[发明专利]中药提取过程动态响应模型的在线识别与终点判定方法

摘要

本发明公开了一种中药提取过程动态响应模型的在线识别与终点判定方法，该方法基于中药提取过程动力学模型，进行模型参数在线识别、模型稳健估计以及提取终点预测，可根据药液浓度变化规律预测提取终点。使提取效果更加稳定，并减少资源浪费。对控制产品质量及提高产品经济效益具有重要的意义。

主权项

一种中药提取过程动态响应模型的在线识别与终点判定方法，该方法在中药提取过程动态响应模型的在线识别与终点判定系统上实现，所述系统包括：提取罐循环管路(1)、旁通手动阀(2)、冷却器入口温度传感器(3)、进样手动阀(4)、水冷却器(5)、冷却器出口温度传感器(6)、进样电磁阀(7)、放样电磁阀(8)、样品定量管(9)、放空电磁阀(10)、回样电磁阀(11)、回样手动阀(12)、水入口管路(13)、进水电磁阀(14)、水定量杯(15)、排水电磁阀(16)、混合采样池(17)、搅拌电机(18)、搅拌桨(19)、视窗(20)、紫外光纤(21)、排污电磁阀(22)、排污管道(23)、光源(24)、紫外光纤(21)、视窗(20)、紫外光谱仪(25)、PLC主机(28)、温度测量模块(26)和电磁阀组及电机驱动模块(27)、数字通讯模块(29)、双绞线(30)、监控计算机(31)；所述提取罐循环管路(1)主管路中安装手动阀(2)，旁路依次与冷却器入口温度传感器(3)、进样手动阀(4)、水冷却器(5)、冷却器出口温度传感器(6)、进样电磁阀(7)、样品定量管(9)、回样电磁阀(11)、回样手动阀(12)相连形成循环管路，其中，样品定量管(9)上下端另外分别与放空电磁阀(10)和排样电磁阀(8)相连；水入口管路(13)依次与进水电磁阀(14)、水定量杯(15)、排水电磁阀(16)、混合池与采样池(17)、排污电磁阀(22)相连；混合采样池(17)顶部与放样电磁阀(8)相连，底部两侧有视窗(20)，搅拌电机(18)与搅拌桨(19)相连并伸入混合采样池(17)内部；排污管道(23)分别与排污电磁阀(22)和水定量杯(15)的溢流管相连；所述光源(24)直接受紫外光谱仪(25)的控制；光源(24)依次与紫外光纤(21)、视窗(20)、紫外光纤(21)、紫外光谱仪(25)相连；所述PLC主机(28)分别与温度测量模块(26)和电磁阀组及电机驱动模块(27)相连；温度测量模块(26)与冷却器入口温度传感器(3)、冷却器出口温度传感器(6)相连；电磁阀组及电机驱动模块(27)与进样电磁阀(7)、放样电磁阀(8)、回样电磁阀(11)、放空电磁阀(10)、进水电磁阀(14)、排水电磁阀(16)、排污电磁阀(22)和搅拌电机(18)相连；监控计算机(31)通过双绞线(30)与数字通讯模块(29)相连；数字通讯模块(29)分别与紫外光谱仪(25)和PLC主机(28)相连；其特征在于，该方法包括以下步骤：(1)关闭光源(24)，利用紫外光谱仪(25)进行紫外光谱快速检测，记录得到的暗光谱S_dark。令有效采样次数k＝0，设定滤波窗口宽度、光谱仪积分时间及采样测量周期T_s；(2)对中药提取过程的提取液进行实时采样。主要包括以下子步骤：(2.1)参考光谱测量：令打开进水电磁阀(14)，向水定量杯(15)充水；待水定量杯(15)充满后，溢流水流入排污管道(23)，此时关闭进水电磁阀(14)、排污电磁阀(22)，并打开排水电磁阀(16)，待定量水进入混合采样池(17)后，测量参考光谱，并记录所得到的参考光谱S_ref；(2.2)自动配比稀释与混合：关闭进样电磁阀(7)与回样电磁阀(11)，打开放样电磁阀(8)与放空电磁阀(10)，使样品定量管(9)中的样品全部流入混合采样池(17)；同时打开搅拌电机(18)，启动搅拌桨(19)使提取液与溶剂混合均匀，并完成稀释；之后再关闭放样电磁阀(8)与放空电磁阀(10)；重复此步骤直到加入规定罐数的提取液；(2.3)提取液光谱检测：打开光源(24)，利用紫外光谱仪(25)测量提取液光谱S_tcm；(2.4)混合液排污与清洗：打开排污电磁阀(22)，将混合液全部流入排污管道(23)后，再关闭排污电磁阀(22)；再打开进水电磁阀(14)、排水电磁阀(16)使水直接进入混合采样池(17)，并打开搅拌电机(18)帮助清洗；清洗完毕后关闭进水电磁阀(14)、排水电磁阀(16)，再打开排污电磁阀(22)将污水排走，完成后关闭搅拌电机(18)；(2.5)吸光度曲线求取及光谱预处理：由光谱S_tcm、S_ref及S_dark按下式求取吸光度A，$A=-log\left(\frac{S_{tcm}-S_{dark}}{S_{ref}-S_{dark}}\right)$根据紫外光谱仪(25)提供的转换参数将像素点转换为对应波长，对得到的吸光度A的序列进行紫外波段提取、线性插值、坏点去除及滤波处理，得到预处理后的有效吸光度序列A_f；(3)对于吸光度曲线A_f，取出该曲线紫外波段内的平均值作为当前时刻下的吸光度特征值，并结合此前测量得到的其他k‑1个吸光度特征值构成不同时刻下吸光度特征值序列Y＝{y₁,y₂,y₃,...,y_k}；同时记录数据收集的时间，构成相应的时间序列X＝{x₁,x₂,x₃,...,x_k}；(4)判断吸光度特征序列长度k是否达到曲线拟合的数量要求l；若k≥l，则开始拟合分析，执行步骤5；如果未达到要求，返回步骤2，继续收集数据；(5)结合当前得到的吸光度特征值序列Y及时间序列X进行模型参数在线识别，模型Y＝F(X)的具体形式为：该步骤包括以下子步骤：(5.1)对X,Y序列分别进行最大值归一化处理，设其最大值分别为x_max和y_max,得到标准化序列$\hat{X}=\{{\hat{x}}_1,{\hat{x}}_2,{\hat{x}}_3,...,{\hat{x}}_k\},\hat{Y}=\left\{{\hat{y}}_1,{\hat{y}}_2,{\hat{y}}_3,...,{\hat{y}}_k\right\},$其中${\hat{x}}_n=\frac{x_n}{x_{max}}(n=1,...,k),{\hat{y}}_n=\frac{y_n}{y_{max}}(n=1,...,k)$则与的拟合模型可以写成：$\hat{Y}={\hat{b}}_0-{\hat{b}}_1{e}^{-\frac{\hat{X}}{\hat{T}}}+E$其中，$\frac{b_0}{y_{max}}={\hat{b}}_0,\frac{b_1}{y_{max}}={\hat{b}}_1,\frac{T}{x_{max}}=\hat{T};$(5.2)结合非线性网格搜索及线性最小二乘确定参数及的取值。该步骤包括以下子步骤：(5.2.1)在的可行域中设定取值范围[t₁,t₂],对此范围进行m等分并将每一个等分点作为的搜索值带入拟合公式中。(5.2.2)步骤5.2.1划分得到的每一个搜索值，通过一元线性回归的方法估计其所对应的线性参数及(5.2.3)将拟合参数及带入拟合公式，得到使目标函数最小的参数，在对应的搜索值附近区域内进一步m等分；(5.2.4)重复步骤5.2.1‐5.2.3，直至网格间距小于控制误差θ为止。(5.3)将拟合得到的参数及按照步骤5.1中的公式还原得到对应的参数T,b₀和b₁。(6)利用聚类分析的方法对当前模型进行稳健分析。具体包含以下步骤：(6.1)若当前为所得到的第一条分析曲线，则将其置入第一类曲线中。对于其他分析周期所得到的拟合曲线，计算其与前期得到的各曲线之间的距离，即其均方误差：$d_{ij}=\sqrt{\frac{1}{k}\underset{t-1}{\overset{k}{\Σ}}{\left(F_i\right(t)-F_j(t\left)\right)}^2}$F_i(t)及F_j(t)分别表示在第i个及第j个测量周期识别得到的模型中，吸光度特征值y_t所对应的拟合值，其中1≤t≤k。(6.2)根据步骤6.1得到当前曲线与已知各类之间的距离，即当前曲线与该类别中所有曲线距离的最小值。如果当前曲线与某一类距离最小且小于预设的分类阈值δ，则将当前曲线合并到该类中；若当前曲线到任意类的距离均大于δ，则当前曲线保持单独一类。(6.3)判断拟合模型是否处于稳定，若最后p条曲线均属于同一类，则说明拟合模型已达到稳定。(7)根据步骤5所得到的模型参数，初步预测提取终点：设定提取终点所对应的紫外吸光度值为(1‑λ)b₀，其中λ表示提取终点与拟合模型最终收敛值b₀的偏差率。由此得到提取终点时刻并进一步修正提取终点：计算当前曲线所在类别中各曲线所对应提取终点时刻的平均值t_sf作为t_s的修正值。(8)若拟合模型未达到稳定或当前时刻未达到t_sf，则返回步骤2继续收集数据进行分析；若拟合模型已达到稳定且当前时刻已达到t_sf，则提取过程已进行完全，退出分析。