CN105319175B - 中药提取过程动态响应模型的在线识别与终点判定方法 - Google Patents
中药提取过程动态响应模型的在线识别与终点判定方法 Download PDFInfo
- Publication number
- CN105319175B CN105319175B CN201510737972.3A CN201510737972A CN105319175B CN 105319175 B CN105319175 B CN 105319175B CN 201510737972 A CN201510737972 A CN 201510737972A CN 105319175 B CN105319175 B CN 105319175B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- valve
- model
- extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
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。
Description
技术领域
本发明属于化学计量学领域，涉及中药提取过程在线质量监控，尤其涉及中药提取过程模型建立与识别、模型稳健性分析及提取终点判断。
背景技术
在实际中药配方颗粒的生产过程中，提取过程作为药材中有效成分的收集环节，为后期浓缩、分离、干燥及药物成型等操作单元奠定基础，并决定了产品中有效成分的含量及其质量水平。然而，由于目前缺乏有效的自动化在线监控手段，提取过程针对某一品种药材往往采取固定时间的方式。然而，同种药材由于产地不同、种植环境不同等因素，其有效成分含量差距很大，因此固定时间的提取方式往往会导致无法充分利用原料药、或者提取时间过长造成资源浪费等情况，最终使得产品质量参差不齐，生产效率降低。综上所述，如何在线监控中药提取液质量，针对不同中药材提出科学统一的终点判断原则，从而动态控制每种中药材的提取过程，成了中药配方颗粒生产过程中提高生产效率、统一产品质量的重要问题。
现有的国内发明专利(专利号：ZL 201310350212.8)提出了中药提取过程在线紫外光谱检测方法与系统，实现了生产过程中对中药提取液的实时采样，为提取过程的在线监控提供了硬件基础。然而，该系统并未涉及提取情况的分析方法。在此基础上，国内发明专利(申请号：201410377580.6)提出了一种中药提取过程动态趋势在线分析方法，该方法通过分析吸光度局部变化来进行当前提取情况的分析。该方法原理简单，但是并未能充分描述提取过程的变化规律，无法排除无效数据点的影响；且只能判断过去及当前时刻是否处于提取终点，无法客观地对提取终点进行有效预测。
本发明基于中药提取过程的动力学模型，公开了提取过程动态趋势分析方法，结合在线收集到的紫外光谱数据集进行模型参数在线识别、模型稳健性估计、提取终点预测及提取终点判断。该方法科学客观地反映了提取过程的变化规律，保证了提取终点判断的有效性和实时性，从而为提高中药生产效率、统一产品质量奠定了基础。
中药提取过程的实质是药材中的有效成分在浓度差的作用下从药材内部转移至提取溶液中的固‐液相的传质过程。储茂泉、刘国杰等人通过总结中药提取过程的传质规律，在Fick第二定律的基础上，建立中药提取过程的一阶动力学方程形式，即：
C(t)＝C∞-(C∞-C0)e-kt
其中，C为液相主体溶质质量浓度，C∞与C0分别表示平衡及初始情况下液相溶质质量浓度，k表示提取速率常数，t为提取过程进行的时间。
本发明以上述动力学方程为描述提取过程的模型基础，以国内发明专利(专利号：201310350212.8)所提出的中药提取过程在线紫外光谱检测系统为测量基础，在线收集过程中提取液的紫外吸光度谱图。根据朗伯比尔定律，在相同条件下，溶液的紫外吸光度值与溶液浓度成正比，因此紫外吸光度可以表示当前时刻的提取液浓度。
发明内容
本发明的目的在于针对现有在线分析方法的不足，提供动态趋势分析方法及提取终点判定方法，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，更加科学有效。
本发明的目的是通过以下技术方案来实现的：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、旁通手动阀、冷却器入口温度传感器、进样手动阀、水冷却器、冷却器出口温度传感器、进样电磁阀、放样电磁阀、样品定量管、放空电磁阀、回样电磁阀、回样手动阀、水入口管路、进水电磁阀、水定量杯、排水电磁阀、混合采样池、搅拌电机、搅拌桨、视窗、紫外光纤、排污电磁阀、排污管道、光源、紫外光谱仪、PLC主机、温度测量模块和电磁阀组及电机驱动模块、数字通讯模块、双绞线、监控计算机；所述提取罐循环管路主管路中安装手动阀，旁路依次与冷却器入口温度传感器、进样手动阀、水冷却器、冷却器出口温度传感器、进样电磁阀、样品定量管、回样电磁阀、回样手动阀相连形成循环管路，其中，样品定量管上下端另外分别与放空电磁阀和排样电磁阀相连；水入口管路依次与进水电磁阀、水定量杯、排水电磁阀、混合池与采样池、排污电磁阀相连；混合采样池顶部与放样电磁阀相连，底部两侧有视窗，搅拌电机与搅拌桨相连并伸入混合采样池内部；排污管道分别与排污电磁阀和水定量杯的溢流管相连；所述光源直接受紫外光谱仪的控制；光源依次与紫外光纤、视窗、紫外光纤、紫外光谱仪相连；所述PLC主机分别与温度测量模块和电磁阀组及电机驱动模块相连；温度测量模块与冷却器入口温度传感器、冷却器出口温度传感器相连；电磁阀组及电机驱动模块与进样电磁阀、放样电磁阀、回样电磁阀、放空电磁阀、进水电磁阀、排水电磁阀、排污电磁阀和搅拌电机相连；监控计算机通过双绞线与数字通讯模块相连；数字通讯模块分别与紫外光谱仪和PLC主机相连；该方法包括以下步骤：
(1)关闭光源，利用紫外光谱仪进行紫外光谱快速检测，记录得到的暗光谱Sdark。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Ts；
(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k＝k+1，打开进水电磁阀，向水定量杯充水；待水定量杯充满后，溢流水流入排污管道，此时关闭进水电磁阀、排污电磁阀，并打开排水电磁阀，待定量水进入混合采样池后，测量参考光谱，并记录所得到的参考光谱Sref；
(2.2)自动配比稀释与混合：关闭进样电磁阀与回样电磁阀，打开放样电磁阀与放空电磁阀，使样品定量管中的样品全部流入混合采样池；同时打开搅拌电机，启动搅拌桨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与放空电磁阀；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，利用紫外光谱仪测量提取液光谱Stcm；
(2.4)混合液排污与清洗：打开排污电磁阀，将混合液全部流入排污管道后，再关闭排污电磁阀；再打开进水电磁阀、排水电磁阀使水直接进入混合采样池，并打开搅拌电机帮助清洗；清洗完毕后关闭进水电磁阀、排水电磁阀，再打开排污电磁阀将污水排走，完成后关闭搅拌电机；
(2.5)吸光度曲线求取及光谱预处理：由光谱Stcm、Sref及Sdark按下式求取吸光度A，
根据紫外光谱仪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Af；
(3)对于有效吸光度序列Af，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,...,yk}；同时记录数据收集的时间，构成相应的时间序列X＝{x1,x2,x3,...,xk}；
(4)判断吸光度特征值序列Y的长度k是否达到曲线拟合的数量要求l，其中l值的设定需保证此时特征值序列Y随时间呈现较明显的变化趋势。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xmax和ymax,得到标准化序列其中
则与的拟合模型可以写成：
其中，
(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)‐步骤(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。
(7)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：
Fi(t)及Fj(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yt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；其中p值的设定需保证稳定状态持续时间充足，同时不宜过长，导致提取终点判断滞后。
(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tsf作为ts的修正值。
(8)若拟合模型未达到稳定或当前时刻未达到tsf，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tsf，则提取过程已进行完全，退出分析。
本发明的有益效果是：根据提取过程动力学模型，科学有效地对中药提取终点进行预测，从而保证提取效果的稳定，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。
附图说明
图1为本发明中药提取过程动态响应模型的在线识别与终点判定系统的结构框图；
图2为某中药厂“千年健”提取过程测量得到的紫外吸光度曲线；
图3为某中药厂“千年键”提取过程吸光度特征值随时间变化曲线；
图4为“千年健”吸光度变化模型动态识别拟合曲线；
图5为某中药厂“制川乌”提取过程测量得到的紫外吸光度曲线；
图6为某中药厂“制川乌”提取过程吸光度特征值随时间变化曲线；
图7为“制川乌”吸光度变化模型动态识别拟合曲线。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。
本发明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。如图1所示，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。
提取罐循环管路1主管路中安装旁通手动阀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。
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。
实例一：某中药制药公司“千年健”提取过程。利用在线识别与终点判定系统进行提取过程实时检测，检测周期为2‐3min，提取过程周期为180min。本方法具体包括以下步骤：
(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Sdark；令有效采样次数k＝0；设定滤波窗口宽度为5、光谱仪积分时间为200ms，采样测量周期Ts＝4min；
(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k＝k+1，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Sref，
(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Stcm；
(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Stcm和Sref及Sdark按下式求取吸光度A：
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Af，提取全过程所得到的有效吸光度序列Af如图2所示。
(3)对于第k次测量得到的吸光度曲线，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，选定该波段范围为230‐300nm,并结合此前测量得到的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,...,yk}；同时记录数据收集时刻，构成相应的时间序列X＝{x1,x2,x3,...,xk}。提取全过程所得到的吸光度特征值随时间变化曲线如图3所示。
(4)判断吸光度特征值序列Y的长度k是否达到曲线拟合的数量要求l，其中l值的设定需保证此时特征值序列Y随时间呈现较明显的变化趋势，设l＝30，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。数据收集个数k与拟合时刻xk的对应关系如表1.1所示。
表1.1“千年健”吸光度变化模型动态识别过程参数
(5)结合当前得到的吸光度特征值及时间序列Y,X进行模型参数在线识别，模型Y＝F(X)的具体形式为：
(5.1)对X,Y序列分别进行最大值归一化处理，其最大值分别为xmax和ymax，则xmax＝xk.各检测周期对应的xmax(即xk)和ymax如表1.1所示。得到标准化序列 其中
则与的拟合模型可以写做：
其中
(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其中设t1＝0.001,t2＝5,m＝5。
(5.2.2)上述步骤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)‐步骤(5.2.3)，直至网格间距小于控制误差θ为止。本例设定θ＝0.0002。各检测周期得到的拟合参数及如表1.1所示，将其还原得到对应的参数T,b0和b1，如表1.2所示。拟合曲线如图4所示(本例中只列出k＝30及k＝37时刻的拟合曲线，其他拟合曲线处于这两条曲线之间)。
表1.2“千年健”吸光度变化模型动态识别结果参数及终点预测
| k | b0 | b1 | T | ts(min) | tsf(min) |
| 30 | 0.438 | 0.400 | 48.165 | 106.522 | 106.522 |
| 31 | 0.432 | 0.395 | 46.937 | 103.819 | 105.171 |
| 32 | 0.428 | 0.391 | 46.095 | 101.968 | 104.103 |
| 33 | 0.427 | 0.390 | 45.758 | 101.231 | 103.385 |
| 34 | 0.424 | 0.387 | 45.017 | 99.610 | 102.630 |
| 35 | 0.422 | 0.386 | 44.627 | 98.760 | 101.985 |
| 36 | 0.420 | 0.384 | 44.154 | 97.729 | 101.377 |
| 37 | 0.419 | 0.384 | 44.014 | 97.423 | 100.882 |
(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：
Fi(t)及Fj(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yt所对应的拟合值,其中1≤t≤k。表1.3表示不同拟合时刻得到的拟合曲线之间的距离。
表1.3“千年健”吸光度变化动态拟合曲线之间的距离
(6.2)根据上述步骤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。
(6.3)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，设定δ＝0.05，则将当前曲线合并到该类中；若当前到任意类的距离均大于δ，则当前曲线保持单独一类。分类情况如表1.4所示，其中设定k＝30时得到的拟合曲线所属类别为C1，其他类别用C2，C3，…，Cn表示。
表1.4“千年健”吸光度变化动态拟合曲线分类情况
| k | 最短距离 | 所属类别 | k | 最短距离 | 所属类别 |
| 30 | C1 | 34 | 0.0002 | C1 | |
| 31 | 0.0005 | C1 | 35 | 0.0003 | C1 |
| 32 | 0.0002 | C1 | 36 | 0.0001 | C1 |
| 33 | 0.0004 | C1 | 37 | 0.0001 | C1 |
(6.4)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，设定p＝5，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，设定λ＝0.1。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tsf作为ts的修正值。各检测周期得到的提取终点如表1.2所示。
(8)若拟合模型未达到稳定或当前时刻未达到tsf，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tsf，则提取过程已进行完全，退出分析。根据附表1.4，由于k>30后拟合得到的曲线均属于同一类别，当k＝37时拟合模型已收敛，因此可以判断拟合时间xk＝101min时模型达到稳定。由于预测终点tsf≈101min，且模型达到稳定时所对应的拟合时间xk＝101min＝tsf，因此k＝37时提取过程已到达终点，分析过程结束。
实例二：某中药制药公司“制川乌”提取过程。利用在线识别与终点判定系统进行提取过程实时检测，检测周期为2‐3min，提取过程周期为180min。本方法具体包括以下步骤：
(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Sdark；令有效采样次数k＝0；设定滤波窗口宽度为5、光谱仪积分时间为200ms，采样测量周期Ts＝4min；
(2)对中药提取过程的提取液进行实时采样。得到预处理后的有效吸光度序列Af。提取全过程所得到的吸光度曲线如图5所示。
(3)对于第k次测量得到的吸光度曲线，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，选定该波段范围为230‐300nm,并结合此前测量得到的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,...,yk}；同时记录数据收集时刻，构成相应的时间序列X＝{x1,x2,x3,...,xk}.提取全过程所得到的吸光度特征值随时间变化曲线如图6所示。
(4)判断吸光度特征值序列Y的长度k是否达到曲线拟合的数量要求l，其中l值的设定需保证此时特征值序列Y随时间呈现较明显的变化趋势，设l＝30，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。数据收集个数k与拟合时刻xk的对应关系如表2.1所示。
表2.1“制川乌”吸光度变化模型动态识别结果参数及终点预测
(5)结合当前得到的吸光度特征值及时间序列Y,X进行模型参数在线识别，模型Y＝F(X)的具体形式为：
拟合过程与实例一相同，各检测周期得到的拟合参数T,b0和b1如表2.1所示。各拟合周期得到的拟合曲线如图7所示(本例只列出k＝30,38及54时的拟合曲线，其他时刻曲线在这三条曲线之间)。
(6)利用聚类分析的方法对当前模型进行稳健分析。分类步骤如实例一相同。分类情况如表2.2所示,其中设定k＝30时得到的拟合曲线所属类别为C1，其他类别分别用C2，C3，…，
Cn表示。
表2.2“制川乌”吸光度变化动态拟合曲线分类情况
| k | 最短距离 | 所属类别 | k | 最短距离 | 所属类别 |
| 30 | C1 | 51 | 0.0003 | C7 | |
| 45 | 0.0012 | C7 | 52 | 0.0002 | C7 |
| 50 | 0.0002 | C7 | 53 | 0.0002 | C7 |
| 54 | 0.0002 | C7 |
(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，设定λ＝0.1。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tsf作为ts的修正值。各检测周期得到的提取终点如表2.1所示。
(8)若拟合模型未达到稳定或当前时刻未达到tsf，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tsf，则提取过程已进行完全，退出分析。根据表2.2，由于k>45后拟合得到的曲线均属于同一类别，当k＝50时拟合模型已收敛，而此时并未到达提取终点；当k＝55时，检测时间xk＝133min≈tsf，因此k＝55时提取过程已到达终点，分析过程结束。
Claims (1)
1.一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Sdark；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Ts；
(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k＝k+1，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Sref；
(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Stcm；
(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Stcm、Sref及Sdark按下式求取吸光度A，
<mrow>
<mi>A</mi>
<mo>=</mo>
<mo>-</mo>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>t</mi>
<mi>c</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
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Af；
(3)对于有效吸光度序列Af，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,...,yk}；同时记录数据收集的时间，构成相应的时间序列X＝{x1,x2,x3,...,xk}；
(4)判断吸光度特征值序列Y的长度k是否达到曲线拟合的数量要求l，l值的设定需保证此时特征值序列Y随时间呈现较明显的变化趋势，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xmax和ymax,得到标准化序列 其中
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>n</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mi>n</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<msub>
<mi>y</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
则与的拟合模型可以写成：
<mrow>
<mover>
<mi>Y</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mover>
<mi>X</mi>
<mo>^</mo>
</mover>
<mover>
<mi>T</mi>
<mo>^</mo>
</mover>
</mfrac>
</mrow>
</msup>
<mo>+</mo>
<mi>E</mi>
</mrow>
其中，
(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)‐步骤(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：
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>k</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>F</mi>
<mi>j</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
Fi(t)及Fj(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yt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，其中p值的设定需保证稳定状态持续时间充足，同时不宜过长，导致提取终点判断滞后；
(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tsf作为ts的修正值；
(8)若拟合模型未达到稳定或当前时刻未达到tsf，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tsf，则提取过程已进行完全，退出分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510737972.3A CN105319175B (zh) | 2015-11-03 | 2015-11-03 | 中药提取过程动态响应模型的在线识别与终点判定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510737972.3A CN105319175B (zh) | 2015-11-03 | 2015-11-03 | 中药提取过程动态响应模型的在线识别与终点判定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105319175A CN105319175A (zh) | 2016-02-10 |
| CN105319175B true CN105319175B (zh) | 2017-10-31 |
Family
ID=55247038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510737972.3A Expired - Fee Related CN105319175B (zh) | 2015-11-03 | 2015-11-03 | 中药提取过程动态响应模型的在线识别与终点判定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105319175B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106509974A (zh) * | 2016-11-04 | 2017-03-22 | 云南中烟工业有限责任公司 | 一种烟草原料提取终点的判定方法 |
| CN109490156B (zh) * | 2018-11-29 | 2021-04-02 | 北京康仁堂药业有限公司 | 定量预测中药配方颗粒混合过程终点时间的方法 |
| CN111665716B (zh) * | 2020-05-27 | 2022-07-05 | 广东工业大学 | 一种中药/天然植物提取的数学建模方法 |
| CN111948363B (zh) * | 2020-08-11 | 2021-11-02 | 浙江大学 | 一种中药提取过程数据分析方法 |
| CN113588590B (zh) * | 2021-08-11 | 2024-04-16 | 苏州泽达兴邦医药科技有限公司 | 一种基于数据挖掘的中药提取过程质量控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4102747A (en) * | 1977-07-28 | 1978-07-25 | American Hospital Supply Corporation | Amylase determination |
| CN102252992A (zh) * | 2011-04-28 | 2011-11-23 | 天津红日药业股份有限公司 | 一种对中药提取过程进行近红外在线检测方法 |
| CN103411910A (zh) * | 2013-08-13 | 2013-11-27 | 杭州派析光电科技有限公司 | 中药提取过程在线紫外光谱检测方法及系统 |
| CN104122221A (zh) * | 2014-08-03 | 2014-10-29 | 北京康仁堂药业有限公司 | 中药提取过程动态趋势在线紫外分析方法 |
-
2015
- 2015-11-03 CN CN201510737972.3A patent/CN105319175B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4102747A (en) * | 1977-07-28 | 1978-07-25 | American Hospital Supply Corporation | Amylase determination |
| CN102252992A (zh) * | 2011-04-28 | 2011-11-23 | 天津红日药业股份有限公司 | 一种对中药提取过程进行近红外在线检测方法 |
| CN103411910A (zh) * | 2013-08-13 | 2013-11-27 | 杭州派析光电科技有限公司 | 中药提取过程在线紫外光谱检测方法及系统 |
| CN104122221A (zh) * | 2014-08-03 | 2014-10-29 | 北京康仁堂药业有限公司 | 中药提取过程动态趋势在线紫外分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| Determination of endpoint of procedure for radix rehmanniae steamed based on ultraviolet spectrophotometry combination with continuous wavelet transform and kernel independent component analysis;Guoqing Wang等;《Analytica Chimica Acta》;20101231(第679期);第43-48页 * |
| 中药提取过程的动力学;储茂泉等;《药学学报》;20021231;第37卷(第7期);第559-562页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105319175A (zh) | 2016-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105319175B (zh) | 中药提取过程动态响应模型的在线识别与终点判定方法 | |
| CN103411910B (zh) | 中药提取过程在线紫外光谱检测方法及系统 | |
| CN103913433B (zh) | 一种丹红注射液双效浓缩过程在线检测方法 | |
| CN103290640B (zh) | 一种连缸印染过程中的染料浓度在线检测装置及方法 | |
| CN104122221B (zh) | 中药提取过程动态趋势在线紫外分析方法 | |
| CN107367475B (zh) | 水样总氰分析装置及分析方法 | |
| WO2016090855A1 (zh) | 基于气味控制的白酒自动勾兑系统 | |
| CN102200507B (zh) | 一种近红外在线检测预处理系统及其应用 | |
| CN104977271B (zh) | 一种红花醇沉过程有效成分近红外在线检测方法 | |
| CN102553489B (zh) | 糖厂磷酸自动配酸方法及装置 | |
| EP0255856A2 (de) | Verfahren und Einrichtung zur Messung der Aldehydkonzentration in Abgasen | |
| CN104390926B (zh) | 一种穿心莲浓缩脱色过程在线快速检测方法 | |
| CN101598694B (zh) | 用于测量超纯水的纯度的装置 | |
| CN103558351A (zh) | 一种基于智能电子鼻系统的绿茶饮料品质分析装置及方法 | |
| CN202471572U (zh) | 一种用于光学法在线水质检测的水路控制系统 | |
| CN209086216U (zh) | 利用过热自动回流法的石油产品全自动酸值检测装置 | |
| CN107655849A (zh) | 一种凉茶近红外在线检测方法 | |
| CN101738339B (zh) | 一种用于调合汽油的近红外成套预处理装置 | |
| CN106970077A (zh) | 总磷水质在线检测方法 | |
| CN109765275B (zh) | 一种室外快速在线检测原油硫化氢含量的方法、装置 | |
| CN103399164A (zh) | 硫酸根浓度在线快速测定系统 | |
| CN106770010A (zh) | 一种胃苏颗粒提取液浓缩过程在线近红外检测方法 | |
| CN104034687B (zh) | 一种玉米油酸价在线监测控制系统 | |
| CN109738383A (zh) | 一种挥发性脂肪酸的在线监测设备及方法 | |
| CN107024570A (zh) | 一种总氮、磷在线自动监测仪及其清洗方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171031 Termination date: 20211103 |