基于深度强化学习的中药制药过程自主优化决策方法研究

中药生产过程容易受到原材料波动等不确定因素影响,进入非优操作状态,影响产品质量一致性。为此,需要面向中药制药全链条的各个环节,合理设计并采集质量相关物性参数、工艺参数、设备参数,解决制药过程数字化、模型化问题。该文提出了一种基于深度强化学习的非优工艺状态识别与自愈调控方法,实现了中药制造过程质量主动预防控制。以中药真空带式干燥工艺为例,完成了基于DQN算法的工艺自主决策模型的构建与验证,并针对具体实施过程进行了研究,从而实现了工艺参数组合自主优化策略发现和最优过程控制路径规划。研究结果表明,基于深度强化学习的优化决策技术有助于提高产品质量一致性,降低生产成本,提升企业效益。

金银花颗粒在旋风分离器中的流场数值模拟分析

目的 针对金银花颗粒在旋风分离器中的运动行为过程进行研究,考察不同设计参数和操作工艺条件下,颗粒在设备内部的运动过程变化规律。方法 基于仿真模拟技术,考察受不同设备长径比、入口进气雷诺数、颗粒质量流量3个因素影响的金银花颗粒在分离器内的运动规律,并以金银花颗粒得粉率为验证指标参数,对模型可靠性进行了分析。结果 通过仿真模拟得到了各个不同工艺条件下的金银花颗粒运动轨迹分布,计算出了对应设备的颗粒得粉率。提出金银花颗粒分离的最佳工艺建议为设备长径比5∶1,入口进气雷诺数3.23×10^(4),颗粒质量流量80.1 mg/s,得到的金银花颗粒得粉率为96.30%。结论 为旋风分离器内金银花颗粒的有关研究提供指导,同时改善旋风分离器在控制和设计上的不足。

FPGA技术在中药智能制药中的应用探讨

传统中药制造业正不断向数字化、信息化、智能化升级,这对智能化硬件提出了更高的要求。现场可编程门阵列(field-programmable gate array,FPGA)具有多通道同步信号采集、快速数据处理、高性能、低功耗等优势,在社会生产的诸多领域已被广泛应用。对FPGA组成和工业应用优势进行介绍,结合中药制药工业应用场景的原理和领域知识,对FPGA技术在中药智能制药中的应用进行探讨研究,主要涉及制药过程信号采集、图像处理、深度学习3个方面,以期为中药制药行业过程控制、工艺优化等提供技术参考。

金银花提取液喷雾干燥过程的数值模拟

目的为了研究中药喷雾干燥过程中干燥塔内的流场特性和颗粒的干燥行为,以金银花提取液的喷雾干燥过程为例,针对喷雾干燥塔建立了计算流体力学仿真模拟。方法采用离散相模型计算液滴的干燥和运动过程,SST k-ω湍流模型用于计算干燥塔中的瞬态流动,并利用分布式光纤测温系统和最终产品特性实验结果对模型的准确性进行了验证。结果温度场实验结果与模拟基本一致,金银花粉末的得粉率与平均粒径相对偏差在5%以内。对不同初始粒径的液滴进行分析,干燥塔中的温度分布与液滴的干燥和运动特性密切相关。结论建立的数值计算模型能够模拟喷雾干燥塔内的复杂气流模式和金银花提取液的干燥特性,该模型能够用于工艺和设计优化,提升中药制药过程质量控制的智能化程度。

中药制药工艺知识库构建方法研究

中药制药工业当前正处于数字化与智能化转型过程中,需要针对文献报道数据、中药制药生产过程中积累的海量历史数据信息和药工操作经验,建立智能化方法进行高效分析,挖掘并整理出有价值的过程信息。为此,亟需建立基于知识驱动的中药智能制造关键技术体系,推动中药制药技术智能化升级。该研究提出了中药制药生产工艺知识库的构建方法,分别从文献挖掘、案例推理和实时预测3个层面,以中药带式干燥工艺为研究对象初步构建了中药制药工艺知识库。工艺知识库整合了深度学习(deep learning)、案例分析(case-based reasoning)、仿真建模(simulation modeling)等技术,融合制药过程机制及大数据信息,实现了知识自动化与决策科学化,为中药制药工业从“经验制药”向“智慧制药”跨越提供示范。

基于流程模拟的中药生产过程溶媒回收工艺动态控制方法研究

目的 研究通过流程模拟和过程控制技术优化中药溶媒回收工艺控制结构,建立中药生产过程溶媒回收工艺动态控制方法。方法 针对中药溶媒回收过程中乙醇和水2组分的精馏工艺,在流程模拟平台分别建立添加再沸器热负荷与进料流量比值(Q_(Reb)/F)控制结构的控制系统以及回流物流量与进料流量成固定比值(固定R/F)控制结构的控制系统。通过考察系统在受扰动条件下运行状态的变化过程,分析了这2种控制结构对于中药溶媒回收工艺运行稳定性的影响。结果 在进料流量以及进料组分的干扰下,Q/F控制结构优于固定R/F控制结构,其减少了系统回复正常工艺状态的过渡时间,更好地保证了塔顶乙醇的回收率。结论 通过对不同设备尺寸模拟系统控制效果的对比,发现所建立的Q_(Reb)/F控制结构具有较强的普适性。进一步说明了Q_(Reb)/F控制结构在中药蒸汽机械再压缩(mechanical vapor recompression,MVR)浓缩工艺控制过程中可以通过增强测控参数关联性,降低控制响应迟滞,减少成本损失和能量浪费,为中药生产自动化控制升级提供了借鉴。