CN111665716B - 一种中药/天然植物提取的数学建模方法 - Google Patents

Abstract

本申请公开了一种中药/天然植物提取的数学建模方法，该方法首先根据提前设置好初始温度，人工给定罐体一个相应的蒸汽阀门开度；经过一定的时间使罐内温度达到了给定的初始温度后，再根据给定达到稳定时的温度相应增大蒸汽阀门开度，让罐内温度达到给定的稳定温度。这个过程可以通过人机交互控制温度的变化，为了把输入和输出的变量动态表示出来，可以每隔20s对罐体温度进行一次采集，然后把采集的数据集送入matlab的曲线拟合工具箱进行拟合。对于温度和压力的解耦，主要采用神经元的PID控制进行解耦，通过PID控制可以调整温度升降过程中的一些关键参数，从而实现对工艺参数的控制。本申请可以对相应参数实现更好的预测，从而提高新药开发的提取效率。

Description

一种中药/天然植物提取的数学建模方法

技术领域

本本申请涉及中药/天然植物提取技术领域，特别涉及一种中药/天然植物提取的数学建模方法。

背景技术

随着人民生活水平日益提高以及老龄化社会的到来，人类疾病谱发生了巨大变化，对中药/天然植物需求越来越高，迫切需要继承、发展、利用好中医配方。但是我国在中药/天然植物的产品生产过程中，自动化程度低尤其是提取技术欠缺，特别是提取工艺参数不详细以及工艺粗略，导致新药开发在提取效率问题上尤为明显。提取环节是中药产品生产的基础，而且提取环节中合理的工艺参数是整条工艺路线的重要指标。在提取技术方面，工艺参数是决定整条工艺路线质量的关键因素。在生产过程中，工艺参数是各细小环节的重要指标(包括罐内温度，罐内压力等等)。在生产中，如果没有严格控制好工艺参数，可能导致药物中损失严重以至于影响产品质量。

目前存在的提取技术有：蒸汽加热法、超声波提取法、微波萃取法、压差式提取法等等。

蒸汽加热法是目前药物提取最常用的方法，这种方法通过在提取罐内加入预先配好的药材和一定比例的纯净水，然后通过蒸汽加热的方法使药液中的有效成分从固态转换为液态和气态。但是蒸汽加热的过程中，对于固态转变成液态以及气态在量的方面没能实现很好的控制。尤其是罐内的温度与压力值不明确，导致提取精度没有达到理想的标准。

超声波提取法可以缩短提取时间、降低提取温度。但是在操作时，超声波噪音较大而且穿透范围很短，这不利于一些罐式设备的产业化。

微波萃取的适用范围比较广泛，主要是因为萃取效率高而且能量可控，这大大缩短了提取时间。然而，考虑到微波萃取与超声波提取一样，在穿透力方面存在局限性，而且成本高、辐射大，因此微波萃取的产业化前景也不是很好。

压差式提取法具有提取温度低，能耗相对较低等优点，但是整套装置必须在高压下进行，因此需要高额成本。

总的来说，一系列新技术在中药/天然植物提取中不断进行尝试，但基于医药行业的特殊性，新技术在新品种的应用中从开发到产业化需要8～12年的时间；而对于现产中药品种，技术改造必须达到“工艺无质的改变”的法规要求。

发明内容

本申请的目的是提供一种中药/天然植物提取的数学建模方法，该方法在现有蒸汽加热法的基础上，通过对工艺参数建立的数学模型，不仅可以在数值上有效控制相关参数在一种状态到另一种状态的转变，而且能够在给定的条件下对现象进行科学的评估并且预测系统的状态，可有效地解决现有提取方法不能对关键工艺参数进行有效控制的问题。

为了实现上述任务，本申请采用以下技术方案：

第一方面，本申请提供了一种中药/天然植物提取的数学建模方法，包括以下步骤：

步骤1，建立提取装置的罐体内从初始温度到平衡温度的系统模型

在中药/天然植物提取过程中，从初始温度到平衡温度的系统模型表示为：

G1(s)＝K₁e^-ts/(T₁s+1)

上式中，K₁＝(u2-u1)/(k2-k1)，t是时间轴原点至通过拐点切线与时间轴交点的时间间隔，T₁是完成初始温度到温度稳定过程中的63.2％所需时间，s表示输入量；u1表示提取装置罐内初始温度、u2表示罐内温度平衡时的温度、k1表示初始蒸汽阀门开度，k2表示稳定时的蒸汽阀门开度；

步骤2，建立罐体内温度降低过程的系统模型

当冷凝水阀门开度作阶跃变化时，随着罐体内蒸汽的出量增多，以至罐内温度会持续降低。整个温度降低的过程的系统模型表示为：

G2(s)＝K₂e^-ts/[s(T₂s+1)]

上式中，增益K₂为系统模型输出响应曲线的斜率；t表示响应曲线在初始段没有发生变化的时间；T₂表示时间常数，过程输出响应曲线的渐近线与时间轴交点是时间常数T₂和t之和；

步骤3，建立罐体内温度升高过程中压力变化直至稳定的系统模型

在罐体温度升高过程中，压力也在增大；随着罐体内蒸汽的增多，压强上升的加速度也会降低直至减少为0，此时压强达到一个稳定值，这个过程的系统模型表示为：

G3(s)＝K₃e^-ts/(T₃s+1)

上式中，增益K₃为系统模型输出的响应曲线拐点处的切线斜率，切线与时间轴的交点为t；切线与响应曲线的交点对应的时间为T₃；

步骤4，建立罐体内温度下降过程中压力变化过程的系统模型

在温度下降过程中，压力值在减小，随着罐内蒸汽的出量增多，罐内压力会一直下降；这个过程的系统模型表示为：

G4(s)＝K₄/s

上式中，增益K₄为该系统模型输出响应曲线的斜率；

步骤5，建立中药/天然植物提取过程中输入、输出的动态特性的数学模型：

综合步骤1至步骤4中建立的系统模型，得到中药/天然植物提取过程的动态特性为：

通过G(s)可以得到输入输出的动态特性为：

上式中，u₃为罐体蒸汽阀门的开度；u₄为冷凝水阀门的开度；y₁为罐体内的温度；y₂为罐体内的压力；

步骤6，对所述输入、输出的动态特性的数学模型进行解耦，将多变量耦合控制转变为单输入、单输出控制。

进一步地，对所述输入、输出的动态特性的数学模型进行解耦，将多变量耦合控制转变为单输入、单输出控制，包括：

利用双神经元PID解耦控制系统对所述数学模型进行解耦，其中，所述双神经元PID解耦控制系统包括两个单神经元PID控制器，所述两个单神经元PID控制器分别用于对温度、压力输入被控制量进行控制，得出对应的输出量。

进一步地，所述单个神经元PID控制器中，被控对象的输出值与设定量之间的偏差作为单个神经元PID控制器的输入量，输入量经过微积分计算模块得到神经元智能化学习所需要的状态变量，该状态变量在对应的权重系数和神经元比例系数的影响下，通过智能学习产生作用于被控对象的控制信号。

进一步地，所述作用于被控对象的控制信号，表示为：

上式中，wi(k)为权重系数，通过神经元的控制来实现学习功能；初始的权重系数wi(k)根据需求自定义选择；xi(k)表示状态变量，i＝1,2,3；u(k-1)为k-1时刻的控制信号，K为神经元的比例系数。

进一步地，所述权重系数wi(k)在i的取值为i＝1,2,3时，表示为：

w1(k)＝w1(k-1)+θi·e(k)u(k)[e(k)+Δe(k)]

w2(k)＝w2(k-1)+θd·e(k)u(k)[e(k)+Δe(k)]

w3(k)＝w3(k-1)+θp·e(k)u(k)[e(k)+Δe(k)]

其中，θi，θd，θp分别是积分，微分和比例环节的学习速率，w1(k-1)、w2(k-1)、w3(k-1)为k-1时刻的权重系数，e(k)为输出值与设定值之间的偏差，u(k)为控制信号，Δe(k)为偏差的变化量。

进一步地，所述双神经元PID解耦控制系统算法部分用S-函数编写，在S-函数模块中，将输入信号和输出信号定义为[e(k),e(k-1),e(k-2)]和u(k)，并将系统被控对象的差分方程转变为多输入多输出模块；

通过自适应神经网络可以将温度和压力转变成单输入和单输出的量，当给定信号仅为温度控制时：

当给定信号为压力控制时：

其中，r1和r2代表温度、压力输入被控量。

第二方面，本申请提供了一种中药/天然植物提取的数学建模装置，包括：

第一系统模型模块，用于建立提取装置的罐体内从初始温度到平衡温度的系统模型；

第二系统模型模块，用于建立罐体内温度降低过程的系统模型；

第三系统模型模块，用于建立罐体内温度升高过程中压力变化直至稳定的系统模型；

第四系统模型模块，用于建立罐体内温度下降过程中压力变化过程的系统模型；

输入输出数学模型模块，用于建立中药/天然植物提取过程中输入、输出的动态特性的数学模型；

解耦模块，用于对所述输入、输出的动态特性的数学模型进行解耦，将多变量耦合控制转变为单输入、单输出控制。

上述各模块的具体实现方式同前述方法中对应的步骤。

第三方面，本申请提供了一种终端设备，包括包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现前述第一方面的中药/天然植物提取的数学建模方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现前述第一方面的中药/天然植物提取的数学建模方法的步骤。

与现有技术相比，本申请具有以下技术特点：

1.本申请提出的数学建模方法不仅可以将中药/天然植物提取过程中的一些关键工艺参数，例如罐体内温度、压力变化的数值动态表示出来，还能单独控制某一个工艺参数指标实现对药物有效成分的控制；通过基于自适应神经网络解耦的方式，把温度和压力这两个变量的耦合控制系统通过神经元PID控制的方式，将其转变为单输入单输出的控制系统，从而实现通过对温度和压力单独控制的方式，减少药品有效成分的损失以及跑料现象。

2.本申请在设定合理的工艺参数基础上，通过操作员与计算机交互式提取来完成，控制方便且精准、高效；本申请通过优化蒸汽加热的提取方法与常规的人工操作相比，降低了人为因素造成的错误和提取物质量下降的问题，同时还提高了产品内在质量。通过这种数学建模的方法，可以促进中药标准化、现代化、国际化的发展，并且对广大患者及整个民族中药产业的发展都有着深远和积极的意义。

附图说明

图1为双神经元PID解耦控制系统的框图；

图2为单个神经元PID控制器的结构框图。

具体实施方式

本申请利提出的中药/天然植物提取罐内温度和压力的数学建模是基于自适应神经网络的建模方法，该方法不仅可以把提取过程的输入和输出变量之间的动态特性近似反映出来，还可以自主设置工艺参数值来完成对系统的预测。该建模方法是在蒸汽加热法上做的优化，主要为了弥补蒸汽加热法中工艺参数不明确的缺陷。提取过程采用温度和压力控制系统来对提取装置的相应指标进行控制，其中提取装置包括罐体、冷凝水阀门、蒸汽阀门、分离器、加料口、出料口和过滤器等。下面对本申请的建模方法作进一步详细说明。

一种中药/天然植物提取的数学建模方法，包括以下步骤：

步骤1，建立提取装置的罐体内从初始温度到平衡温度的系统模型

在温度和压力控制过程中，主要通过冷凝阀门和蒸汽阀门进行开度调节。整个装置需要设定好的主要工艺参数包括提取装置罐内初始温度u1、罐内温度平衡时的温度u2、初始蒸汽阀门开度k1和稳定时的蒸汽阀门开度k2等。

在中药/天然植物提取过程中，从初始温度到平衡温度的系统模型可近似看作具有时滞的一阶环节：

G1(s)＝K₁e^-ts/(T₁s+1)

上式中，K₁＝(u2-u1)/(k2-k1)，t是时间轴原点至通过拐点切线与时间轴交点的时间间隔，T₁是完成初始温度到温度稳定过程中的63.2％所需时间，s表示输入量。

步骤2，建立罐体内温度降低过程的系统模型

在温度上升时需要保证冷凝水阀门开度不变。当需要降低罐体温度时，需要让蒸汽阀门开度保持不变，然后调节冷凝水阀门进行降温。当冷凝水阀门开度作阶跃变化时，随着罐体内蒸汽的出量增多，以至罐内温度会持续降低。整个温度降低的过程的系统模型可近似看作一阶和积分串联的环节：

G2(s)＝K₂e^-ts/[s(T₂s+1)]

上式中，增益K₂为系统模型输出响应曲线的斜率；t表示响应曲线在初始段没有发生变化的时间(例如初始温度为100°，当经过40秒温度才开始下降，则t＝40)；T₂表示时间常数，过程输出响应曲线的渐近线与时间轴交点是时间常数T₂和t之和，s表示输入量。

步骤3，建立罐体内温度升高过程中压力变化直至稳定的系统模型

罐体中除了需要考虑温度变化之外，还需要考虑压力变化的动态特性。在温度升高过程中，压力也在增大；随着罐体内蒸汽的增多，压强上升的加速度也会降低，直至减少为0，此时压强达到一个稳定值，这个过程的系统模型可近似看作具有时滞的一阶环节：

G3(s)＝K₃e^-ts/(T₃s+1)

该等式的参数确定需要在该系统模型输出的响应曲线拐点处作切线；上式中，切线的斜率为K₃；切线与时间轴的交点为t；切线与响应曲线的交点对应的时间为T₃，s表示输入量。

步骤4，建立罐体内温度下降过程中压力变化过程的系统模型

在温度下降过程中，压力值在减小。随着罐内蒸汽的出量增多，罐内压力会一直下降。这个过程可以近似看成一个积分环节。

G4(s)＝K₄/s

上式中，增益K₄为该系统模型输出响应曲线的斜率，s表示输入量。

步骤5，建立中药/天然植物提取过程中输入、输出的动态特性的数学模型：

综合步骤1至步骤4建立的温度与压力的系统模型，得到中药/天然植物提取过程的动态特性为：

通过G(s)可以得到输入输出的动态特性为：

上式中，u₃为罐体蒸汽阀门的开度；u₄为冷凝水阀门的开度；y₁为罐体内的温度；y₂为罐体内的压力。

中药/天然植物提取过程中，要让药液和挥发油的浓度及PH值达到预定的指标，需要满足罐内压力和温度的动态平衡。合适的温度是保证药液质量的重要指标之一，当温度过高会使药材的有效成份损失；当温度过低又会使药材有效成分没有完全浸出从而降低提取纯度。合适的压力可以控制罐体内的液位以至于不会出现跑料现象。但是提取过程中，压力和温度是多变量耦合的，要实现它们各自的相对稳定和动态平衡，需要对温度和压力的数学建模进行解耦，从而将多变量耦合控制转变为单输入，单输出控制。

步骤6，对所述输入、输出的动态特性的数学模型进行解耦，将多变量耦合控制转变为单输入、单输出控制。

本方案中采用自适应神经网络来解决控制系统中多变量的不确定性和非线性的问题。为了在神经网络控制过程中实现对速度的优化，采用基于单个神经元的控制系统。多变量耦合系统可以通过神经元的PID控制进行解耦。图1显示了双神经元PID解耦控制系统的框图，控制系统主要由两个神经元PID控制器组成，其中r1和r2代表温度、压力输入被控量；y1和y2代表输出量。图2是单个神经元PID控制器结构框图，其中r(k)为设定量，y(k)为被控对象的输出值，K为神经元的比例系数，K值的选择是决定系统稳定性的重要指标。选择的K值越大会导致速度越快，从而产生过大的过冲量；选择的K值越小也会造成系统速度响应比较差的问题，因此需要选择好合适的比例系数。

在单个神经元PID控制器中，输出值与设定值之间的偏差作为k时刻的输入量e(k)，输入量e(k)经过微积分计算模块得到神经元智能化学习所需要的状态变量x₁(k),x₂(k),x₃(k)，它们分别是：

x₁(k)＝e(k)

x₂(k)＝e(k)-e(k-1)

x₃(k)＝e(k)-2e(k-1)+e(k-2)

上式中，e(k-1)、e(k-2)分别表示k-1、k-2时刻的输入量。

当k>0时，神经元通过智能学习产生得到控制信号u(k)，其表达式为：

其中wi(k)为权重系数，它可以通过神经元的控制来实现学习功能。初始的权重系数wi(k)可以根据需求自定义选择，wi(k)改变的速率和大小直接影响到控制系统的效果。xi(k)表示状态变量，i＝1,2,3，u(k-1)为k-1时刻的控制信号。

PID参数的在线学习更新需要同时考虑偏差e(k)和偏差的变化量Δe(k)；则对u(k)的表达式进行整理为：

w1(k)＝w1(k-1)+θi·e(k)u(k)[e(k)+Δe(k)]

w2(k)＝w2(k-1)+θd·e(k)u(k)[e(k)+Δe(k)]

w3(k)＝w3(k-1)+θp·e(k)u(k)[e(k)+Δe(k)]

其中θi，θd，θp分别是积分，微分和比例环节的学习速率。这三个指标可以选择不同的值来调整wi的学习速率。w1(k-1)、w2(k-1)、w3(k-1)为k-1时刻的权重系数。在阶跃输入过程中，如果输出产生较大的过冲量以至于反复出现正弦衰减，这时需要适当的减少K值。如果调节K的过程中出现上升时间较长且没有超调的情况，则需要适当增加K值和θi，θd，θp的值。总之，通过调节K和θi，θd，θp的值可以有效解决上升时间快慢和超调量过大过小等问题。

温度和压力的控制系统主要MATLAB软件来实现控制。PID解耦控制系统算法部分用S-函数编写，在S-函数模块中，将输入信号和输出信号定义为[e(k),e(k-1),e(k-2)]和u(k)，并将系统被控对象的差分方程转变为多输入多输出模块。

通过自适应神经网络可以将温度和压力转变成单输入和单输出的量，当给定信号仅为温度控制时：

当给定信号为压力控制时：

通过蒸汽加热的方式在中药/天然植物提取的过程中，主要是调节蒸汽阀门和冷凝水阀门实现对温度和压力的调节。主要工作原理：在升温过程中，保证冷凝水阀开度不变的情况下，随着罐内蒸汽阀开度的增大，罐体内需要重新达到的稳定温度也会随着上升。当罐内蒸汽的逐渐增多，会相应增加罐体内的压力，同时出去的蒸汽量就会增多。在这个过程中温度上升的加速度会越来越小，当加速度变为0时，温度达到一个新的稳定值。升温过程与降温过程的原理正好相反。但是整个中药/天然植物提取过程中，都无法得知在温度升降过程中的工艺参数确切变换，也无法控制温度升降过程中的具体工艺参数值，导致药材有效成分的损失以及跑料等风险大大提升。

本申请通过对罐体内的温度和压力进行数学建模的方式，将温度升降过程中的几个主要工艺参数的在输入输出中很好的表达了出来，同时把温度和压力这两个变量的耦合系统通过基于自适应神经网络解耦的方式转变为单输入单输出的控制系统。主要工作原理：首先根据提前设置好初始温度，人工给定罐体一个相应的蒸汽阀门开度。经过一定的时间使罐内温度达到了给定的初始温度后，再根据给定达到稳定时的温度相应增大蒸汽阀门开度，让罐内温度达到给定的稳定温度。这个过程可以通过人机交互控制温度的变化，为了把输入和输出的变量动态表示出来，可以每隔20s对罐体温度进行一次采集，然后把采集的数据集送入matlab的曲线拟合工具箱进行拟合。对于温度和压力的解耦，主要采用神经元的PID控制进行解耦，通过PID控制可以调整温度升降过程中的一些关键参数(例如上升时间，超调量等等)，从而实现对工艺参数的控制。

通过本申请的方法可以对现有的蒸汽加热法进行优化，让提取的工艺参数变得十分详细，而且通过变换过程中的动态特性可以对相应参数实现更好的预测，从而提高新药开发的提取效率。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种中药/天然植物提取的数学建模方法，其特征在于，包括以下步骤：

步骤1，建立提取装置的罐体内从初始温度到平衡温度的系统模型

在中药/天然植物提取过程中，从初始温度到平衡温度的系统模型表示为：

G1(s)＝K₁e^-ts/(T₁s+1)

上式中，K₁＝(u2-u1)/(k2-k1)，t是时间轴原点至通过拐点切线与时间轴交点的时间间隔，T₁是完成初始温度到温度稳定过程中的63.2％所需时间，s表示输入量；u1表示提取装置罐内初始温度、u2表示罐内温度平衡时的温度、k1表示初始蒸汽阀门开度，k2表示稳定时的蒸汽阀门开度；

步骤2，建立罐体内温度降低过程的系统模型

当冷凝水阀门开度作阶跃变化时，随着罐体内蒸汽的出量增多，以至罐内温度会持续降低；整个温度降低的过程的系统模型表示为：

G2(s)＝K₂e^-ts/[s(T₂s+1)]

上式中，增益K₂为系统模型输出响应曲线的斜率；t表示响应曲线在初始段没有发生变化的时间；T₂表示时间常数，过程输出响应曲线的渐近线与时间轴交点是时间常数T₂和t之和；

步骤3，建立罐体内温度升高过程中压力变化直至稳定的系统模型

在罐体温度升高过程中，压力也在增大；随着罐体内蒸汽的增多，压强上升的加速度也会降低直至减少为0，此时压强达到一个稳定值，这个过程的系统模型表示为：

G3(s)＝K₃e^-ts/(T₃s+1)

上式中，增益K₃为系统模型输出的响应曲线拐点处的切线斜率，切线与时间轴的交点为t；切线与响应曲线的交点对应的时间为T₃；

步骤4，建立罐体内温度下降过程中压力变化过程的系统模型

在温度下降过程中，压力值在减小，随着罐内蒸汽的出量增多，罐内压力会一直下降；这个过程的系统模型表示为：

G4(s)＝K₄/s

上式中，增益K₄为该系统模型输出响应曲线的斜率；

步骤5，建立中药/天然植物提取过程中输入、输出的动态特性的数学模型：

综合步骤1至步骤4中建立的系统模型，得到中药/天然植物提取过程的动态特性为：

通过G(s)得到输入输出的动态特性为：

上式中，u₃为罐体蒸汽阀门的开度；u₄为冷凝水阀门的开度；y₁为罐体内的温度；y₂为罐体内的压力；

步骤6，对所述输入、输出的动态特性的数学模型进行解耦，将多变量耦合控制转变为单输入、单输出控制。

2.根据权利要求1所述的中药/天然植物提取的数学建模方法，其特征在于，对所述输入、输出的动态特性的数学模型进行解耦，将多变量耦合控制转变为单输入、单输出控制，包括：

利用双神经元PID解耦控制系统对所述数学模型进行解耦，其中，所述双神经元PID解耦控制系统包括两个单神经元PID控制器，所述两个单神经元PID控制器分别用于对温度、压力输入被控制量进行控制，得出对应的输出量。

3.根据权利要求2所述的中药/天然植物提取的数学建模方法，其特征在于，所述单神经元PID控制器中，被控对象的输出值与设定量之间的偏差作为单神经元PID控制器的输入量，输入量经过微积分计算模块得到神经元智能化学习所需要的状态变量，该状态变量在对应的权重系数和神经元比例系数的影响下，通过智能学习产生作用于被控对象的控制信号。

4.根据权利要求3所述的中药/天然植物提取的数学建模方法，其特征在于，所述作用于被控对象的控制信号，表示为：

上式中，wi(k)为权重系数，通过神经元的控制来实现学习功能；初始的权重系数wi(k)根据需求自定义选择；xi(k)表示状态变量，i＝1,2,3；u(k-1)为k-1时刻的控制信号，K为神经元的比例系数。

5.根据权利要求4所述的中药/天然植物提取的数学建模方法，其特征在于，所述权重系数wi(k)在i的取值为i＝1,2,3时，表示为：

w1(k)＝w1(k-1)+θi·e(k)u(k)[e(k)+Δe(k)]

w2(k)＝w2(k-1)+θd·e(k)u(k)[e(k)+Δe(k)]

w3(k)＝w3(k-1)+θp·e(k)u(k)[e(k)+Δe(k)]

其中，θi，θd，θp分别是积分，微分和比例环节的学习速率，w1(k-1)、w2(k-1)、w3(k-1)为k-1时刻的权重系数，e(k)为输出值与设定值之间的偏差，u(k)为控制信号，Δe(k)为偏差的变化量。

6.根据权利要求4所述的中药/天然植物提取的数学建模方法，其特征在于，双神经元PID解耦控制系统算法部分用S-函数编写，在S-函数模块中，将输入信号和输出信号定义为[e(k),e(k-1),e(k-2)]和u(k)，并将系统被控对象的差分方程转变为多输入多输出模块；

通过自适应神经网络可以将温度和压力转变成单输入和单输出的量，当给定信号仅为温度控制时：

当给定信号为压力控制时：

其中，r1和r2代表温度、压力输入被控量。

7.一种中药/天然植物提取的数学建模装置，其特征在于，包括：

第一系统模型模块，用于建立提取装置的罐体内从初始温度到平衡温度的系统模型；

第二系统模型模块，用于建立罐体内温度降低过程的系统模型；

第三系统模型模块，用于建立罐体内温度升高过程中压力变化直至稳定的系统模型；

第四系统模型模块，用于建立罐体内温度下降过程中压力变化过程的系统模型；

输入输出数学模型模块，用于建立中药/天然植物提取过程中输入、输出的动态特性的数学模型；

解耦模块，用于对所述输入、输出的动态特性的数学模型进行解耦，将多变量耦合控制转变为单输入、单输出控制；

上述各模块的具体实现方式同权利要求1-6中任一权利要求所述方法中对应的步骤。

8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现根据权利要求1-6中任一权利要求所述方法的步骤。

9.一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现根据权利要求1-6中任一权利要求所述方法的步骤。

Images