CN114588200A - 一种双黄连颗粒的制备方法 - Google Patents

一种双黄连颗粒的制备方法 Download PDF

Info

Publication number
CN114588200A
CN114588200A CN202210193191.2A CN202210193191A CN114588200A CN 114588200 A CN114588200 A CN 114588200A CN 202210193191 A CN202210193191 A CN 202210193191A CN 114588200 A CN114588200 A CN 114588200A
Authority
CN
China
Prior art keywords
shuanghuanglian
granules
rotating speed
neural network
time
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.)
Pending
Application number
CN202210193191.2A
Other languages
English (en)
Inventor
顾建光
顾刚伟
周小斌
周国平
潘似蓉
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.)
Jiangsu Jurong Pharmaceutical Group Co ltd
Original Assignee
Jiangsu Jurong Pharmaceutical Group 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 Jiangsu Jurong Pharmaceutical Group Co ltd filed Critical Jiangsu Jurong Pharmaceutical Group Co ltd
Priority to CN202210193191.2A priority Critical patent/CN114588200A/zh
Publication of CN114588200A publication Critical patent/CN114588200A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K36/00Medicinal preparations of undetermined constitution containing material from algae, lichens, fungi or plants, or derivatives thereof, e.g. traditional herbal medicines
    • A61K36/18Magnoliophyta (angiosperms)
    • A61K36/185Magnoliopsida (dicotyledons)
    • A61K36/48Fabaceae or Leguminosae (Pea or Legume family); Caesalpiniaceae; Mimosaceae; Papilionaceae
    • A61K36/481Astragalus (milkvetch)
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K36/00Medicinal preparations of undetermined constitution containing material from algae, lichens, fungi or plants, or derivatives thereof, e.g. traditional herbal medicines
    • A61K36/18Magnoliophyta (angiosperms)
    • A61K36/185Magnoliopsida (dicotyledons)
    • A61K36/35Caprifoliaceae (Honeysuckle family)
    • A61K36/355Lonicera (honeysuckle)
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K36/00Medicinal preparations of undetermined constitution containing material from algae, lichens, fungi or plants, or derivatives thereof, e.g. traditional herbal medicines
    • A61K36/18Magnoliophyta (angiosperms)
    • A61K36/185Magnoliopsida (dicotyledons)
    • A61K36/63Oleaceae (Olive family), e.g. jasmine, lilac or ash tree
    • A61K36/634Forsythia
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K9/00Medicinal preparations characterised by special physical form
    • A61K9/14Particulate form, e.g. powders, Processes for size reducing of pure drugs or the resulting products, Pure drug nanoparticles
    • A61K9/16Agglomerates; Granulates; Microbeadlets ; Microspheres; Pellets; Solid products obtained by spray drying, spray freeze drying, spray congealing,(multiple) emulsion solvent evaporation or extraction
    • A61K9/1605Excipients; Inactive ingredients
    • A61K9/1617Organic compounds, e.g. phospholipids, fats
    • A61K9/1623Sugars or sugar alcohols, e.g. lactose; Derivatives thereof; Homeopathic globules
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K9/00Medicinal preparations characterised by special physical form
    • A61K9/14Particulate form, e.g. powders, Processes for size reducing of pure drugs or the resulting products, Pure drug nanoparticles
    • A61K9/16Agglomerates; Granulates; Microbeadlets ; Microspheres; Pellets; Solid products obtained by spray drying, spray freeze drying, spray congealing,(multiple) emulsion solvent evaporation or extraction
    • A61K9/1605Excipients; Inactive ingredients
    • A61K9/1629Organic macromolecular compounds
    • A61K9/1652Polysaccharides, e.g. alginate, cellulose derivatives; Cyclodextrin
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61PSPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P31/00Antiinfectives, i.e. antibiotics, antiseptics, chemotherapeutics
    • A61P31/12Antivirals
    • A61P31/14Antivirals for RNA viruses
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/044Recurrent networks, e.g. Hopfield networks
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/30Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Natural Medicines & Medicinal Plants (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Chemical & Material Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Mycology (AREA)
  • Microbiology (AREA)
  • Medical Informatics (AREA)
  • Botany (AREA)
  • Biotechnology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Virology (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Communicable Diseases (AREA)
  • Oncology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Organic Chemistry (AREA)

Abstract

本发明公开了一种双黄连颗粒的制备方法,属于中药制备领域,包括:分别减压干燥获得黄芪、金银花和连翘提取物干浸膏;将黄芪、金银花和连翘提取物干浸膏进行超微粉碎,备用;将粉碎后的黄芪、金银花和连翘提取物干浸膏和蔗糖、环糊精按照比例加入湿法制粒机的料斗中,根据双黄连湿颗粒的理想硬度值调整并确定搅拌桨转速、切割刀转速、搅拌时间、切割时间,并得到双黄连湿颗粒;然后对得到的双黄连颗粒进行干燥、整粒。本发明建立湿颗粒的硬度与搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数之间的对应关系,预先设置搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数控制产品的硬度、硬度等参数,提高产品质量。

Description

一种双黄连颗粒的制备方法
技术领域
本发明属于中药制备领域,尤其是一种双黄连颗粒的制备方法。
背景技术
双黄连颗粒相较与双黄连口服液具有,质量稳定,便于携带和运输等优点,因此逐渐发展了多种颗粒药品的研发方向,如湿法制粒、干燥制粒、流化床制粒等。其中,湿法制粒是应用较早的制粒技术,由于设备简单,制成的颗粒耐磨性强、压缩成型性好,现在仍被广泛采用。
其中,湿法制粒生产出来的药物湿颗粒,能否达到要求则会决定后期压片和包衣的正常进行。具体地,当湿颗粒的制粒过度,则会导致后续干燥不充分,硬度过低,压片过程中仍能够有出现装填差异,导致片重难以控制;如果湿颗粒制粒不充分,则会导致压片过程中物料粘冲,而无法进行。
但是湿法制粒的影响因素非常多,从物料的角度包括:主要成分的种类、粘度和用量等,粘合剂的种类、粘度和用来,辅料的种类、粘度和用量。从工艺参数的角度包括:湿法制粒机的搅拌桨转速、切割刀转速、搅拌时间、切割时间。例如,粘合剂过量、搅拌桨转速越大,制粒时间越长均会导致湿颗粒的制粒越充分;粘合剂与主要成分的匹配度过低,搅拌桨转速过低、搅拌时间过短会导致湿颗粒的制粒越不充分。
此外,湿法制粒过程中的湿颗粒成型的充分程度和硬度并不易察觉,在湿法制粒机中看起来为非常均一,在湿整粒阶段中才会出现大团块。此时则没有办法通过中期或后期调整粘合剂用量、搅拌桨转速或制粒时间等因素控制湿颗粒成型。
发明内容
本发明的发明目的是提供一种双黄连颗粒的制备方法,以解决背景技术中所涉及的问题。
基于上述技术问题,本发明提供一种双黄连颗粒的制备方法,包括如下步骤:
分别减压干燥获得黄芪、金银花和连翘提取物干浸膏;
将干浸膏进行超微粉碎,备用;
将粉碎后的干浸膏和蔗糖、环糊精按照比例加入湿法制粒机的料斗中,根据干浸膏和目标粒径调整并确定搅拌桨转速、切割刀转速、搅拌时间、切割时间;
然后对得到的双黄连颗粒进行干燥、整粒。
所述黄连颗粒中黄芪、金银花和连翘提取物干浸膏与环糊精的重量比为1:(1~2)。
优选地或可选地,所述黄芪提取物干浸膏、金银花提取物干浸膏和连翘提取物干浸膏的重量比例为1:1:2。
优选地或可选地,所述减压干燥为真空冷冻干燥。
优选地或可选地,所述双黄连颗粒的中值粒径D50为0.15~0.42mm。
优选地或可选地,所述双黄连颗粒印度为100~150N;脆碎度小于1.2%;崩解时间小于60min。
优选地或可选地,所述搅拌桨转速为700r/min、切割刀转速2500r/min、搅拌时间3.5min、切割时间4min。
优选地或可选地,所述搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定方法,包括如下步骤:
根据湿法制粒的影响因素确定GA-BP神经网络模型的输入变量、输出变量;
所述输入变量包括环糊精的粘合性、环糊精的用量、蔗糖的用量、干浸膏的含水量、搅拌桨转速、切割刀转速、搅拌时间、切割时间;
所述输出变量为目标颗粒的粒径;
根据输入变量和输出变量构建神经网络模型;其中输入层节点数为8;输出层节点数为1,假设隐含节点数为3+N,N为1~10之间的常数,与测试样本有关。
收集训练样本,并对数据进行归一化处理,转换为0~1之间数;
基于训练样本训练所述GA-BP神经网络模型,使得经训练所得的GA-BP神经网络模型能够预测系统的输入变量和输出变量;
将GA-BP神经网络模型应用于颗粒粒径的获取和搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定。
优选地或可选地,所述搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定方法,还包括如下步骤:
根据训练样本的输入变量和输出变量形成遗传算法的初始种群,对所述初始种群进行选择、交叉和变异操作,经过若干次选择、交叉和变异操作后,当种群的平均适应度不再发生变化后则停止操作,并获取最后一轮操作获取的种群中适应度值最大的种群,并将所述适应度值最大的种群解码,以形成GA-BP神经网络的各个初始权值和阙值;
将遗传算法的输出的初始权值和阙值赋予GA-BP神经网络模型,对的GA-BP神经网络模型进行测试,获得优化后的GA-BP神经网络模型;
将优化后的GA-BP神经网络模型应用于颗粒粒径的获取和搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定。
本发明涉及一种双黄连颗粒的制备方法,相较于现有技术而言,具有如下有益效果:
1、本发明建立湿颗粒的硬度与搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数之间的对应关系,预先设置搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数控制产品的硬度、硬度等参数,提高产品质量。
2、本发明采用冷冻干燥,一方面高温加工会导致部分提取物挥发,减压干燥会形成许多形成很多孔洞,方便后期形成粉碎。
3、本发明通过后需压片工艺的相关实践经验,确定湿颗粒的中值粒径和硬度等参数,保证产品质量。
4、本发明利用GA-BP神经网络模型拟合湿颗粒的硬度与搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数之间的非线性关系,在生产之初对相关参数进行调整,已获得最优湿颗粒的硬度大小。
5、本发明将GA-BP神经网络模型和遗传算法结合起来,用遗传算法找出最优初始权值和阈值,避免GA-BP神经网络模型初始权值和阈值随机取值的问题,提高整个 GA-BP神经网络模型预测的精度。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
本发明实施例是一种双黄连颗粒的制备方法包括如下步骤:
步骤1、分别减压干燥获得黄芪、金银花和连翘提取物干浸膏;
具体地,称取400kg黄芪药材加水煎煮,过滤得到材黄芪提取物,并采用减压干燥的方式干燥,获得黄芪提取物干浸膏22.1kg。称取400kg金银花药材加水煎煮,过滤得到材金银花提取物,并采用减压干燥的方式干燥,获得金银花提取物干浸膏25.2kg。称取800kg连翘药材加水煎煮,过滤得到材连翘提取物,并采用减压干燥的方式干燥,获得金银花提取物干浸膏57.6kg。
在本实施例中,所述减压干燥为真空冷冻干燥。一方面,由于高温加工会导致部分提取物挥发,导致有效成分发生改变,而且减压干燥会形成许多形成很多孔洞,方便后期形成粉碎。更重要的是,冷冻干燥得到的干浸膏内部和外部含水率较为均一,减少与双黄连湿颗粒相关的输入变量。同时,对于过渡干浸膏,可以加入通过入少量蒸汽(温度不超过150℃)重新复原,而且不会有效成分产生影响。
步骤2、将黄芪、金银花和连翘提取物干浸膏进行超微粉碎,备用;
具体地,具体对黄芪、金银花和连翘提取物干浸膏进行粉碎,得到粒径为60-80目的粗粉,然后将所述粗粉放入棒磨机内粉碎后,通过500目筛,得到粒径小于25um的粉料;未过500目筛的粉料再次放入棒磨机内再次循环粉碎。
步骤3、将粉碎后的黄芪、金银花和连翘提取物干浸膏和蔗糖、环糊精按照比例加入湿法制粒机的料斗中,根据双黄连湿颗粒的理想硬度值调整并确定搅拌桨转速、切割刀转速、搅拌时间、切割时间,并得到双黄连湿颗粒;
首先,所述黄连颗粒中黄芪、金银花和连翘提取物干浸膏与环糊精的重量比为1:(1~2)。优先地,所述黄连颗粒中黄芪、金银花和连翘提取物干浸膏与环糊精的重量比为1:1.2。
其次,然后所述搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定方法,包括如下步骤:根据湿法制粒的影响因素确定GA-BP神经网络模型的输入变量、输出变量;所述输入变量包括环糊精的粘合性、环糊精的用量、蔗糖的用量、干浸膏的含水量、搅拌桨转速、切割刀转速、搅拌时间、切割时间;所述输出变量为目标颗粒的硬度;
根据输入变量和输出变量构建神经网络模型;其中输入层节点数为8;输出层节点数为1,隐含层节点为:将隐含层将输入的信号进行阈值过滤,并传递给输出层,输出层将误差信号通过隐含层再反馈给输入层,根据经验公式
Figure BDA0003525690070000041
其中,n为输入层的个数,m为输出层的个数,a为1至10的常数,在本实施例中,隐含节点数为 3+N,N为1~10之间的常数,与测试样本有关,在本实施例中,经过多次MATHLAB 实验仿真最终确定隐含层的个数为9。
收集训练样本,并对数据进行归一化处理,转换为0~1之间数;能够避免因输入的数据数量级别差距较大,使得某些数值相对较低的特征被淹没从而导致网络预测误差较大的情况发生。以环糊精的粘合性为例,
Figure BDA0003525690070000051
其中,xi为归一化处理后第i个训练样本的输入值,Xi第i个训练样本的环糊精的最小粘合性;Xmin为该类型环糊精的最小粘合性,Xmax为该类型环糊精的最大粘合性。
基于训练样本训练所述GA-BP神经网络模型,使得经训练所得的GA-BP神经网络模型能够预测系统的输入变量和输出变量;
GA-BP神经网络模型是一种借用误差反向传递训练算法的有隐含层的多层前馈网络;GA-BP神经网络模型能够根据系统的输入变量、输出变量关系数据经过相应的网络训练可以有效地建立输入输出之间的任意非线性映射关系,实现目标值与各个影响因子之间的内在联系。其中输入变量位于第一区域,相当于接收外界的刺激,是刺激的来源并且将刺激传递给神经元,因此把第一区域命名为输入层。隐含变量位于第二区域,神经元相互之间传递刺激相当于人脑里面,因此把第二区命名为隐藏层。输出变量位于第三区域,神经元经过多层次相互传递后对外界的反应,把第三区域命名为输出层。
其中,本实施例中的相关GA-BP神经网络模型直接采用或调用MATHLAB神经网络工具箱提供了一系列用于建立和训练神经网络模型的函数命令,因此不再做进一步赘述。
步骤5、根据训练样本的输入变量和输出变量形成遗传算法的初始种群,对所述初始种群进行选择、交叉和变异操作,经过若干次选择、交叉和变异操作后,当种群的平均适应度不再发生变化后则停止操作,并获取最后一轮操作获取的种群中适应度值最大的种群,并将所述适应度值最大的种群解码,以形成GA-BP神经网络的各个初始权值和阙值;将遗传算法的输出的初始权值和阙值赋予GA-BP神经网络模型,对的GA-BP 神经网络模型进行测试,获得优化后的GA-BP神经网络模型。
由于GA-BP神经网络模型虽然具有较高的拟合能力,但网络预测误差仍然较大的主要原因为GA-BP神经网络模型的初始权值和阈值的选取过于随机,导致网络容易陷入局部最优值。因此,本发明将GA-BP神经网络模型和遗传算法结合起来,用遗传算法找出最优初始权值和阈值,避免GA-BP神经网络模型初始权值和阈值随机取值的问题,提高整个GA-BP神经网络模型预测的精度。
步骤6、将优化后的GA-BP神经网络模型应用于颗粒硬度的获取和搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定。
将实施例1中优化后的GA-BP神经网络模型预测的湿颗粒硬度,与实际双黄连湿颗粒硬度之间的数据进行对比,相关参数参见下表:
批号 F210625001 F21062506 F21062510 F21062513 F21062515
预测硬度/N 115.9 118.6 114.6 118.9 116.8
实际硬度/N 114.6 118.5 115.3 120.7 115.9
误差/N -1.3 -0.1 0.7 1.8 -0.9
可见,预测成品率和实际成品率之间的最大误差只有1.8N,优化后的GA-BP神经网络模型具有比较高的拟合性,能够有效预测湿颗粒的硬度,提高双黄连颗粒的产品质量。另外,所述双黄连湿颗粒的中值粒径D50为0.15~0.42mm,硬度为100~150N;脆碎度小于1.2%;崩解时间小于60min,均落入压片工艺的最优范围之内。
相对于现有技术而言,本实施例具有如下优点:
1、本实施例建立湿颗粒的硬度与搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数之间的对应关系,预先设置搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数控制产品的成型度和硬度等参数,提高产品质量。
2、本实施例采用冷冻干燥,一方面高温加工会导致部分提取物挥发,减压干燥会形成许多形成很多孔洞,方便后期形成粉碎,另一方面冷冻干燥得到的干浸膏内部和外部含水率较为均一,也就是能够有效的控制黄芪、金银花和连翘提取物干浸膏相关理化指标,减少与双黄连湿颗粒相关的输入变量,提高整个GA-BP神经网络模型的误差。
3、本实施例通过后需压片工艺的相关实践经验,确定湿颗粒的最优中值粒径和硬度等参数,保证产品质量。
4、本实施例利用GA-BP神经网络模型拟合湿颗粒的硬度与搅拌桨转速、切割刀转速、搅拌时间、切割时间等参数之间的非线性关系,在生产之初对相关参数进行调整,已获得最优湿颗粒的硬度大小。
5、本实施例将GA-BP神经网络模型和遗传算法结合起来,用遗传算法找出最优初始权值和阈值,避免GA-BP神经网络模型初始权值和阈值随机取值的问题,提高整个 GA-BP神经网络模型预测的精度。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。

Claims (9)

1.一种双黄连颗粒的制备方法,其特征在于,包括如下步骤:
分别减压干燥获得黄芪、金银花和连翘提取物干浸膏;
将黄芪、金银花和连翘提取物干浸膏进行超微粉碎,备用;
将粉碎后的黄芪、金银花和连翘提取物干浸膏和蔗糖、环糊精按照比例加入湿法制粒机的料斗中,根据双黄连湿颗粒的理想硬度值调整并确定搅拌桨转速、切割刀转速、搅拌时间、切割时间,并得到双黄连湿颗粒;
然后对得到的双黄连颗粒进行干燥、整粒。
2.根据权利要求1所述的双黄连颗粒的制备方法,其特征在于,所述黄连颗粒中黄芪、金银花和连翘提取物干浸膏与环糊精的重量比为1:(1~2)。
3.根据权利要求1所述的双黄连颗粒的制备方法,其特征在于,所述黄芪提取物干浸膏、金银花提取物干浸膏和连翘提取物干浸膏的重量比例为1:1:2。
4.根据权利要求1所述的双黄连颗粒的制备方法,其特征在于,所述减压干燥为真空冷冻干燥。
5.根据权利要求1所述的双黄连颗粒的制备方法,其特征在于,所述双黄连湿颗粒的中值粒径D50为0.15~0.42mm。
6.根据权利要求1所述的双黄连颗粒的制备方法,其特征在于,所述双黄连湿颗粒的硬度为100~150N;脆碎度小于1.2%;崩解时间小于60min。
7.根据权利要求5或6所述的双黄连颗粒的制备方法,其特征在于,所述搅拌桨转速为700r/min、切割刀转速2500r/min、搅拌时间3.5min、切割时间4min。
8.根据权利要求1或6所述的双黄连颗粒的制备方法,其特征在于,所述搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定方法,包括如下步骤:
根据湿法制粒的影响因素确定GA-BP神经网络模型的输入变量、输出变量;所述输入变量包括环糊精的粘合性、环糊精的用量、蔗糖的用量、干浸膏的含水量、搅拌桨转速、切割刀转速、搅拌时间、切割时间;所述输出变量为目标颗粒的硬度;
根据输入变量和输出变量构建神经网络模型;其中输入层节点数为8;输出层节点数为1,假设隐含节点数为3+N,N为1~10之间的常数,与测试样本有关。
收集训练样本,并对数据进行归一化处理,转换为0~1之间数;
基于训练样本训练所述GA-BP神经网络模型,使得经训练所得的GA-BP神经网络模型能够预测系统的输入变量和输出变量;
将GA-BP神经网络模型应用于颗粒硬度的获取和搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定。
9.根据权利要求8所述的双黄连颗粒的制备方法,其特征在于,所述搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定方法,还包括如下步骤:
根据训练样本的输入变量和输出变量形成遗传算法的初始种群,对所述初始种群进行选择、交叉和变异操作,经过若干次选择、交叉和变异操作后,当种群的平均适应度不再发生变化后则停止操作,并获取最后一轮操作获取的种群中适应度值最大的种群,并将所述适应度值最大的种群解码,以形成GA-BP神经网络的各个初始权值和阙值;
将遗传算法的输出的初始权值和阙值赋予GA-BP神经网络模型,对的GA-BP神经网络模型进行测试,获得优化后的GA-BP神经网络模型;
将优化后的GA-BP神经网络模型应用于颗粒硬度的获取和搅拌桨转速、切割刀转速、搅拌时间、切割时间的确定。
CN202210193191.2A 2022-03-01 2022-03-01 一种双黄连颗粒的制备方法 Pending CN114588200A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210193191.2A CN114588200A (zh) 2022-03-01 2022-03-01 一种双黄连颗粒的制备方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210193191.2A CN114588200A (zh) 2022-03-01 2022-03-01 一种双黄连颗粒的制备方法

Publications (1)

Publication Number Publication Date
CN114588200A true CN114588200A (zh) 2022-06-07

Family

ID=81816347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210193191.2A Pending CN114588200A (zh) 2022-03-01 2022-03-01 一种双黄连颗粒的制备方法

Country Status (1)

Country Link
CN (1) CN114588200A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024121193A1 (de) * 2022-12-06 2024-06-13 Boehringer Ingelheim International Gmbh Verfahren zur steuerung eines kontinuierlichen granulier- und trocknungsprozesses sowie anlage und system hiefür

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
姚培雄: "肠毒综合征的诊治", 《福建畜牧兽医》 *
强明辉等: "遗传算法优化 BP 神经网络的粒径大小研究", 《自动化与仪表》 *
房春林等: "双黄连颗粒剂制备工艺研究", 《中国动物保健》 *
陈悦等: "双黄连粉针剂治疗小儿疱疹性咽峡炎疗效", 《儿科药学杂志》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024121193A1 (de) * 2022-12-06 2024-06-13 Boehringer Ingelheim International Gmbh Verfahren zur steuerung eines kontinuierlichen granulier- und trocknungsprozesses sowie anlage und system hiefür

Similar Documents

Publication Publication Date Title
CN104688797A (zh) 虫草玛咖片
CN105380974A (zh) 一种人参细胞破壁粉的生产方法
CN114588200A (zh) 一种双黄连颗粒的制备方法
CN104664539A (zh) 一种人参固体饮料的制作方法
CN104379605A (zh) 纤维素粉末
CN100496525C (zh) 从洋蓟根、茎、叶中提取活性成份的方法及其应用
CN106387587A (zh) 牛蒡根悬浮型固体饮料及牛蒡根提取物固体饮料
CN103381193B (zh) 一种红景天微粉片及其制备方法
CN101972297A (zh) 肝康片
CN103566165A (zh) 一种橘红片的工艺
CN101317982A (zh) 一种凉肝熄风清热镇痉胶囊的制作方法
CN106310042A (zh) 用中药药渣制备的药石及其制备方法
CN110302165B (zh) 一种用于中药临方制剂的浓缩水丸制备方法
CN107335002B (zh) 通便宁片的新制备方法
CN105012507A (zh) 一种治疗骨质疏松症的中药组合物及其制备方法
CN101317951A (zh) 一种滋阴清热补心安神胶囊的制作方法
CN111567801A (zh) 一种酸枣仁蜂王浆片及其制备工艺
CN116806999B (zh) 一种灵芝孢子粉片剂及其制备方法
CN115944591A (zh) 一种中药浸膏片、半浸膏片的制粒方法
CN103877156A (zh) 一种咳特灵片的制作工艺
CN103372110B (zh) 一种中药制剂抗宫炎片的制备方法
CN101690782B (zh) 一种中药制剂
CN105168741A (zh) 一种具有改善记忆功能片剂的制备方法
CN105832791A (zh) 一种林下山参纯粉片及其制备方法
CN100469357C (zh) 一治疗痛经的片剂及其制备工艺

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220607

RJ01 Rejection of invention patent application after publication