3. 连续生物过程的动态特性与建模需求
连续生物过程（如灌流培养、连续层析、连续病毒灭活）与间歇过程最大的区别在于：物料持续流入与流出，系统始终处于“动态平衡”附近，而不是从一个静止初态走向另一个静止终态。因此，控制器面对的不是一条可以慢慢等待的静态曲线，而是一个被持续扰动、参数缓慢漂移、且响应存在明显滞后的动态对象。理解这些动态特性，是判断“为什么需要预测控制”而不是“PID 够不够用”的前提。
一、非线性：增益随工作点变化
连续生物过程最典型的非线性来自细胞代谢与反应速率。以灌流培养为例，当稀释率 D（单位 h⁻¹）在较低区间变化时，稳态活细胞密度 X 对 D 的响应较平缓；但当 D 接近细胞比生长速率 μ 时，微小变化即可导致细胞被“洗出”，X 急剧下降。也就是说，同一对象在不同工作点的过程增益 K = ΔX/ΔD 相差数倍甚至一个数量级。
这种非线性对控制器的直接影响是：按低稀释率工况整定好的 PID 参数，一旦运行到高稀释率区，可能表现为响应过慢或剧烈振荡。预测控制通过在线模型在每个采样时刻重新线性化或直接使用非线性模型预测未来轨迹，使控制作用能随工作点自适应调整，而不是依赖一套固定增益。
二、时变：参数随时间和批次缓慢漂移
连续过程运行周期常达数周。在此期间，细胞比生长速率、比产物生成速率、膜通量、层析树脂载量都会缓慢变化。例如灌流培养中，膜污染使过滤通量从初始 15 L·m⁻²·h⁻¹ 逐步衰减到 8 L·m⁻²·h⁻¹，若控制器仍按初始模型计算，会导致液位或活细胞密度偏离设定值。时变意味着模型参数需要在线辨识或至少周期性更新，这正是自适应预测控制（如带递推最小二乘辨识的 MPC）的动机。
三、多尺度：时间常数跨越数个数量级
连续生物过程同时存在快、中、慢三类动态：
- 快动态：pH、溶解氧、温度，时间常数约秒到分钟级；
- 中动态：葡萄糖、乳酸、氨浓度，时间常数约十分钟到小时级；
- 慢动态：活细胞密度、产物浓度、膜通量，时间常数可达数小时到数天。
若用单一采样周期控制所有变量，快回路会因采样过慢而失稳，慢回路会因采样过快而浪费计算资源。工程上常采用分层控制：底层 PID 以 1 s 周期稳定 pH/DO，上层 MPC 以 5～15 min 周期调节稀释率与补料，形成多时间尺度协调。
四、滞后：纯滞后与容量滞后叠加
连续过程存在两类滞后。一是纯滞后（传输延迟）：从补料泵动作到反应器内浓度响应，需经过管路与混合时间，典型值 2～10 min。二是容量滞后：反应器、储罐、膜组件本身具有储能能力，使响应呈指数缓变。纯滞后对 PID 极为不利，因为控制器在误差出现时无法立即看到自己动作的效果，容易超调。预测控制通过模型显式预测滞后后的输出，提前施加控制作用，从而在滞后对象上获得更平稳的响应。
五、扰动来源：可测与不可测并存
连续生物过程的扰动可分为：
- 进料扰动：培养基浓度波动、补料泵脉动；
- 生理扰动：细胞状态变化、代谢途径切换、感染或凋亡；
- 设备扰动：膜污染、阀门特性漂移、传感器漂移；
- 环境扰动：温度、湿度、供电波动。
其中部分扰动可测（如进料流量、温度），可在 MPC 中作为前馈变量；部分不可测（如细胞比生长速率突变），只能通过输出反馈与扰动观测器估计。预测控制的核心优势之一，正是能在目标函数中同时处理可测扰动的前馈补偿与不可测扰动的反馈校正。
六、预测控制的动机：从“事后纠偏”到“事前规划”
把上述特性放在一起，就能看清预测控制为何在连续生物过程中具有不可替代性。PID 的本质是“看到误差再动作”，而连续过程恰恰是“动作效果要等几分钟甚至几小时才显现”。预测控制则利用模型向前看：在当前时刻，根据未来若干采样点的预测输出与设定值偏差，求解一组最优控制增量，只执行第一个，下一时刻重新优化。这种滚动优化天然适应非线性、时变与滞后。
以一个灌流培养的葡萄糖控制为例：设定值 Glc_sp = 4.0 g/L，采样周期 Ts = 5 min，预测时域 Np = 20（即 100 min），控制时域 Nc = 5。若在第 k 步检测到葡萄糖为 3.2 g/L，且模型预测未来 100 min 内将因细胞消耗继续下降至 2.5 g/L，MPC 会提前增大补料速率，而不是等到葡萄糖跌破 3.0 g/L 才动作。这种“提前量”正是纯滞后对象最需要的。
七、建模需求：精度与可辨识性的平衡
预测控制的效果高度依赖模型质量，但连续生物过程建模面临两难：机理模型（如 Monod 方程 + 物料平衡）结构清晰、外推能力好，但参数多且难以在线辨识；数据驱动模型（如 ARX、子空间辨识）易于在线更新，但外推能力弱。工程上常采用“机理骨架 + 数据校正”的混合策略：用机理模型确定结构，用在线数据辨识关键时变参数（如 μ、膜通量），再送入 MPC 求解。
建模时还需注意：模型的时间尺度必须与预测时域匹配。若预测时域为 100 min，则模型应能捕捉 10～100 min 内的主导动态，而不必精确描述秒级 pH 波动——后者由底层 PID 负责。这种“分层建模、分层控制”的思路，是连续生物过程预测控制工程落地的关键。