CN112387208A - 基于近红外及分布式预测控制的药用流化床控制系统 - Google Patents

基于近红外及分布式预测控制的药用流化床控制系统 Download PDF

Info

Publication number
CN112387208A
CN112387208A CN202011285665.3A CN202011285665A CN112387208A CN 112387208 A CN112387208 A CN 112387208A CN 202011285665 A CN202011285665 A CN 202011285665A CN 112387208 A CN112387208 A CN 112387208A
Authority
CN
China
Prior art keywords
temperature
control
fluidized bed
moisture
module
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.)
Granted
Application number
CN202011285665.3A
Other languages
English (en)
Other versions
CN112387208B (zh
Inventor
张运诗
殷文平
董海洲
成恒强
刘文栋
王辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Sma Pharmatech Co ltd
Original Assignee
Shandong Sma Pharmatech Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Sma Pharmatech Co ltd filed Critical Shandong Sma Pharmatech Co ltd
Priority to CN202011285665.3A priority Critical patent/CN112387208B/zh
Publication of CN112387208A publication Critical patent/CN112387208A/zh
Application granted granted Critical
Publication of CN112387208B publication Critical patent/CN112387208B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
    • B01J2/00—Processes or devices for granulating materials, e.g. fertilisers in general; Rendering particulate materials free flowing in general, e.g. making them hydrophobic
    • B01J2/16—Processes or devices for granulating materials, e.g. fertilisers in general; Rendering particulate materials free flowing in general, e.g. making them hydrophobic by suspending the powder material in a gas, e.g. in fluidised beds or as a falling curtain
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Organic Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种基于近红外及分布式预测控制的药用流化床控制系统，属于固体制剂装备技术领域；包括近红外模块、温度检测模块和控制模块，所述控制模块包括阶跃信号模型采集单元、控制算法单元、控制器、人机界面，近红外模块：用于采集物料水分；温度检测模块：用于采集物料温度；阶跃信号模型采集单元：用于采集物料水分和温度的阶跃响应信号；控制算法单元：用于构建分布式预测控制模型；控制器：用于控制蠕动泵的速度以及预加热组件的功率；人机界面：用于监视设备的各个参数并对设备进行操作；减少人为的参与，实现在线监测，组成分布式预测控制模型，以解决两个子系统的耦合性问题，能够实现物料水分和物料温度的自适应控制。

Description

基于近红外及分布式预测控制的药用流化床控制系统
技术领域
本发明涉及一种基于近红外及分布式预测控制的药用流化床控制系统，属于固体制剂装备技术领域。
背景技术
流化床制粒工艺是通过排风机作为动力，并通过加热装置对风进行加热。将流化床主机内的物料，通过足够的热风吹起来形成流化的状态。同时，通过控制蠕动泵的转速将预先配置好的粘合剂以雾化的状态喷射到流化状态的物料中，以制取颗粒状的物料。这其中，对于进风温度以及蠕动泵流量的控制至关重要，直接影响最终的产品质量。
在制药领域的流化床干燥、制粒和包衣工艺中，会对物料的水分进行检测，以判断物料当前的状态。目前通常采用的方法，是通过设备的采样口，采取一定的样品，并送到实验室对水分进行测试。这样在采样以及检测的过程中，会对物料造成不必要的污染。且物料的水分几乎都是离线监测，达不到实时监测的目的。在某些特殊的物料时，其中间产品会对人体或者环境有一定的不良影响，这样极有可能使操作人员置于一定的风险之中。
流化床制粒中，物料水分和温度是一个耦合的系统，通过调整加热器的功率或者调整蠕动泵的流量时，会对物料的水分和温度同时产生影响。目前的设备参数调整中，绝大多数都是通过PID控制加热器的输出功率调整进风温度进而调整物料的温度；通过PID控制器调整蠕动泵的转速，来调整物料的水分。这样仅将温度和水分控制系统划分成了一个温度和水分分散式系统，没有考虑之间的互相影响，某些时候，控制效果不佳。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种基于近红外及分布式预测控制的药用流化床控制系统，一方面可以实现药用流化床制粒工艺中水分的在线监测和终点判断，减少人为的参与，实现在线监测；另一方面，将物料水分和物料温度作为控制对象，组成分布式预测控制模型，以解决两个子系统的耦合性问题，能够实现物料水分和物料温度的自适应控制。
本发明所述基于近红外及分布式预测控制的药用流化床控制系统，包括近红外模块、温度检测模块和控制模块，所述控制模块包括阶跃信号模型采集单元、控制算法单元、控制器、人机界面，
近红外模块：用于采集物料水分；
温度检测模块：用于采集物料温度；
阶跃信号模型采集单元：用于采集物料水分和温度的阶跃响应信号；
控制算法单元：用于构建分布式预测控制模型；
控制器：用于控制蠕动泵的速度以及加热组件的输出功率；
人机界面：用于监视设备的各个参数并对设备进行操作。
优选地，所述近红外模块包括近红外探头和光谱处理单元，所述温度检测模块包括温度探针和温度处理单元，所述近红外探头和温度探针均安装在流化床物料车内；所述光谱处理单元连接近红外探头和所述控制模块，所述温度处理单元连接温度探针和所述控制模块。
在此，温度探针可采用PT100。
优选地，还包括药用流化床，所述药用流化床包括流化床主机，与流化床主机连接的进风处理模块和排风模块；所述流化床主机下部安装有物料车，浆液管路安装有蠕动泵；所述进风处理模块包括加热组件和过滤组件，所述加热组件通过可控硅温控单元连接控制器。
优选地，所述分布式预测控制模型构建步骤如下：
步骤1、基函数选择：药用流化床对物料水分和物料温度控制的目的是使其达到预设的固定值，根据基函数的选择原则，当设定值为恒定值或者变化很小的时候，基函数可以选择阶跃函数，因此这里我们选取基函数为：
uW(k+i)＝μW(k)·1，uT(k+i)＝μT(k)·1
式中，uW(k+i)为k+i时刻浆液管路支路的控制输入值，uT(k+i)为k+i时刻可控硅温控单元支路的控制输入值，μW(k)为k时刻计算的浆液管路支路的基函数加权系数，μT(k)为k时刻可控硅温控单元支路的基函数加权系数；
步骤2、模型建立：物料水分和物料温度的模型为：
Figure BDA0002782233590000021
式中，yW,PM(k)为k时刻物料水分输出预测值，yT,PM(k)为k时刻物料温度输出预测值，yW,P0(k)为k时刻未加入当前控制量时物料水分输出预测值，yT,P0(k)为k时刻未加入当前控制量时物料温度输出预测值；uW,P0和uT,P0为k-1时刻，浆液管路支路和可控硅温控单元支路的输入值；μW(k)和μT(k)为k时刻，浆液管路支路和可控硅温控单元的基函数加权系数；A0WW,P0，A0WT,P0，A0TW,P0，A0TT,P0，GWW，GWT，GTW，GTT分别为由划分的四个模型的阶跃响应信号采集值及基函数组成的计算矩阵，均可离线计算，避免占用过多的控制器资源；
步骤3、子系统模型算法：系统划分为两个子系统，对于每个子系统，其预测模型可以描述为：
yW,PM(k)＝yW,P0(k)-A0WW,P0·uW,P0-A0WT,P0·uT,P0+GWW·μW(k)+GWT·μT(k)
yT,PM(k)＝yT,P0(k)-A0TT,P0·uT,P0-A0TW,P0·uW,P0+GTT·μT(k)+GTW·μW(k)
步骤4、优化计算：水分和温度的控制目的是使系统能够快速精确的达到并稳定在设定值上，这里采用二次型性能指标作为优化计算的标准，物料水分和物料温度的性能指标为：
Figure BDA0002782233590000031
Figure BDA0002782233590000032
式中，ωW(k)和ωT(k)为物料水分和物料温度的设定值，QW和QT为相应的误差权矩阵；两个子系统的最优解为：
Figure BDA0002782233590000033
Figure BDA0002782233590000034
步骤5、模型补偿：每一时刻，根据模型计算的输出，与实际的输出做比较，得到差值后通过移位矩阵和校正参数对模型进行补偿，以修正模型预测的物料水分和物料温度的输出值。
优选地，所述进风处理模块包括依次设置的初级过滤器、预热用电加热棒、表冷器、中效过滤器、再热用电加热棒和高效过滤器。
优选地，所述排风模块包括依次设置的排风过滤器和排风机。
优选地，还包括设置在进风管上的风量检测模块，风量检测模块和排风机连接控制器，控制器还用于控制排风机的工作频率。
优选地，所述控制器采用S7 1500PLC，所述人机界面采用HMI触摸屏，所述蠕动泵和排风机分别通过蠕动泵变频器和排风机变频器连接控制器。
与现有技术相比，本发明具有以下有益效果：
1、采用近红外模块，实现了流化床制粒工艺中水分的实时显示。避免了离线采集造成药品污染且检测数据有一定的时间差，检测结果又极大的受采集的样品有关。且对于某些样品，因为配方原因，不能与人接触，人为采样无形中增加了很多的风险。通过近红外模块，从安全性、实时性和精确性上有很大的优势。
2、以往的控制通常设置蠕动泵的流量和进风温度，通过物料的温度判断物料的状态，然后再调整喷液量和进风温度。这样一方面需要人为靠经验去调整设备的参数，参数的稳定性和操作者的水平以及配方的精确有很大的关系，另一方面，有时候因为设备状态或者物料条件的不同，参数的调整需要多次更改才能达到期望的结果。这里，直接将物料水分和物料温度作为被控对象，控制更加直接。且分布式预测控制算法本身就考虑到了物料水分和物料温度控制系统之间的耦合性，很好的解决了以往控制算法的不足。
附图说明
图1为本发明所述基于近红外及分布式预测控制的药用流化床控制系统的结构示意图；
图2为本发明所述基于近红外及分布式预测控制的药用流化床控制系统的结构框图；
图3为本发明所述分布式预测控制过程设计流程图；
图4为本发明所述近红外模块的安装示意图；
图5为本发明所述药用流化床的结构示意图。
其中：1、近红外模块；101、近红外探头；102光谱处理单元；2、物料车；3、取样口；4、风量检测模块；5、温度检测模块；501、温度探针；502、温度处理单元；6、排风机；7、进风管；8、出风管；9、预热用电加热棒；10、初级过滤器；11、表冷器；12、中效过滤器；13、高效过滤器；14、排风过滤器；15、再热用电加热棒；16、阶跃信号模型采集单元；17、控制算法单元；18、控制器；19、人机界面。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
如图1-5所示，发明的目的是建立一种基于近红外及分布式预测控制的药用流化床控制系统。其主要原理是通过加热组件将风加热，进入流化床主机将物料吹起，最后经过排风过滤器14由排风机6排出。物料在热风和喷射的浆液的作用下形成粒状，通过安装在物料车2上的温度探针501和近红外探头101检测物料温度和水分，并通过控制器18和HMI触摸屏实现整机的运行和控制。
一、近红外模块1
1、近红外探头101的安装：近红外探头101安装在流化床制粒机物料车2上，安装位置与设备取样口3在同一水平高度，使物料可以充分接触探头。
2、配置光谱处理单元102：个人电脑安装MicroNIRTM Pro v2.5.1软件，并配置软件的各个参数。将个人电脑和近红外探头101通过USB线连接起来，打开软件选取建立好的物料水分模型。通过预先建立好的水分模型，即可实时显示物料的水分。建模时，可以采用多元线性回归、支持向量机、主成分回归等多种方法。
3、水分数据值传递到S7 1500PLC：MicroNIRTM Pro v2.5.1软件集成OPC-UA功能，通过网线连接个人电脑和S7 1500PLC，并在博图软件中进行配置通讯参数，将水分预测值传递到S7 1500PLC内部的变量中。
二、温度检测模块
物料温度可以通过安装在物料车2上的PT100探针进行检测，探针连接至隔离栅，将电阻信号，转变为4-20mA的电流信号，并连接至S7 1500PLC的模拟量输入上。由于实际的物理温度不会超过100摄氏度，因此，隔离栅配置参数时，将温度范围配置为0-120度对应电信号4-20mA。
三、控制算法单元
耦合系统分析：物料水分和物料温度的控制系统是一个耦合的系统，物料水分的增加或降低，必然会影响物料的温度；而物料温度的变化，同样会造成物料水分的改变。因此，使用传统的PID控制分别控制，效果有限，无法实现系统的解耦，只是对系统进行了分散式控制。
蠕动泵回路：蠕动泵是系统浆液的供给单元，其速度可以通过蠕动变频器的频率进行改变。蠕动变频器通过网线连接至交换机，实际控制时，只需要将合适的报文通过网线传输到蠕动变频器即可。
温度控制回路：物料的温度可以经过流经流化床主机的热风进行改变，进风模块内部安装有预热用电加热棒9和再热用电加热棒15，其两端的电压可以通过可控硅改变，进而改变进入流化床主机的风的温度。预热用电加热棒9和再热用电加热棒15附近可装有温度探针，用于检测加热管附近的问题，防止过高的温度产生危险。
四、分布式预测控制模型构建因素
1、子系统分析：本发明是对物料水分和物料温度进行直接控制，通过流化床工艺分析，过多的浆液供给，将会增加物料的水分，减小物料的温度；过高的进风温度，会减小物料的水分，增加物料的温度。因此，建立蠕动泵浆液供给系统和可控硅温控系统，通过这两个子系统实现物料水分和物料温度的控制。
2、模型建立：考虑到两个子系统之间的耦合关系，建立四个模型关系，即
(1)蠕动泵浆液供给系统对物料水分的影响模型
(2)可控硅温控系统对物料水分的影响模型
(3)蠕动泵浆液供给系统对物料温度的影响模型
(4)可控硅温控系统对物料温度的影响模型
五、分布式预测控制模型构建
1、基函数选择。药用流化床对物料水分和物料温度控制的目的是使其达到预设的固定值，根据基函数的选择原则，当设定值为恒定值或者变化很小的时候，基函数可以选择阶跃函数，因此这里我们选取基函数为：
uW(k+i)＝μW(k)·1，uT(k+i)＝μT(k)·1
式中，uW(k+i)为k+i时刻浆液管路支路的控制输入值，uT(k+i)为k+i时刻可控硅温控系统支路的控制输入值，μW(k)为k时刻计算的浆液管路支路的基函数加权系数，μT(k)为k时刻可控硅温控单元支路的基函数加权系数。
2、模型建立。物料水分和物料温度的模型为：
Figure BDA0002782233590000061
式中，yW,PM(k)为k时刻物料水分输出预测值，yT,PM(k)为k时刻物料温度输出预测值，yW,P0(k)为k时刻未加入当前控制量时物料水分输出预测值，yT,P0(k)为k时刻未加入当前控制量时物料温度输出预测值。uW,P0和uT,P0为k-1时刻，浆液管路支路和可控硅温控单元支路的输入值。μW(k)和μT(k)为k时刻，浆液管路支路和可控硅温控单元支路的基函数加权系数。A0WW,P0，A0WT,P0，A0TW,P0，A0TT,P0，GWW，GWT，GTW，GTT分别为由划分的四个模型的阶跃响应信号采集值及基函数组成的计算矩阵，均可离线计算，避免占用过多的控制器18资源。
3、子系统模型算法。系统划分为两个子系统，对于每个子系统，其预测模型可以描述为：
yW,PM(k)＝yW,P0(k)-A0WW,P0·uW,P0-A0WT,P0·uT,P0+GWW·μW(k)+GWT·μT(k)
yT,PM(k)＝yT,P0(k)-A0TT,P0·uT,P0-A0TW,P0·uW,P0+GTT·μT(k)+GTW·μW(k)
4、优化计算。水分和温度的控制目的是使系统能够快速精确的达到并稳定在设定值上，这里采用二次型性能指标作为优化计算的标准，物料水分和物料温度的性能指标为：
Figure BDA0002782233590000062
Figure BDA0002782233590000063
式中，ωW(k)和ωT(k)为物料水分和物料温度的设定值，QW和QT为相应的误差权矩阵。
两个子系统的最优解为：
Figure BDA0002782233590000071
Figure BDA0002782233590000072
5、模型补偿。每一时刻，根据模型计算的输出，与实际的输出做比较，得到差值后通过移位矩阵和校正参数对模型进行补偿，以修正模型预测的物料水分和物料温度的输出值。避免所有的计算处于一个虚假的状态。
六、操作过程
1、整机系统。所述流化床参数监控包括风量检测模块4、温度检测模块5、加热组件、排风机6和蠕动泵。所述加热组件设置在进风管7的进风口处，风量检测模块4设置在流化床制粒机进风管7上，温度检测模块5设置在流化床制粒机进风管7末端处，排风机6在流化床制粒机出风管8上，蠕动泵的喷液管连接至流化床制粒机的喷枪。系统运行时，通过改变排风机6的速度，调节设备的风量。风由进风处理系统，经过预加热、再热、过滤器进入主机，将物料吹起，然后经主机过滤袋，排风过滤器14由排风机6排出。设定雾化压力，并通过调节蠕动泵的转速，将料液供给并吹散到流动的物料上。
2、模型采集。通过控制蠕动泵的转速和电加热管两端的电压，使水分和温度由当前的稳定状态达到另外一个状态。对于划分的四个模型的阶跃响应信号，通过S7 1500PLC按照设置的采样周期采集当前的水分和温度值，并存储到数据块中。
3、在HMI触摸屏界面上设定两个子系统的模型长度、优化时域、计算时控制输入的数目和误差权矩阵计算建立的模型参数。
4、设置物料水分和物料温度的设定值，并运行系统。经过离线计算后，分布式预测控制系统模型可以在S7 1500PLC中正常的运行，根据所设定的物料水分和物料温度，算法自动根据性能指标迭代出最优解。并施加到蠕动泵和加热组件上，实现水分和温度的自适应控制。
S7 1500PLC是整个系统的控制中心，经过近红外模块1和物料温度采集模块5采集到的阶跃响应信号，在S7 1500PLC内部进行编程，封装成独立的分布式预测函数控制算法单元。S7 1500PLC作为控制器，输出信号到加热组件和蠕动泵变频器，根据HMI触摸屏屏幕上的设定值，通过预先写好的算法，实现整机的运行和闭环控制。
系统建立后，可以随时更换算法模型。设备开机后，根据操作的目的可以对阶跃响应模型进行采集，可以离线计算模型参数，或者可以直接运行系统，使系统根据预先设定的物料水分和物料温度进行分布式控制。
完整的流化床参数监控包括风量检测模块4、温度检测模块5、加热组件、排风机6和蠕动泵，所述加热组件设置在进风管7的进风口处，风量检测模块4设置在进风管7上，温度检测模块5设置在流化床制粒机的进风管7末端，所述排风机6设置在流化床制粒机出风管8上，排风机6通过排风变频器与控制器18相连，控制器18通过PROFINET通讯实现对排风变频器控制，变频器18用于控制排风机的工作频率，出风管8上对应排风机6设置排风过滤器14，蠕动泵的喷液管连接至流化床制粒机的喷枪，蠕动泵通过蠕动变频器连接至控制器18，通过蠕动变频器输出频率的改变控制蠕动泵的转速。在确定好物料类别及具体的处理工艺后，由风量检测模块4检测进风管7的进风量，进而实时的调整排风机6的转速以将进风量控制在一个最优的范围，同时，温度检测模块5检测进风温度，如果温度过低，实时的通过加热组件对进风温度进行调整，同理，控制器18也会实时的调整蠕动泵的转速以实现对喷枪喷量的精确控制。
加热组件包括预热用电加热棒9和再热用电加热棒15，预热用电加热棒9和再热用电加热棒15通过电加热控制器与控制器18相连，S7-1500 PLC通过DA转化模块和PID控制调节电加热控制器。进风管7连接进风口连接进风模块，进风模块包括依次设置的初级过滤器10、预热用电加热棒9、表冷器11、中效过滤器12、再热用电加热棒15和高效过滤器13，各级过滤器对气体起过滤作用，预热用电加热棒9对气体起预热作用，表冷器11通过外部供给冷水除湿，降低进风空气中的湿度，再热用电加热棒15将除湿后的气体进行再加热，以满足工艺需求。
本发明实现自适应控制的原理如下：
设备的数据执行核心为S7-1500 PLC，通过基于线性渐变滤光片的MicroNIR PAT近红外模块1采集物料工艺过程中的光谱，通过多元线性回归、支持向量机、主成分回归等方法建立模型，把模型导入光谱处理模块内嵌的MicroNIRT MPro v2.5.1软件，实现对新物料样本的在线预测；然后将物料数据传输给S7-1500 PLC，预测数据一般包含粒径、水分、包衣含量等信息，流化床在制粒工艺中根据预测数据信息自动调节蠕动泵的转速和加热组件的输出功率。S7 1500PLC内部采用分布式预测控制算法将物料水分和物料温度的动态变化进行了模型建立，实际运行系统中，在每一个计算周期内，程序将设定的物料水分和物料温度进行比较，并根据预先建立的分布式预测控制模型进行优化计算，迭代求解。当满足预先设定的迭代精度后，迭代结束，并输出控制值，分别施加到蠕动变频器和可控硅上，进而改变蠕动泵的转速和加热组件的输出功率。在下一计算周期，继续进行迭代优化计算，这也是分布式预测控制的优点，以便实现物料水分和温度的自适应控制。
综上，本发明的主要突出点有以下几个：
1、采用近红外模块2，实现了流化床制粒工艺中水分的实时显示。避免了离线采集造成药品污染且检测数据有一定的时间差，检测结果又极大的受采集的样品有关。且对于某些样品，因为配方原因，不能与人接触，人为采样无形中增加了很多的风险。通过近红外模块2，从安全性、实时性和精确性上有很大的优势。
2、以往的控制通常设置蠕动泵的流量和进风温度，通过物料的温度判断物料的状态，然后再调整喷液量和进风温度。这样一方面需要人为靠经验去调整设备的参数，参数的稳定性和操作者的水平以及配方的精确有很大的关系，另一方面，有时候因为设备状态或者物料条件的不同，参数的调整需要多次更改才能达到期望的结果。这里，直接将物料水分和物料温度作为被控对象，控制更加直接。且分布式预测控制算法本身就考虑到了物料水分和物料温度控制系统之间的耦合性，很好的解决了以往控制算法的不足。
3、为了避免现场的各种干扰，同时解决不同模块之间的数据传递，各组件之间通过网线连接至交换机，组成星形网络。且通过人机界面19，可在显示屏上显示设备的各个参数，可实现重点参数设置实时曲线；并对超过预设参数值的变量在工艺运行中实时监测并报警，以便提示操作者及时进行人为干预。
4、设备以S7 1500PLC以及HMI组成上、下机软件开发，算法采用SCL结构化语言进行编写，参考具体的工艺实现了手动、自动两种模式的设备运行，极大的提好了整机自动化水平。同时，HMI触摸屏以及S7 1500PLC均预留OPC-UA接口，方便设备集成至SCADA以及MES系统中，可以实现与外部设备的数据交换，方便不同系统之间的数据兼容性，促进了固体制剂车间的智能化发展。

Claims (8)

1.一种基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，包括近红外模块(1)、温度检测模块(5)和控制模块，所述控制模块包括阶跃信号模型采集单元(16)、控制算法单元(17)、控制器(18)、人机界面(19)，
近红外模块(1)：用于采集物料水分；
温度检测模块(5)：用于采集物料温度；
阶跃信号模型采集单元(16)：用于采集物料水分和温度的阶跃响应信号；
控制算法单元(17)：用于构建分布式预测控制模型；
控制器(18)：用于控制蠕动泵的速度以及加热组件的功率；
人机界面(19)：用于监视设备的各个参数并对设备进行操作。
2.根据权利要求1所述的基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，所述近红外模块(1)包括近红外探头(101)和光谱处理单元(102)，所述温度检测模块(5)包括温度探针(501)和温度处理单元(502)，所述近红外探头(101)和温度探针(501)均安装在流化床物料车(2)内；所述光谱处理单元(102)连接近红外探头(101)和所述控制模块，所述温度处理单元(502)连接温度探针(501)和所述控制模块。
3.根据权利要求1或2所述的基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，还包括药用流化床，所述药用流化床包括流化床主机，与流化床主机连接的进风处理模块和排风模块；所述流化床主机下部安装有物料车(2)，浆液管路安装有蠕动泵；所述进风处理模块包括加热组件和过滤组件，所述加热组件通过可控硅温控单元连接控制器(18)。
4.根据权利要求3所述的基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，所述分布式预测控制模型构建步骤如下：
步骤1、基函数选择：药用流化床对物料水分和物料温度控制的目的是使其达到预设的固定值，根据基函数的选择原则，当设定值为恒定值或者变化很小的时候，基函数可以选择阶跃函数，因此这里我们选取基函数为：
uW(k+i)＝μW(k)·1，uT(k+i)＝μT(k)·1
式中，uW(k+i)为k+i时刻浆液管路支路的控制输入值，uT(k+i)为k+i时刻可控硅温控单元支路的控制输入值，μW(k)为k时刻计算的浆液管路支路的基函数加权系数，μT(k)为k时刻可控硅温控单元支路的基函数加权系数；
步骤2、模型建立：物料水分和物料温度的模型为：
Figure FDA0002782233580000011
式中，yW,PM(k)为k时刻物料水分输出预测值，yT,PM(k)为k时刻物料温度输出预测值，yW,P0(k)为k时刻未加入当前控制量时物料水分输出预测值，yT,P0(k)为k时刻未加入当前控制量时物料温度输出预测值；uW,P0和uT,P0为k-1时刻，浆液管路支路和可控硅温控单元支路的输入值；μW(k)和μT(k)为k时刻，浆液管路支路和可控硅温控单元的基函数加权系数；A0WW,P0，A0WT,P0，A0TW,P0，A0TT,P0，GWW，GWT，GTW，GTT分别为由划分的四个模型的阶跃响应信号采集值及基函数组成的计算矩阵，均可离线计算，避免占用过多的控制器(18)资源；
步骤3、子系统模型算法：系统划分为两个子系统，对于每个子系统，其预测模型可以描述为：
yW,PM(k)＝yW,P0(k)-A0WW,P0·uW,P0-A0WT,P0·uT,P0+GWW·μW(k)+GWT·μT(k)
yT,PM(k)＝yT,P0(k)-A0TT,P0·uT,P0-A0TW,P0·uW,P0+GTT·μT(k)+GTW·μW(k)
步骤4、优化计算：水分和温度的控制目的是使系统能够快速精确的达到并稳定在设定值上，这里采用二次型性能指标作为优化计算的标准，物料水分和物料温度的性能指标为：
Figure FDA0002782233580000021
Figure FDA0002782233580000022
式中，ωW(k)和ωT(k)为物料水分和物料温度的设定值，QW和QT为相应的误差权矩阵；
两个子系统的最优解为：
Figure FDA0002782233580000023
Figure FDA0002782233580000024
步骤5、模型补偿：每一时刻，根据模型计算的输出，与实际的输出做比较，得到差值后通过移位矩阵和校正参数对模型进行补偿，以修正模型预测的物料水分和物料温度的输出值。
5.根据权利要求3所述的基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，所述进风处理模块包括依次设置的初级过滤器(10)、预热用电加热棒(9)、表冷器(11)、中效过滤器(12)、再热用电加热棒(15)和高效过滤器(13)。
6.根据权利要求5所述的基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，所述排风模块包括依次设置的排风过滤器(14)和排风机(6)。
7.根据权利要求6所述的基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，还包括设置在进风管(7)上的风量检测模块(4)，风量检测模块(4)和排风机(6)连接控制器(18)，控制器(18)还用于控制排风机(6)的工作频率。
8.根据权利要求7所述的基于近红外及分布式预测控制的药用流化床控制系统，其特征在于，所述控制器(18)采用S7 1500 PLC，所述人机界面(19)采用HMI触摸屏，所述蠕动泵和排风机(6)分别通过蠕动泵变频器和排风机变频器连接控制器(18)。
CN202011285665.3A 2020-11-17 2020-11-17 基于近红外及分布式预测控制的药用流化床控制系统 Active CN112387208B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011285665.3A CN112387208B (zh) 2020-11-17 2020-11-17 基于近红外及分布式预测控制的药用流化床控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011285665.3A CN112387208B (zh) 2020-11-17 2020-11-17 基于近红外及分布式预测控制的药用流化床控制系统

Publications (2)

Publication Number Publication Date
CN112387208A true CN112387208A (zh) 2021-02-23
CN112387208B CN112387208B (zh) 2022-12-09

Family

ID=74600953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011285665.3A Active CN112387208B (zh) 2020-11-17 2020-11-17 基于近红外及分布式预测控制的药用流化床控制系统

Country Status (1)

Country Link
CN (1) CN112387208B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113053469A (zh) * 2021-04-12 2021-06-29 江苏丰尚智能科技有限公司 烘干物料水分预测方法、装置、计算机设备和存储介质
CN113406880A (zh) * 2021-03-23 2021-09-17 山东新马制药装备有限公司 基于模糊pid的流化床物料水分开放式智能控制系统
CN116393037A (zh) * 2023-02-09 2023-07-07 东北大学秦皇岛分校 一种药物质量控制方法、系统、电子设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09303741A (ja) * 1996-05-10 1997-11-28 Kobe Steel Ltd 流動床式焼却炉の制御方法及び装置
US20110022193A1 (en) * 2009-07-27 2011-01-27 Siemens Industry, Inc. Method and apparatus of a self-configured, model-based adaptive, predictive controller for multi-zone regulation systems
CN103941782A (zh) * 2014-04-10 2014-07-23 东华大学 一种应用于温室大棚的温湿度先进控制方法
CN204017789U (zh) * 2014-05-30 2014-12-17 扬子江药业集团上海海尼药业有限公司 一种具有温度、湿度进风监控装置的流化床喷雾干燥制粒机
CN105865215A (zh) * 2016-04-18 2016-08-17 重庆大学 水泥窑炉温度多参量控制系统
CN108828954A (zh) * 2018-08-15 2018-11-16 苏州佐竹冷热控制技术有限公司 气候风洞自适应预测控制系统及其控制方法
CN111495273A (zh) * 2020-05-29 2020-08-07 江中药业股份有限公司 一种制粒干燥整粒和总混一体化生产的方法及其设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09303741A (ja) * 1996-05-10 1997-11-28 Kobe Steel Ltd 流動床式焼却炉の制御方法及び装置
US20110022193A1 (en) * 2009-07-27 2011-01-27 Siemens Industry, Inc. Method and apparatus of a self-configured, model-based adaptive, predictive controller for multi-zone regulation systems
CN103941782A (zh) * 2014-04-10 2014-07-23 东华大学 一种应用于温室大棚的温湿度先进控制方法
CN204017789U (zh) * 2014-05-30 2014-12-17 扬子江药业集团上海海尼药业有限公司 一种具有温度、湿度进风监控装置的流化床喷雾干燥制粒机
CN105865215A (zh) * 2016-04-18 2016-08-17 重庆大学 水泥窑炉温度多参量控制系统
CN108828954A (zh) * 2018-08-15 2018-11-16 苏州佐竹冷热控制技术有限公司 气候风洞自适应预测控制系统及其控制方法
CN111495273A (zh) * 2020-05-29 2020-08-07 江中药业股份有限公司 一种制粒干燥整粒和总混一体化生产的方法及其设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113406880A (zh) * 2021-03-23 2021-09-17 山东新马制药装备有限公司 基于模糊pid的流化床物料水分开放式智能控制系统
CN113053469A (zh) * 2021-04-12 2021-06-29 江苏丰尚智能科技有限公司 烘干物料水分预测方法、装置、计算机设备和存储介质
CN113053469B (zh) * 2021-04-12 2022-06-21 江苏丰尚智能科技有限公司 烘干物料水分预测方法、装置、计算机设备和存储介质
CN116393037A (zh) * 2023-02-09 2023-07-07 东北大学秦皇岛分校 一种药物质量控制方法、系统、电子设备及介质

Also Published As

Publication number Publication date
CN112387208B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN112387208B (zh) 基于近红外及分布式预测控制的药用流化床控制系统
CN202677237U (zh) 一种仓库温湿度实时监控系统
CN101038277B (zh) 基于最小二乘-支持向量机的制粉过程煤粉细度软测量方法
CN107677709B (zh) 具有气敏材料制备步骤的半导体气敏元件的测试方法
CN207396402U (zh) 一种多参数测试环境下高精度的气体传感器动态测试装置
CN103438693A (zh) 一种气体射流冲击干燥机的自动控制系统
CN103399560B (zh) 用于单缸机试验台的测控系统
CN109682027B (zh) 单转轮除湿机复杂多变量参数在线监控系统及方法
CN105676915A (zh) 基于自抗扰技术的生产线喷涂烘干过程的温度控制方法
CN208110361U (zh) 一种污水处理pam加药的自动调节装置
CN105807758B (zh) 一种多变量的工业过程控制实验装置及方法
CN203028084U (zh) 一种烟叶复烤系统
CN107390521A (zh) 一种空调系统室内温度最佳测点求取的方法及试验平台
CN203366168U (zh) 特种电机的温湿度控制系统
CN221156534U (zh) 一种药用流化床制粒机控制系统
CN100453452C (zh) 磷酸生产设备
CN105843220B (zh) 能够获得非最小相位特性的工业过程控制实验装置及方法
CN104199317B (zh) 一种蒸汽发电机控制器
Jin et al. Design an intelligent environment control system for greenhouse based on rs485 bus
Ma et al. Design of environment parameter adjustment system for greenhouse based on STM32
CN106647898A (zh) 一种气体温度、湿度及voc浓度调节装置及方法
CN208313983U (zh) 混凝土试块温湿养护实验装置
CN208077027U (zh) 一种plc控制恒温器
CN105527995A (zh) 一种远程温度控制系统及其使用方法
CN202582119U (zh) 颗粒饲料卧式干燥机自动恒温控制装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant