CN110292960A - 优化实验室自动化设备的液体分类 - Google Patents

Abstract

本发明涉及优化实验室自动化设备的液体分类。液体分类(58)包括控制参数(62)，其在用指配给液体分类的移液管吸头类型的移液管吸头处理被指配给液体分类的液体类型的液体时控制实验室自动化设备(12)。优化液体分类的方法包括：通过修改起始液体分类(58a)的控制参数生成液体分类集合(66)来用起始液体分类将遗传算法初始化；用遗传算法迭代地优化液体分类：将液体分类集合(66)中的液体分类应用于实验室自动化设备；当评估液体分类(58b)的至少一个测量到的分配体积(44)的选择函数指示丢弃液体分类(58b)时，从液体分类集合中丢弃该液体分类；将通过修改液体分类集合中的液体分类(58)而生成的液体分类(58c)添加到液体分类集合；最后从液体分类集合中选择优化的液体分类(58d)。

Description

优化实验室自动化设备的液体分类

技术领域

本发明涉及一种用于优化实验室自动化设备的液体分类的方法、计算机程序、计算机可读介质和优化系统。

背景技术

实验室自动化设备用于实验室助理的自动化任务，例如，测试患者的特定疾病。通常，采集患者的血液、尿液、粪便等的样品并通过生物化学程序进行分析。这种程序包括各种操作(比如添加物质、培育、分离等)以及测量过程，该测量过程定量地或定性地测量指示特定疾病的物质的量或其存在性。

为了在不同器皿(例如试管、微量滴定板、带有试剂的容器等)之间输送液体，每个实验室自动化设备都具有抽吸和分配系统，该抽吸和分配系统能够在第一位置处抽吸液体，将所抽吸的液体输送到第二位置，并在第二位置分配所抽吸的液体。通常，该抽吸和分配系统具有致动器，该致动器适于夹持一次性移液管吸头并用于例如通过附接到移液管吸头的管和泵来改变移液管吸头内的压力。

通用的实验室自动化设备应当适于用不同类型的移液管吸头(它们可能具有不同的体积和/或不同的几何形状)处理不同类型的液体(例如血液、水等)。由于这些液体的不同物理特性以及移液管吸头的几何形状对抽吸和分配期间的动态过程的影响，因此当使用了不同的液体和/或不同的移液管吸头并且期望相同的过程参数(例如标称抽吸体积和该体积的标称方差)时，必须不同地控制该抽吸和分配系统。

因此，已经引入了所谓的液体分类，液体分类包括已经关于特定的过程参数进行了优化的一组控制参数。当用被指配给特定液体类型的移液管吸头处理该液体分类时，这些控制参数(例如泵的速度曲线以及被浸入液体中并从液体中取出的移液管吸头的移动速度曲线)被应用于该实验室自动化设备。

定义液体分类及其控制参数是相当复杂的任务，因为抽吸和分配系统、移液管吸头和液体的组合系统的许多特性影响抽吸和分配过程。例如，移液管吸头的下端的几何形状结合液体的润湿特性和将移液管吸头从液体中取出的速度可以影响粘附在吸头外部的液体量，并因此影响用吸头输送的液体体积。此外，定义和优化液体分类(例如使它的已抽吸和分配的体积具有较小的方差)是非常耗时的，因为必须处理和测量大量样品，直到发现所期望的控制参数。这也使该过程的自动化变得复杂，因为在开始时可能不太清楚控制参数的哪种组合对哪些过程参数有哪种影响。

发明内容

本发明的目的是促进液体分类的优化，减少在液体分类的优化期间处理的样品的数量，并且使液体分类的优化自动化。

这些目的通过独立权利要求的主题来实现。从从属权利要求和以下描述中，其它示例性实施例变得明显。

本发明的第一方面涉及一种用于优化实验室自动化设备的液体分类的方法。该实验室自动化设备可以包括抽吸和分配系统，该抽吸和分配系统可适于夹持移液管吸头和/或用于在移液管吸头中产生不同的压力。例如，被夹持的移液管可以与泵互连，例如通过软管。该抽吸和分配系统还可以包括移动致动器，该移动致动器适于将被夹持的移液管吸头移动到不同的位置。也可以使用固定的移液管吸头。在这种情况下，用于移液器吸头的夹持器可以不是必需的。

液体分类可以被指配给液体类型和/或指配给实验室自动化设备的移液管吸头类型。可以通过液体的物理特性(例如粘度、表面张力等)来定义液体类型。然而，在液体分类中，可以用诸如数字或名称的标识符来标识液体类型。移液管吸头类型可以通过其几何特性(例如其内部体积的几何形状、吸头外形的几何形状等)来定义。移液管吸头类型还可以通过物理特性(例如其表面的可润湿性)来定义。然而，在液体分类中，可以用诸如数字或名称的标识符来标识移液管吸头类型。

液体分类包括控制参数，该控制参数用于控制处理液体类型的实验室自动化设备，该液体类型具有被指配给该液体分类的移液管吸头类型。所述控制参数可以用于控制该抽吸和分配系统的致动器部件，例如所述泵和移动致动器。特别地，所述控制参数可以用于控制所述泵和/或移动致动器的速度和/或加速度。

通常，控制参数可以是数值或者可以包括数值，该数值编码所述速度和/或加速度。也可以的是，控制参数包括多个数值，例如，该控制参数可以定义速度和/或加速度曲线。

根据本发明的实施例，该方法包括：通过修改起始液体分类的控制参数生成液体分类集合或液体分类群体来用该起始液体分类将遗传算法初始化。例如，该遗传算法可将突变和交换(crossing-over)应用于液体分类以修改控制参数。可以如下所述地进行突变和交换。

该起始液体分类可以是已经用其它方法优化过的液体分类，例如由专家手动地或者用其它优化方法优化了，例如如下所述的基于模拟模型或物理模型的方法。也可以的是，从随机数生成该起始液体分类。

另一种可能性是设定每个控制参数的间隔。然后，所述间隔可以用于生成一列数据点。可以通过随机地选择该列数据点来初始化起始群体，直到达到群体大小。数据点可以仅被添加到所述起始群体一次。

在本上下文中，遗传算法是由计算机设备执行的方法，该方法通过以如下方式生成新的液体分类来优化液体分类集合：修改来自该集合中的液体分类并丢弃在某种意义上来说不如该集合中的其它液体分类理想的液体分类。可以利用选择函数来计算优化的等级，该选择函数被应用于由液体分类生成的过程参数。利用本方法，当基于液体分类的控制参数来控制所述实验室自动化设备时，可以由所述实验室自动化设备测量该过程。

根据本发明的实施例，该方法还包括：利用遗传算法通过下列步骤迭代地优化所述液体分类集合中的液体分类：将来自所述液体分类集合的液体分类应用于所述实验室自动化设备；通过选择函数从所述液体分类集合中丢弃液体分类；以及将通过修改来自所述液体分类集合中的液体分类而生成的液体分类添加到所述液体分类集合。这些步骤可以重复多次，直到达到停止条件。这种停止条件可以是固定的重复次数或者优化等级的阈值。

根据本发明的实施例，该方法还包括：将来自所述液体分类集合的液体分类应用于所述实验室自动化设备，所述实验室自动化设备执行通过所应用的每个液体分类的控制参数控制的至少一次抽吸和分配测量，其中测量该液体类型的液体的至少一个分配体积。当将液体分类应用于所述实验室自动化设备时，所述实验室自动化设备可以从容器中抽吸一定体积的液体，并且可以将该体积分配到测量设备中，该测量设备测量分配体积。该分配体积可以视为针对该液体分类生成的过程参数。可以在抽吸之前夹持未使用的移液管吸头并在分配之后将该移液管吸头丢弃。

所述测量设备可以是天平，并且可以通过所分配的液体的测量到的重量及所分配的液体的密度来计算分配体积。

所述测量设备可以是光度计，该光度计以合适的波长测量染色液体的吸光度。在微量滴定板中吸取的液体可以是被染色的溶液，并且该染色的溶液的染料浓度可以是已知的。使用校准曲线，可以通过用光度计测量的吸光度确定所述体积。

必须注意的是，在该优化方法开始之前，所述实验室自动化设备可以例如在容器中以及在移液管吸头类型的多个移液管吸头中被提供有所述液体分类的液体。利用这种液体和这些移液管吸头，可以自动地执行该优化方法。

根据本发明的实施例，该方法包括：当评估液体分类的至少一个所测量的分配体积的选择函数指示丢弃液体分类时，从所述液体分类集合中丢弃该液体分类。该选择函数可以是这样的函数：其从一个或多个过程参数(例如分配体积)计算优化等级。该优化等级可以是数值。例如，当第一液体分类的优化等级高于第二液体分类的优化等级时，则可以确定第一液体分类被优化得比第二液体分类更好。例如，当液体分类的优化等级与最佳优化等级的差异高于阈值时，可以从所述液体分类集合中丢弃该液体分类。

根据本发明的实施例，该方法包括：将通过修改来自所述液体分类集合的液体分类而生成的液体分类添加到所述液体分类集合。如上文所述，这些修改可以基于突变和/或交换。例如，液体分类可以被表示为一串字母数字值。突变可以是字母数字值变为另一个字母数字值，例如变为类似的字母数字值。这里，可以利用映射函数来定义类似的值，该映射函数可以基于查找表或者通过递增或递减所述字母数字值来实现。

“交换”可以是两种液体分类被组合。例如，可以剪切两个液体分类的字母数字值串，并且一个分类的字符串的一部分可以与另一个分类的字符串的另一部分相连接。

根据本发明的施例，该方法包括：从所述液体分类集合中选择优化的液体分类。当已经达到停止条件时，可以选择最佳地优化的液体分类。例如，这可以是所述液体分类集合中的、具有最佳优化等级的液体分类，该优化等级可以由选择函数提供或通过选择函数计算出。

通常，优化等级可以取决于过程参数与标称值的差和/或过程参数的方差。

根据本发明的实施例，所述选择函数选择如下的液体分类：其中至少一个所测量到的分配体积与期望的分配体积相差不大于阈值。优化等级可以是或可以基于所测量到的分配体积与期望的分配体积之间的差。

根据本发明的实施例，对所应用的液体分类进行多次抽吸和分配测量，对所应用的液体分类测量多个分配体积，并且所述选择函数选择如下的液体分类：其中所测量到的所述多个分配体积的方差小于阈值。为了确定过程参数的方差，可能必须多次确定所述过程参数和/或已经多次将液体分类应用于实验室自动化设备。优化等级可以是或可以基于所测量到的分配体积的方差。

所述选择函数也可以基于不止一个过程参数，例如所述分配体积及其方差。例如，这两个值可以与权重函数合计。

使用遗传算法来优化液体分类可以具有以下优点：不必需知道控制参数对过程参数的相互影响。该优化过程可以完全自动地执行。此外，试验已经证实的是，在生成所修改的液体分类期间应用的交换可以导致更快的、朝向优化的液体分类的收敛。

根据本发明的实施例，通过修改另一液体分类的一个控制参数来生成用于被修改的液体分类的修改的控制参数。可以通过修改一个控制参数来执行突变。例如，可以随机地选择控制参数。可以以小于阈值的值来增大或减小所修改的控制参数或被编码在该控制参数中的数值。也可以的是，为某些或所有控制参数定义界限，并且所修改的控制参数必须保持在这些界限内。

根据本发明的实施例，通过将两个其它液体分类的控制参数相组合来生成用于被修改的液体分类的修改的控制参数。可以通过以下方式执行交换：从第一液体分类中选择控制参数的子集，并在第二液体分类中替换这些控制参数。可以随机地选择控制参数的子集和/或所述控制参数的数量。

根据本发明的实施例，所述控制参数包括以下项中的至少一个：抽吸速度、抽吸加速度和/或抽吸延迟；分配速度、分配加速度和/或分配延迟；移液管吸头的浸入速度和/或浸入加速度；移液管吸头的取出速度和/或取出加速度。抽吸和分配速度和/或加速度可以指所述泵的速度或加速度。浸入和取出速度和/或加速度可以指移液管吸头浸入液体中或从液体中取出时的速度和/或加速度。

抽吸和分配速度可以通过泵的部件来限定，该部件可以是注射器，该注射器具有在注射器的体积空间内移动的注射器柱塞或在空心圆筒中移动的柱塞。

抽吸速度可以是柱塞在注射器或空心圆筒中使注射器或空心圆筒中的体积扩大的移动的速度(单位为μl/sec)。可以通过注射器尺寸、全冲程的步数和每秒移动的步数来计算抽吸速度。这同样适用于空心圆筒系统中的柱塞。必须注意的是，抽吸速度不需要等于液体在移液管吸头的孔口中被吸入的速度。

分配速度可以是注射器柱塞在注射器中移动(排出注射器中的体积)的速度，单位为μl/sec。可以通过注射器尺寸、全行程的步数和每秒移动的步数来计算分配速度。必须注意的是，分配速度不需等于液体从移液管吸头的孔口被排出的速度。这同样适用于空心圆筒系统中的柱塞。

抽吸和/或分配速度可以是最高速度，分别是最大速度。对于小体积，可能永远不会达到最高速度。抽吸速度的升高，例如对于粘性样品可能不会太陡，和/或抽吸速度的升高可能受到最大抽吸加速度的限制。分配速度的下降可以尽可能地陡，以便液滴从移液管吸头良好地下落和/或可以用特定的分配加速度来限定。

抽吸延迟可以由柱塞停止与吸头从液体中缩回之间的时间限定。抽吸延迟可以防止空气被抽吸到移液管吸头中。当柱塞已经停止时，系统中可能仍然存在负压并抽吸液体。对于粘性样品可能需要更长的延迟。

分配延迟可以由柱塞停止与吸头从液体必须被分配到的空腔中缩回之间的时间限定。当柱塞已经停止时，系统中可能仍存在压力，并且仍然可以分配液体。

根据本发明的实施例，所述控制参数包括以下项中的至少一个：额外的抽吸体积；浸入深度。所述额外的抽吸体积可以是额外地被抽吸到移液管吸头中但之后未被分配的体积。

根据本发明的实施例，所述控制参数包括气隙尺寸，例如所述抽吸和分配系统中的液体之间的气隙尺寸。气隙可以将样品液体从系统液体中分离，以防止该样品的稀释和/或可以防止当移液管吸头移动时在移液管吸头的端部处存在液滴。气隙尺寸可以以μl为单位提供。气隙的抽吸和/或分配速度可以是另一控制参数。

该气隙可以是系统尾随气隙，即，在分配样品液体时未被分配的、在系统液体和样品液体之间的气隙的一部分。该气隙可以是前导气隙，即，与样品液体一起被分配的、在系统液体和样品液体之间的气隙的一部分。该前导气隙可以用于吹出少量样品。

气隙可以是样品尾随气隙，即，在抽吸样品液体后被吸入的气隙。当移液管吸头在工作台上移动时，样品尾随气隙可以防止挥发性的样品液体掉落。样品尾随气隙可以用于达到小体积的分配速度。

根据本发明的实施例，所述控制参数包括抽吸和/或分配体积的子体积尺寸。这种尺寸可以以μl为单位提供。

例如，子体积可以是调节体积。调节体积可以有助于在与后续部分类似的条件下分配多次移液分布的第一部分。在分配了调节体积之后，可以消除柱塞的机械滞后。

子体积也可以是过量体积。过量体积可以有助于完成多次移液分布的最后部分的体积。过量体积可以防止被移液的样品或试剂被系统液体稀释。为了防止被系统液体稀释，高达20％-30％的过量体积可能是必需的。

多次移液分配意味着在相同体积或不同体积的不止一个部分中抽吸和/或分配体积。

通常，控制参数可以是致动器部件的速度或加速度。所述控制参数也可以被设置为速度曲线和/或加速度曲线。在突变期间，可以通过改变该曲线的点来修改速度曲线。在交换期间，可以通过组合两个速度曲线来生成速度曲线。例如，可以选择时间点，并且可以从第一液体分类获取该时间点之前的速度曲线，并且可以从第二液体分类获取该时间点之后的速度曲线。

如上所述，可以利用能够优化液体分类的另一种方法来提供用于将遗传算法初始化的起始液体分类。例如，这种方法可以仅基于计算，例如所述抽吸和分配系统的模拟和/或求解将所述抽吸和分配系统模型化的物理方程。

使用仅基于计算的方法(即，不执行测量)的预优化可以具有以下优点：在开始时朝向优化的液体的收敛可能不理想的遗传算法仅用于优化已经很好的液体分类。

还可以的是，基于遗传算法确定的液体分类使用仅基于计算的方法而被进一步优化。

根据本发明的实施例，用模拟模型优化额外地液体分类，其中该模拟模型包括所述实验室自动化设备的分配和抽吸系统的至少一部分的几何表示，该部分包括移液管吸头类型的移液管吸头。例如，可以将移液管吸头的开口的形状和/或其内部体积模型化。几何表示可以包括几何形状，例如弯曲表面、圆筒等。还可以用该模拟模型来模拟液体。

所述液体分类的控制参数可以被转换成模拟模型中的移液管吸头的移动和/或转换成被施加到移液管吸头的内部体积的压力。由此，抽吸过程以及可选的分配过程可以被模拟。最后，可以将抽吸体积或分配体积作为过程参数。

可以使用蒙特卡罗模拟(即，通过随机变化的参数)来确定过程参数的方差。例如，这可以通过修改例如液体和/或移液管的几何表示的点和/或物理参数来完成。

根据本发明的实施例，通过下列方式利用该模拟模型迭代地优化液体分类：利用液体分类的控制参数来模拟所述分配和抽吸系统的所述部分，其中移液管吸头中的液体基于该液体的物理特性被模拟；从该模拟模型确定分配体积；以及基于该分配体积修改控制参数。

该液体的物理特性可以是粘度、密度、表面张力等。

基本上，也可以如关于遗传算法所描述的那样执行利用模拟模型进行的优化。对于液体分类，确定过程参数，并且基于选择函数，可以确定具有更高优化等级的液体分类。例如，也可以使用遗传算法进行优化。然而，也可以使用其它方法，例如最速下降。

根据本发明的实施例，所述模拟模型是基于有限元和/或计算流体动力学的。移液管吸头和液体二者都可以用有限元方法被模型化。

由该模拟模型表示的所述分配和抽吸系统的所述部分还可以包括泵和将该泵连接到移液管吸头的软管。也可以的是，额外地在模拟模型中模拟该泵和/或将该泵与移液管吸头互连的软管，该软管可以是柔性的并且可以由于压力变化而变形。

所述几何表示可以包括所述分配和抽吸系统的部件的物理特性。这种物理特性可以包括弹性、可润湿性等。

根据本发明的实施例，额外地用物理模型优化所述液体分类，其中该物理模型包括将所述分配和抽吸系统的至少一部分的机械特性模型化的分析方程。与所述模拟模型相反，该物理模型不能将所述抽吸和分配系统的动态三维表示模型化，但该物理模型可以基于对所述抽吸和分配系统的部件的行为进行编码的方程。例如，将所述泵与移液管吸头互连的软管可以表现为对由所述泵产生的压力进行缓冲的缓冲元件。此外，移液管吸头中的气体体积可以根据理想气体的物理定律而改变其体积。

根据本发明的实施例，所述分析方程将所述分配和抽吸系统中的液体模型化为振荡系统，该振荡系统具有至少一个连接到弹簧的缓冲质量。

根据本发明的实施例，通过下列方式利用该物理模型迭代地优化液体分类：利用该液体分类的控制参数来模拟所述分配和抽吸系统的所述部分，其中移液管吸头中的液体基于该液体的物理特性被模拟；从该物理模型确定分配体积；以及基于该分配体积修改控制参数。

基本上，也可以如关于遗传算法所描述的那样用物理模型执行优化。对于液体分类，确定过程参数，并且基于选择函数，可以确定具有更高优化等级的液体分类。例如，也可以使用遗传算法进行优化。然而，也可以使用其它方法，例如最速下降。

虽然在开始时描述的关于遗传算法的优化利用真实的实验室自动化设备执行测量以确定一个或多个过程参数，但在该模拟模型和物理模型的情况下，真实的实验室自动化设备被如下方法所取代，在该方法中，可以仅通过计算来确定所述过程参数。

如上所述，可以通过该模拟模型和/或物理模型来提供用于初始化所述遗传算法的起始控制参数或起始液体分类。也可以的是，可以通过所述遗传算法来提供用于初始化该模拟模型和/或物理模型的起始控制参数或起始液体分类。

本发明的另一方面涉及一种用于优化实验室自动化设备的液体分类的计算机程序，在由处理器执行时，该计算机程序适于执行上文中和下文中所述的方法的步骤。该计算机程序可以在与所述实验室自动化设备通信地互连的计算设备(例如PC)中执行。该计算机程序可以被视为用于所述实验室自动化设备的控制程序，该控制程序控制所述实验室自动化设备，以如上文中和下文中所述地用移液管吸头执行液体的抽吸和分配。

本发明的另一方面涉及一种计算机可读介质，在该计算机可读介质中存储有这种计算机程序。计算机可读介质可以是软盘、硬盘、USB(通用串行总线)存储设备、RAM(随机存取存储器)、ROM(只读存储器)、EPROM(可擦除可编程只读存储器)或FLASH存储器。计算机可读介质也可以是数据通信网络，例如因特网，其允许下载程序代码。通常，该计算机可读介质可以是非瞬态或瞬态介质。

本发明的另一方面涉及一种用于优化实验室自动化设备的液体分类的优化系统，该优化系统包括所述实验室自动化设备和计算设备，该计算设备与所述实验室自动化设备通信地互连，用于执行如上文和下文所述的优化和控制所述实验室自动化设备。该优化系统可适于执行上文中和下文中所述的方法。

根据本发明的实施例，该计算设备包括遗传算法优化器模块，该遗传算法优化器模块利用遗传算法执行液体分类的优化。该遗传算法优化器模块可适于将遗传算法初始化，用于选择优化的液体分类和/或用于执行突变和/或交换。

根据本发明的实施例，所述计算设备还包括模拟模型优化器模块，该模拟模型优化器模块可适合基于上文中和下文中的模拟模型来优化液体分类。

根据本发明的实施例，所述计算设备还包括物理模型优化器模块，该物理模型优化器模块可适合基于上文中和下文中描述的物理模型来优化液体分类。

应当理解，上文中和下文中描述的方法的特征可以是上文中和下文中描述的优化系统、计算机程序和计算机可读介质的特征，反之亦然。

参考下文描述的实施例，本发明的这些及其它方面将变得明显并得以阐明。

附图说明

下面，参考附图更详细地描述本发明的实施例。

图1示意性地示出了根据本发明的实施例的、具有实验室自动化设备的优化系统。

图2示意性地示出了图1的实验室自动化设备的抽吸和分配系统的一个实施例。

图3示意性地示出了图1的实验室自动化设备的抽吸和分配系统的另一个实施例。

图4示意性地示出了图1的实验室自动化设备的移液管吸头的实施例。

图5示意性地示出了图1的实验室自动化设备的液体分类。

图6示出了根据本发明的实施例的、用于优化实验室自动化设备的液体分类的方法的流程图。

图7示出了与图6的方法一起使用的、另一种用于优化实验室自动化设备的液体分类的方法的流程图。

图8示出了用于图7的方法的一个物理模型。

图9示出了用于图7的方法的另一物理模型。

附图中使用的附图标记及其含义被以概要的形式在附图标记列表中列出。原则上，相同的部件在附图中具有相同的附图标记。

具体实施方式

图1示出了系统10，该系统10包括实验室自动化设备12和用于控制该自动化设备12的计算设备14。

实验室自动化设备12包括抽吸和分配系统16，该抽吸和分配系统16具有移动致动器18、移液管夹持器20和泵22。实验室自动化设备12还包括工作台24，可更换部件能够附接到该工作台24。当使用固定的移液管吸头时，夹持器20可以不是必需的。通常，这些部件包括容器：试管、微量滴定板、带有试剂的容器等，即，可以用于实验室自动化的所有种类的部件。

由于实验室自动化设备12用于优化液体分类，因此以下部件被附接到工作台24：具有液体28的容器26、适于测量液体体积的测量设备30、以及可选的多个具有一次性移液管吸头34的容器。利用优化方法，当移液管吸头34仅被使用一次时，可能必须使用多个移液管吸头34。

利用所述移动致动器18，夹持器20可以移动到移液管吸头34，该夹持器20然后夹持移液管吸头34。所述移动致动器18然后可以将移液管吸头34移动到容器26，并且可以将移液管吸头34浸入到液体28中。然后可以利用泵22抽吸一定体积的液体28。所述移动致动器18然后可以将移液管吸头34移动到测量设备30并且可以在测量设备30处对移液管吸头34中的液体体积进行分配，测量设备30测量所分配的液体的体积。之后，可以丢弃移液管吸头34。在使用固定式吸头的情况下，可以省略夹持移液管吸头34的步骤。

计算设备14与实验室自动化设备12通信地互连，例如通过以太网连接。计算设备14适于生成用于实验室自动化设备12的控制命令并从测量设备30接收测量值。

计算设备14适于执行上文中和下文中描述的、用于优化液体分类的方法。为此，该计算设备包括遗传算法优化器模块36和可选的模拟模型优化器模块38和/或物理模型优化器模块40。下面将更详细地描述模块36、38、40的功能。

图2示意性地示出了抽吸和分配系统16。泵22可以被设计成类似于注射器和/或可以包括位于中空圆筒中的柱塞42，用于改变移液管吸头34的内部体积中的压力。在图2中，这是通过泵22中的气体体积48完成的。图2还示出了已抽吸的液体体积44，该液体体积44被吸入到移液管吸头34的内部体积中并且可以在之后被分配。图2的系统16还可以包括关于图1描述的移动致动器18。

图3示出了另一个抽吸和分配系统16，其可以被设计成类似于图2的抽吸和分配系统，然而，其中泵22通过软管46连接到移液管吸头34。泵22以及至少部分软管46可以填充有液体50，该液体50可以具有比气体体积48低的可压缩性。

图4示意性地示出了用于图1的实验室自动化设备的、不同类型的移液管吸头34。移液管吸头34可以具有1000μl、350μl、200μl、50μl和10μl(从左到右)的标称填充体积52。此外，还示出了50μl的死体积54和50％的填充水平56。

从图4可以看出，移液管吸头34由一个或多个锥体和一个或多个圆筒构成，和/或移液管吸头34具有从带有开口的端部到由夹持器20夹持的端部增大的直径。

图4的移液管吸头34可以与同一个实验室自动化设备12一起使用，并且由于这些移液管吸头34之间的差异，要求对同一个实验室自动化设备12进行不同的控制。此外，不同的液体类型(例如血液或乙醇)要求对移动致动器18和泵22进行不同的控制，使得能够达到所分配的体积44的期望精度。特别地，所分配的体积44总是应当几乎等于期望体积，其中仅允许最大方差。

为了解决这一问题，定义了所谓的液体分类58，如图5所示。液体分类58可以是一种数据结构，该数据结构被指配给液体类型60和移液管吸头类型64。液体类型60可以对特殊液体编码，和/或可以定义或编码液体的物理特性，例如粘度、密度、表面张力等。移液管吸头类型64可以指以特定方式设计的移液管吸头34，如图4中所示。

通常，液体分类58还包括控制参数62，当利用所述移液管吸头类型64的移液管吸头34处理所述液体类型60的液体时，控制参数62用于控制实验室自动化设备12。

通常，这些控制参数62用于控制实验室自动化设备12。所述控制参数可以包括抽吸和分配系统16的部件(例如泵22和/或移动致动器18)的速度和/或加速度。也可以的是，这些速度和/或加速度的曲线是控制参数62。此外，所述控制参数可以包括如上定义的值和/或量，例如气隙、要抽吸和/或分配的液体的子体积等。

还可以存在这样的控制参数62：控制参数62控制抽吸和分配系统16的部件的液位和/或相对位置的感测，例如额外的抽吸体积和/或浸入深度。

所述额外的抽吸体积可以控制由移液管吸头34额外地吸入多少液体以达到如图4所示的标称填充体积52。在分配期间，仅可以将标称填充体积52推出移液管吸头34。

所述浸入深度可以控制移液管吸头34的最外末端下降到要抽吸的液体中多深。

通常，控制参数62可以是一个数字或一组数字。这些数字可以具有上界限和/或下界限，如下所述，该上界限和/或下界限可以在液体分类58的修改期间被使用。

图6示出了用于优化实验室自动化设备12的液体分类58的方法的流程图。该方法可以由图1中所示的遗传算法优化器模块36执行。

在步骤S10中，利用起始液体分类58a将模块36的遗传算法初始化。这种液体分类58a可以设置有随机数，即每个控制参数62都可以随机地确定。该起始液体分类也能够是以另一种方式(例如通过如图7所述的优化方法)确定的液体分类58。

通过生成液体分类58的集合66来初始化该遗传算法。通过修改起始液体分类58a的控制参数62来生成集合66。这种修改的液体分类58可以通过如上文和下文所述的突变和交换来确定。

在步骤S12至S16期间，利用该遗传算法迭代地优化液体分类58。

在步骤S12中，将来自液体分类集合66的每个液体分类58都应用于实验室自动化设备12。可以以如下方式控制该实验室自动化设备：夹持移液管吸头34，使移液管吸头34具有从容器26被抽吸到移液管吸头34中的体积44，然后将该体积44分配到测量设备30中。所有这些操作都可以利用所应用的液体分类58的控制参数62来执行，即，利用相应的液体分类58的控制参数62来控制实验室自动化设备12。

以这种方式，实验室自动化设备12对所应用的液体分类58执行至少一次抽吸和分配测量，并且测量所述液体类型60的液体的分配体积44。

可以对一个液体分类58重复数次多次测量，使得能够通过多次测量分配体积44来产生统计估计值。

在步骤S14中，当评估液体分类58b的至少一个测量的分配体积44的选择函数指示丢弃液体分类58b时，从液体分类集合66中丢弃该液体分类58b。

该选择函数可以是这样的函数：其评估过程参数，该过程参数是从针对所应用的一个液体分类而测量的一个或多个分配体积44确定的。过程参数可以是分配体积的平均值。过程参数可以是分配体积或分配体积的平均值分别与所期望的体积的差异，即，移液的精确度。另一个过程参数可以是分配体积44与平均值的方差和/或标准偏差。

当评估时，所述选择函数可以产生液体分类58的优化等级。当该优化等级(它可以是数字)表明液体分类58没有像集合66中的其它液体分类那样好地被优化时，液体分类58可以被丢弃，即从集合66中移除。

作为示例，所述选择函数可以选择如下的液体分类58：其中所述至少一个测量的分配体积44与所期望的分配体积相差不超过阈值。

作为另一示例，可以对所应用的液体分类58执行多次抽吸和分配测量，可以针对所应用的液体分类58测量多个分配体积44，并且所述选择函数可以选择如下的液体分类58：其中所测量到的多个分配体积44的方差小于阈值。

在步骤S16中，将液体分类58c添加到液体分类集合66中。这些液体分类58c是通过修改来自液体分类集合66中的液体分类58而产生的。必须注意的是，步骤S14和S16可以以任意顺序执行和/或同时执行。

所述遗传算法可以用集合66的液体分类58进行突变，和/或可以利用来自该集合的两个液体分类58进行交换。可以先进行交换然后再进行突变。

对于突变，通过修改此液体分类58的一个控制参数62来生成用于被修改的液体分类58的修改的控制参数62，以产生修改的液体分类58。作为突变基础的液体分类58可以从集合66中被移除。

可以增加或减少被修改的所述一个控制参数62。这种修改可以使得控制参数62保持在其界限内。

对于交换，通过组合两个其它液体分类58的控制参数62来生成用于被修改的液体分类58的修改的控制参数62。可以随机地确定哪些控制参数取自第一液体分类以及哪些控制参数62取自第二液体分类。

可以重复步骤S12至S16，直到达到终止条件，例如固定的迭代次数和/或期望的优化等级。

在步骤S18中，从液体分类集合66中选择优化的液体分类58d。这可以是具有最佳优化等级的液体分类58。

图7示出了利用模拟模型68和/或物理模型72优化液体分类58的方法。这种方法可以用于确定遗传算法优化器模块36的起始液体分类58a和/或用于进一步优化由该模块36确定的液体分类58d。

对于模拟模型68，可以利用模拟模型优化器模块38来执行该方法。对于物理模型72，可以利用物理模型优化器模块40来执行该方法。

在步骤S20中，利用起始液体分类58a将该方法初始化。用于将模拟模型68和/或该物理模型初始化的起始控制参数62可以由所述遗传算法提供。然而，也可以将起始控制参数62作为随机数提供。

模拟模型68包括实验室自动化设备12的分配和抽吸系统16的至少一部分的几何表示70。例如，几何表示70可以包括如图2或3中所示的系统16的几何设计，即泵22、所述软管和/或移液管吸头34的几何形状。特别地，液体分类58的相应的移液管吸头类型64的移液管吸头34的几何设计(例如图4中所示)可以是模拟模型68的一部分。

也可以的是，几何表示70包括分配和抽吸系统16的部件的物理特性，例如移液管吸头34的材料的可润湿性。

而且，可以利用模拟模型68将系统16中的一种或多种液体28、44、50模型化。这些液体的物理特性(例如密度和/或粘度)也可以被包括在模拟模型68中。

另一方面，物理模型72可以包括将分配和抽吸系统16的至少一部分的机械特性模型化的分析方程。

在步骤S22和S24中，利用模拟模型68和/或物理模型72迭代地优化液体分类58。

在步骤S22中，利用当前液体分类58(即，当前模拟的液体分类)的控制参数62来模拟分配和抽吸系统16的、利用相应的模型68、72模型化的部分。

例如，模拟模型68可以基于有限元和/或计算流体动力学。可以通过以下方式来模拟该系统16的操作：按照当前液体分类的控制参数62的要求来移动所模拟的部件；并且计算移液管吸头34中的液体28的流量。

利用物理模型72，可以基于液体28的物理特性和/或通过评估由物理模型72提供的方程来模拟移液管吸头34中的液体28。

必须注意的是，模拟模型68和物理模型72的混合也可以用于模拟该系统16。在这种情况下，模块38、40可以合并为一个模块。

在步骤S24中，当模拟已经结束时，根据该模拟来确定分配体积44。在所述模拟模型68的情况下，这可以是已经离开移液管吸头34的开口的流体量。在物理模型72的情况下，这可以是所述方程之一的输出。

能够通过随机地修改模型68、72的输入参数来模拟统计方差。以这种方式，可以确定与关于图6中的方法所描述的相同的过程参数。

之后，可以基于从该模拟中确定的分配体积44来修改当前液体分类，特别是当前液体分类的控制参数62。例如，这可以通过上文关于图6所述的选择函数来完成。可以确定哪些修改(特别是控制参数62的空间中的哪个梯度)导致了更好的优化等级，并且可以相应地修改控制参数62。

可以重复步骤S22和S24，直到达到终止条件，例如固定的迭代次数或期望的优化等级。

在步骤S26中，该方法确定了优化的液体分类58d。例如，这可以是已经在最后一次迭代期间用于模拟系统16的液体分类58。

优化的液体分类58d可以用作起始液体分类58a和/或起始控制参数62，以从模块36初始化所述遗传算法，它然后可以利用图6的方法进一步优化液体分类。

图8和9示出了抽吸和分配系统16的物理模型72的示例。

图8示出了图2中所示的系统16的物理模型。该系统16可以利用被连接到弹簧76的缓冲质量74来模型化。质量74可以代表液体体积44，该弹簧可以代表移液管吸头34内和泵22内的气体体积48。缓冲可能是由于移液管吸头34中的开口和/或气体体积48的可压缩性。

因此，物理模型72中使用的分析方程可以是用于加速的质量的牛顿定律和/或用于弹簧的胡克定律。

通常，物理模型72的分析方程可以将分配和抽吸系统16中的液体28模型化为具有至少一个连接到弹簧76的缓冲质量74的振荡系统。

图9示出了图3中所示的系统16的物理模型。该系统16可以利用两个缓冲质量74来模型化，这两个缓冲质量74通过弹簧76互连并且连接到另一个弹簧76。这里，中间的下部质量74可以代表泵22中和软管46中的液体50。在这种情况下，上部弹簧76可以代表软管46的柔性。

虽然已经在附图和前面的描述中详细地示出和描述了本发明，但这种图示和描述应被认为是说明性或示例性的而非限制性的；本发明不限于所公开的实施例。通过研究附图、公开内容和所附权利要求，本领域技术人员和实践所要求保护的发明的人员能够理解和实现所公开的实施例的其它变体。在权利要求中，词语“包括…”不排除其它元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或控制器或其它单元可以实现权利要求中所述的若干条款的功能。在相互不同的从属权利要求中叙述某些措施的唯一事实并不表示不能有利地使用这些措施的组合。权利要求中的任何附图标记都不应被解释为限制所述范围。

附图标记列表

10 优化系统

12 实验室自动化设备

14 计算设备

16 抽吸和分配系统

18 移动致动器

20 移液管夹持器

22 泵

24 工作台

26 液体容器

28 液体

30 测量设备

32 移液管吸头容器

34 移液管吸头

36 遗传算法优化器模块

38 模拟模型优化器模块

40 物理模型优化器模块

42 柱塞

44 已抽吸/分配的液体体积

46 软管

48 气体体积

50 液体

52 标称填充体积

54 死体积

56 50％填充水平

58 液体分类

60 液体类型

62 控制参数

64 移液管吸头类型

66 液体分类集合

58a 初始液体分类

58b 丢弃的液体分类

58c 添加的液体分类

58d 优化的液体分类

68 模拟模型

70 几何表示

72 物理模型

74 质量

76 弹簧

Claims (14)

1.一种用于优化实验室自动化设备(12)的液体分类(58)的方法，其中，所述液体分类(58)包括控制参数(62)，当利用被指配给所述液体分类(58)的移液管吸头类型(64)的移液管吸头(34)处理被指配给所述液体分类(58)的液体类型(60)的液体(28)时，所述控制参数(62)用于控制所述实验室自动化设备(12)，所述方法包括：

通过修改起始液体分类(58a)的控制参数(62)生成液体分类集合(66)来用所述起始液体分类(58a)将遗传算法初始化；

利用所述遗传算法通过下列步骤迭代地优化所述液体分类(58)：

将来自所述液体分类集合(66)的液体分类(58)应用于所述实验室自动化设备(12)，所述实验室自动化设备(12)为所应用的每个液体分类(58)执行至少一次抽吸和分配测量，其中，在抽吸和分配测量期间，利用所应用的相应的液体分类(58)的所述控制参数(62)来控制所述实验室自动化设备(12)，并且测量所述液体类型(60)的液体的分配体积(44)；

当评估液体分类(58b)的至少一个所测量到的分配体积(44)的选择函数指示从所述液体分类集合(66)中丢弃所述液体分类(58b)时，从所述液体分类集合(66)中丢弃所述液体分类(58b)；

将通过修改来自所述液体分类集合(66)的液体分类(58)而生成的液体分类(58c)添加到所述液体分类集合(66)；

最后，从所述液体分类集合(66)中选择优化的液体分类(58d)。

2.根据权利要求1所述的方法，

其中，所述选择函数选择如下的液体分类(58)：其中所述至少一个所测量到的分配体积(44)与期望的分配体积相差不超过阈值；和/或

其中，对所应用的液体分类(58)执行多次所述抽吸和分配测量，对所应用的液体分类(58)测量多个分配体积(44)，并且所述选择函数选择如下的液体分类(58)：其中所测量到的所述多个分配体积(44)的方差小于阈值。

3.根据权利要求1或2所述的方法，

其中，通过修改另一液体分类(58)的一个控制参数(62)来生成用于被修改的液体分类(58)的修改的控制参数(62)；和/或

其中，通过将两个其它液体分类(58)的控制参数(62)相组合来生成用于被修改的液体分类(58)的修改的控制参数(62)。

4.根据前述权利要求之一所述的方法，

其中，所述控制参数(62)包括以下项中至少的一个：

抽吸速度、抽吸加速度和/或抽吸延迟；

分配速度、分配加速度和/或分配延迟；

所述移液管吸头(34)的浸入速度和/或浸入加速度；

所述移液管吸头(34)的取出速度和/或取出加速度；

额外的抽吸体积；

浸入深度；

气隙尺寸；

抽吸和/或分配体积的子体积尺寸。

5.根据前述权利要求之一所述的方法，

其中，用模拟模型(68)额外地优化所述液体分类(58)；

其中，所述模拟模型(68)包括所述实验室自动化设备(12)的分配和抽吸系统(16)的至少一部分的几何表示(70)，所述部分包括所述移液管吸头类型(64)的移液管吸头(34)；

其中，利用所述模拟模型(68)通过下列步骤迭代地优化所述液体分类(58)：

利用所述液体分类(58)的所述控制参数(62)模拟所述分配和抽吸系统(16)的所述部分，其中，所述移液管吸头(34)中的液体(28)基于所述液体(28)的物理特性被模拟；

从所述模拟模型(68)确定分配体积(44)；

基于所述分配体积(44)修改所述控制参数(62)。

6.根据权利要求5所述的方法，

其中，用于初始化所述遗传算法的起始控制参数(62)由所述模拟模型(68)提供；和/或

其中，用于初始化所述模拟模型(68)的起始控制参数(62)由所述遗传算法提供。

7.根据权利要求5或6所述的方法，

其中，所述模拟模型(68)是基于有限元和/或计算流体动力学的；和/或

其中，由所述模拟模型(68)表示的所述分配和抽吸系统(16)的所述部分还包括泵(22)和将所述泵(22)连接到所述移液管吸头(34)的软管(46)；和/或

其中，所述几何表示(70)包括所述分配和抽吸系统(16)的部件的物理特性。

8.根据前述权利要求之一所述的方法，

其中，用物理模型(72)额外地优化所述液体分类(58)；

其中，所述物理模型(72)包括将所述分配和抽吸系统(16)的至少一部分的机械特性模型化的分析方程；

其中，利用所述物理模型(72)通过下列步骤迭代地优化所述液体分类(58)：

利用所述液体分类(58)的所述控制参数(62)模拟所述分配和抽吸系统(16)的所述部分，其中所述移液管吸头(34)中的液体(28)基于所述液体(28)的物理特性被模拟；

从所述物理模型(72)确定分配体积(44)；

基于所述分配体积修改所述控制参数。

9.根据权利要求8所述的方法，

其中，用于初始化所述遗传算法的起始控制参数(62)由所述物理模型(72)提供；和/或

其中，用于初始化所述物理模型(72)的起始控制参数(62)由所述遗传算法提供。

10.根据权利要求8或9所述的方法，

其中，所述分析方程将所述分配和抽吸系统(16)中的所述液体(28)模型化为振荡系统，所述振荡系统具有至少一个连接到弹簧(76)的缓冲质量(74)。

11.一种用于优化实验室自动化设备(12)的液体分类(58)的计算机程序，在由处理器执行时，所述计算机程序适于执行根据前述权利要求之一所述的方法的步骤。

12.一种计算机可读介质，所述计算机可读介质中存储有根据权利要求11所述的计算机程序。

13.一种用于优化实验室自动化设备(12)的液体分类(58)的优化系统(10)，所述优化系统包括：

所述实验室自动化设备(12)；

计算设备(14)，所述计算设备(14)与所述实验室自动化设备(12)通信地互连；

其中，所述计算设备(14)包括遗传算法优化器模块(36)；

其中，所述优化系统(10)适于执行根据权利要求1至12之一所述的方法。

14.根据权利要求13所述的优化系统(10)，

其中，所述计算设备(14)还包括模拟模型优化器模块(38)和/或物理模型优化器模块(40)。