[发明专利]利用人工智能控制并操纵微流体中多相流的方法和装置

权利要求书

1.一种用于控制微液滴或气泡的系统包括:

一个用于产生所述微液滴或气泡的微流体产生器；

一个用于感应生成的微液滴或气泡的一个或多个反馈性能参数的反馈感应器；和

一个利用感应的反馈性能参数控制微流体产生器的控制器。

2.根据权利要求1所述的系统，其中该反馈感应器包括一个预测性能参数的预测器，其可以预测未被感应到或不可靠的参数，并且进一步利用这些预测的性能参数来控制微流体产生器。

3.根据权利要求1所述的系统,其中该控制器利用来自反馈感应器的训练数据建立一个模型，测试产生的液滴或气泡来确定模型的精确性。

4.根据权利要求1所述的系统,其中该控制器包括一个人工智能控制器，集成了如机器自动学习分类器。

5.根据权利要求1所述的系统，其中该控制器包括一个压力驱动的流量控制器或一个注射泵。

6.根据权利要求1所述的系统,其中该控制器被配制用于控制微流体产生器，那样该微流体产生器产生该微液滴或气泡的单分散相乳剂。

7.根据权利要求1所述的系统，其中该感应器包括一个光学系统。

8.根据权利要求7所述的系统，其中该光学系统需要所述微液滴或气泡的流体流量中气相、液相或固相的信息，如大小、形状、颜色。

9.根据权利要求7所述的系统，其中该光学系统确定的参数包括以下的任意一种或多种：液滴面积、直径、形状、频率、间隔距离和速度。

10.一种控制微液滴或气泡的方法包括：

产生所述微液滴或气泡；

感应生成的微液滴或气泡的一种或多种反馈性能参数；并

利用感应的反馈性能参数控制微流体产生器。

11.根据权利要求10所述的方法，其中控制步骤包括一个训练阶段，这个训练阶段包括一个用来自反馈感应器的训练数据构建的模型。

12.根据权利要求11所述的方法，其中该训练阶段包括确定一个训练范围，训练范围与产生器执行产生步骤的压力特性有关。

13.根据权利要求12所述的方法，其中该训练区域在平流与稳定域的过度线之间。

14.根据权利要求11所述的方法，其中训练阶段包括以蛇形方式检索训练的边界。

15.根据权利要求11所述的方法，其中该模型是一个回归模型。

16.根据权利要求15所述的方法，包括通过使训练数据损失最小化，来确定该回归模型的最佳回归参数。

17.根据权利要求11所述的方法，其中所述的控制步骤进一步包括一个测试阶段，这个测试阶段包括测试生成的液滴或气泡来确定所述模型的准确率。

18.根据权利要求17所述的方法，其中所述测试包括输入一种预期的液滴面积和形状到所述模型中。

19.根据权利要求17所述的方法，其中当输入的预期的液滴面积和形状与生成的液滴相比较时，准确率包括小于2.5％的误差。

20.一种用来分拣微液滴或气泡的系统，该系统包括：

一个传感器，用来感应一个或多个所述微液滴或气泡或它们的含量的参数；

一个分拣器，用来分拣所述微液滴或气泡，及

一个控制器，利用感应到的参数来控制分拣器。