）、温度探头（1 s，±0.1 ℃）、排气 CO₂/O₂ 分析仪（5～15 s，±0.1% 体积分数）以及补料称重传感器（1 s，±0.1% 量程）。这些信号构成孪生模型的状态观测基础，用于实时校正物料平衡和能量平衡。

但在线传感器只能反映局部、间接信息。pH 电极在灭菌和长期运行中会漂移，溶氧膜会污染，排气分析存在约 20～60 s 的管路滞后。因此，在线数据必须经过漂移补偿、滞后校正和异常剔除，才能进入模型。例如，对排气 CO₂ 信号做一阶滞后补偿：设测得值 y(t)，真实值 x(t)，时间常数 τ，则 x(t) ≈ y(t) + τ·dy/dt，离散形式可用 x_k ≈ y_k + τ·(y_k − y_{k−1})/Δt 近似。这一步在孪生模型的观测更新中不可省略。

离线分析：高精度但稀疏

离线分析提供在线传感器无法直接测量的关键变量，如细胞干重、活细胞密度、葡萄糖、乳酸、氨、氨基酸、产物滴度、蛋白表达量等。典型方法包括：干重法（取样 5～10 mL，离心、洗涤、烘干，耗时 2～4 h，精度 ±2%）、酶电极或 YSI 生化分析仪（5～15 min，精度 ±1%～3%）、HPLC（15～40 min，精度 ±1%）、质谱或 LC-MS（30～60 min，精度 ±0.5%～2%）。

离线数据的核心矛盾是“高精度、低频率、有延迟”。一次取样到结果返回可能间隔 30 min 到数小时，而细胞代谢在分钟尺度上就可能变化。因此，离线数据在孪生模型中通常作为“锚点”，用于校正软测量模型和在线传感器的系统偏差，而不是直接驱动实时控制。合理的做法是：每 2～6 h 取一次样，将离线结果与同期在线信号配对，建立偏差修正表或递推最小二乘校正系数。

光谱与软测量：把间接信号变成可测变量

光谱技术（近红外 NIR、中红外 MIR、拉曼 Raman、荧光）通过光与物质的相互作用，提供多组分、无试剂、可在线或旁路测量的能力。以拉曼光谱为例，激光激发样品，收集散射光，得到与葡萄糖、乳酸、谷氨酰胺、细胞密度相关的指纹峰。光谱采集频率可达 10～60 s，但原始光谱不能直接给出浓度，必须通过化学计量学模型（如 PLS、PCA、SVR）建立“光谱→浓度”的映射。

软测量（soft sensor）则更进一步：利用易测变量（温度、pH、DO、补料速率、排气 CO₂、光谱特征）构建数学模型，估计难测变量（比生长速率 μ、底物消耗速率、产物生成速率）。常用方法包括机理模型 + 卡尔曼滤波、PLS 回归、神经网络、高斯过程回归。软测量的输出频率可以做到与在线传感器同步（1～10 s），但其精度依赖训练数据的覆盖范围和离线锚点的更新频率。

采样频率、精度与延迟对孪生模型的影响

这三项指标并非孤立，而是共同决定孪生模型的“可观测性”和“可预测性”。采样频率决定模型能捕捉多快的变化。若在线 DO 采样周期为 5 s，而细胞呼吸在 30 s 内发生显著波动，模型就可能错过瞬态；若软测量输出周期为 60 s，则比生长速率的估计会滞后于实际代谢切换。经验上，关键状态变量的采样频率应至少比其最快时间常数快 5～10 倍。

精度决定模型误差的下限。pH 偏差 0.1 可能使产物谱发生明显偏移；葡萄糖离线测定误差 3% 会直接传递到比消耗速率计算中。因此，孪生模型需要为每个输入通道维护不确定度区间，并在参数估计时按精度加权。延迟则决定模型能否用于闭环控制。若离线葡萄糖结果在 2 h 后才返回，而补料策略需要每 15 min 调整一次，则离线数据只能用于事后校正，不能直接参与实时决策。

一个可执行的采集配置示例

以下给出一套适用于典型 CHO 细胞补料批培养的采集配置，参数为教学示例，实际项目需根据反应器规模和分析能力调整。

总结来看，生物过程数据采集体系的设计原则是：在线传感器提供高频骨架，离线分析提供高精度锚点，光谱与软测量填补中间尺度的难测变量。三者按各自的时间常数和不确定度进入融合层，经过滞后补偿、漂移修正和锚点校正后，才能成为数字孪生模型可信的输入。采集频率、精度和延迟不是孤立指标，而是共同决定模型能否用于监测、预测或闭环控制的边界条件。