[发明专利]一种基于神经网络系统的流化床配方自动生成方法

说明书

技术领域

本发明涉及一种自动生产技术，具体涉及一种基于神经网络系统的流化床配方自动生成方法。

背景技术

目前，制粒工艺的配方对制药产品的性能有着重要的影响。通常配方基本上依靠试验和工人的经验来获取，这就使得制药过程的设计有很大的盲目性。因此，用有效的模型来自动获取配方参数，不但可以提高产品的性能，而且提高生产效率。由于制粒工艺配方和制药过程的各项参数之间存在复杂的非线性关系，多数情况只能靠长期的试验摸索，由工人感觉得到，缺乏科学性和准确性，经验掌握周期长，也容易出现系统误差。

神经网络（Neural Network，NN）是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态相应而进行信息处理，具有容错、联想、推测、记忆、自适应和自处理等特点，能较好的完成复杂输入和输出的非线性映射，并行处理能力强。在结构上，可以把一个神经网络划分为输入层、输出层和隐含层，如图2所示。输入层的每个节点对应一个个的输入变量，输出层的节点对应输出变量，可有多个。在输入层 和输出层之间是隐含层（对神经网络的使用者来说不可见），隐含层的层数和每层节点的个数决定了神经网络的复杂度。通过训练决定神经网络结构的隐含层极其所含节点的个数，以及节点之间的连接方式，建立输入变量和输出变量之间的非线性关系。

因此神经网络特别适用于研究制粒参数和配方之间的非线性关系模型。经过现有技术的文献检索发现，目前尚无流化床配方生成方法方面的技术方案。

发明内容

本发明提供了一种基于神经网络系统的流化床配方自动生成方法，提高产品的性能和生产效率，提高制粒工艺配方或制药过程参数的科学性和准确性。

为实现上述目的，本发明公开一种基于神经网络系统的流化床配方生成方法，其特点是，该方法包含以下步骤：

步骤1 神经网络系统采集用于流化床的神经网络的训练样本；

步骤1.1 现实的流化床模拟运行；

步骤1.2 系统设定流化床运行的原料参数；

步骤1.3 系统根据流化床的运行过程，给出与原料参数相对应的配方参数；

步骤1.4 神经网络系统存储流化床相对应的原料参数与配方参数，获得用于训练神经网络的训练样本；

步骤2 神经网络系统仿真训练用于流化床的神经网络；

步骤2.1 神经网络系统导入训练样本中的各原料参数，作为神经网络的输入层神经元；

步骤2.2 神经网络系统导入训练样本中的各配方参数，作为神经网络的输出层神经元；

步骤2.3 神经网络系统计算出隐层神经元的数目，隐层神经元数目N=训练样本数/2+e，e随机取0到9之间的整数值；

步骤2.4 神经网络系统利用训练样本进行仿真训练，确定神经网络的权值和阈值；

步骤2.5 神经网络系统正向传播输入层输入的训练样本原料参数，并判断输出层的输出是否与导入输出层的训练样本的配方参数一致，若是，则跳转到步骤2.8，若否，则跳转到步骤2.6；

步骤2.6 神经网络系统反向传播误差，并进行学习，修改或迭代各层各节点的权重和阈值，减小代价函数；

步骤2.7 神经网络系统判断代价函数是否能再减小，若是，则完成了输入层与输出层的映射，则跳转到步骤2.6，若否，并跳转到步骤2.8；

步骤2.8 神经网络系统仿真训练完成，建立输入层神经元与输出层神经元之间的关系；

步骤3 神经网络系统应用，自动生成流化床的配方；

步骤3.1 神经网络系统输入原料参数至神经网络输入层；

步骤3.2 神经网络系统对原料参数进行处理，输出层生成配方参数；

步骤3.3 神经网络系统输出神经网络生成的配方参数，控制流化床运作。

上述的步骤1.3中的原料参数包含原料种类、原料密度、原料粒度、浆液粘度、浆液比例、浆液温度和亲水性。

上述的步骤1.3中的配方参数包含低搅转速、高搅转速、低粒转速、高粒转速、总时间、高搅开始、低粒开始、高粒开始、喷浆时长、喷浆开始、终点电流。

本发明一种基于神经网络的流化床配方自动生成系统及其生成方法和现有技术相比，其优点在于，本发明通过神经网络技术设定生产配方，以原料参数自动生成控制流化床运作的生产配方参数，不需要有经验的配方工程师以经验设定配方，提高产品性能和生产效率，提高配方设定的科学性和准确性。

附图说明