CN117055658B - 用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法 - Google Patents
用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法 Download PDFInfo
- Publication number
- CN117055658B CN117055658B CN202311309479.2A CN202311309479A CN117055658B CN 117055658 B CN117055658 B CN 117055658B CN 202311309479 A CN202311309479 A CN 202311309479A CN 117055658 B CN117055658 B CN 117055658B
- Authority
- CN
- China
- Prior art keywords
- temperature
- temperature control
- characteristic
- sample data
- data
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000002425 crystallisation Methods 0.000 title claims abstract description 50
- 230000008025 crystallization Effects 0.000 title claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims description 45
- 238000002474 experimental method Methods 0.000 claims description 43
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 16
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 claims description 14
- 239000013078 crystal Substances 0.000 claims description 14
- 238000013480 data collection Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 239000000203 mixture Substances 0.000 claims description 13
- WYURNTSHIVDZCO-UHFFFAOYSA-N Tetrahydrofuran Chemical compound C1CCOC1 WYURNTSHIVDZCO-UHFFFAOYSA-N 0.000 claims description 12
- IXCSERBJSXMMFS-UHFFFAOYSA-N hydrogen chloride Substances Cl.Cl IXCSERBJSXMMFS-UHFFFAOYSA-N 0.000 claims description 10
- 229910000041 hydrogen chloride Inorganic materials 0.000 claims description 10
- 239000002994 raw material Substances 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 239000007789 gas Substances 0.000 claims description 7
- XEKOWRVHYACXOJ-UHFFFAOYSA-N Ethyl acetate Chemical compound CCOC(C)=O XEKOWRVHYACXOJ-UHFFFAOYSA-N 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- YLQBMQCUIZJEEH-UHFFFAOYSA-N tetrahydrofuran Natural products C=1C=COC=1 YLQBMQCUIZJEEH-UHFFFAOYSA-N 0.000 claims description 6
- 241000124333 Tiarella Species 0.000 claims description 4
- 238000004090 dissolution Methods 0.000 claims description 4
- LPXPTNMVRIOKMN-UHFFFAOYSA-M sodium nitrite Chemical compound [Na+].[O-]N=O LPXPTNMVRIOKMN-UHFFFAOYSA-M 0.000 claims description 4
- 238000003756 stirring Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- HLCPWBZNUKCSBN-UHFFFAOYSA-N 2-aminobenzonitrile Chemical compound NC1=CC=CC=C1C#N HLCPWBZNUKCSBN-UHFFFAOYSA-N 0.000 claims description 2
- VMHLLURERBWHNL-UHFFFAOYSA-M Sodium acetate Chemical compound [Na+].CC([O-])=O VMHLLURERBWHNL-UHFFFAOYSA-M 0.000 claims description 2
- 229940040526 anhydrous sodium acetate Drugs 0.000 claims description 2
- 229920006395 saturated elastomer Polymers 0.000 claims description 2
- 235000010288 sodium nitrite Nutrition 0.000 claims description 2
- 239000000243 solution Substances 0.000 description 20
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- KGWNRZLPXLBMPS-UHFFFAOYSA-N 2h-1,3-oxazine Chemical compound C1OC=CC=N1 KGWNRZLPXLBMPS-UHFFFAOYSA-N 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- RARAOLHRHJYACE-UHFFFAOYSA-N 2-hydrazinylbenzonitrile;hydrochloride Chemical compound [Cl-].[NH3+]NC1=CC=CC=C1C#N RARAOLHRHJYACE-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 206010008118 cerebral infarction Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- -1 pyrazole compound Chemical class 0.000 description 2
- 239000012047 saturated solution Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000011780 sodium chloride Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 201000006474 Brain Ischemia Diseases 0.000 description 1
- 206010048962 Brain oedema Diseases 0.000 description 1
- 206010008120 Cerebral ischaemia Diseases 0.000 description 1
- 238000012404 In vitro experiment Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- WTKZEGDFNFYCGP-UHFFFAOYSA-N Pyrazole Chemical compound C=1C=NNC=1 WTKZEGDFNFYCGP-UHFFFAOYSA-N 0.000 description 1
- 208000006752 brain edema Diseases 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 231100000673 dose–response relationship Toxicity 0.000 description 1
- 238000009510 drug design Methods 0.000 description 1
- QELUYTUMUWHWMC-UHFFFAOYSA-N edaravone Chemical group O=C1CC(C)=NN1C1=CC=CC=C1 QELUYTUMUWHWMC-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- OUUQCZGPVNCOIJ-UHFFFAOYSA-N hydroperoxyl Chemical compound O[O] OUUQCZGPVNCOIJ-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 150000002611 lead compounds Chemical class 0.000 description 1
- 230000003859 lipid peroxidation Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007971 neurological deficit Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000010410 reperfusion Effects 0.000 description 1
- 230000002000 scavenging effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法,涉及泰瑞拉奉结晶生产温度控制技术领域,通过预先收集第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,训练第一温度控制模型和第三温度控制模型;在实际生产环境中,基于第一步骤特征数据,实时控制第一步骤的过程中的生产温度,基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度;动态调整反应温度,保证泰瑞拉奉结晶产量的稳定性。
Description
技术领域
本发明涉及泰瑞拉奉结晶生产温度控制技术领域,具体是用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法。
背景技术
泰瑞拉奉,化学名称:2-甲基-5-亚胺基-苯并[d][1,3]噁嗪[5-b]吡唑。泰瑞拉奉是基于先导化合物依达拉奉结构,通过分子骨架迁越药物设计方法,设计和合成的一个的全新化合物(CN101508696A)。体外试验表明泰瑞拉奉具有显著清除羟氧和超氧自由基作用。体内试验表明泰瑞拉奉能呈剂量依赖性地显著改善脑缺血再灌注动物的神经缺陷症状,缩小脑梗死面积,降低脑损伤程度,减轻脑水肿,抑制受损脑组织的脂质过氧化;
申请公开号为CN101508696A的中国专利中实施例1公开的泰瑞拉奉结晶生产过程中,第一步骤和第三步骤均需要对温度进行控制,因为温度会促进化学反应速率,温度太低可能导致化学分子运动较慢,温度太高则可能抑制反应;而现有的生产技术通常是基于经验的,将温度设定在某一个范围,缺乏对历史反应数据的量化分析,从而对泰瑞拉奉结晶的产量难以控制;
授权公告号为 CN101508696B的中国专利 2-甲基-5-亚胺基-苯并[d][1,3]噁嗪[5-b]吡唑化合物及其制备方法和制备药物的用途,提出了泰瑞拉奉化合物的分子式以及制备过程,然而该发明未能解决对反应温度进行限定,从而可能会影响到泰瑞拉奉结晶产量的稳定性;
为此,本发明提出用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法,动态调整反应温度,保证泰瑞拉奉结晶产量的稳定性。
为实现上述目的,本发明提出用于泰瑞拉奉结晶生产过程的自适应温度控制方法,包括以下步骤:
收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据;
基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型;
在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据;基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度;
基于第一步骤的生产结果,设置第三步骤的生产原料配比;在生产泰瑞拉奉结晶的第三步骤的过程中,实时收集第三步骤特征数据;基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度;
在所述实验环境,实验人员通过进行N次按第一步骤、第二步骤以及第三步骤顺序,生产泰瑞拉奉结晶的实验,通过控制每次实验的每个步骤的实时温度,以获得实时的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,并获得每个步骤的实验结果;其中,N为选择的实验次数;
在所述实验环境中,预设第一产量阈值和第三产量阈值;从所有实验的第一步骤中筛选出橙黄色澄清溶的溶解量大于第一产量阈值的实验,从筛选的每次实验中收集一条第一步骤特征样本和一条第一步骤温度样本;所有筛选后的实验中获得的第一步骤特征样本和第一步骤温度样本,分别组成第一步骤特征样本数据和第一步骤温度样本数据;
从所有实验的第三步骤中筛选出白色结晶质量大于第三产量阈值的实验,从筛选的每次实验中收集一条第三步骤特征样本和一条第三步骤温度样本;所有筛选后的实验中获得的第三步骤特征样本和第三步骤温度样本,分别组成第三步骤特征样本数据和第三步骤温度样本数据;
其中,收集一条第一步骤特征样本和一条第一步骤温度样本的方式为:
在每次实验的第一步骤过程中,收集三口瓶中,每单位时间内,溶液颜色的RGB值组成的RGB值序列作为第一步骤特征样本,该次实验中每单位时间内,三口瓶中的温度值组成的温度值序列作为第一步骤温度样本;
通过使用图像捕获设备获得溶液图像,再使用取色器获得溶液图像中每个像素点的RGB值,计算溶液图像中所有像素点的RGB值的平均值,该平均值即可作为溶液颜色的RGB值;
所述训练第一温度控制模型的方式包括:
预设第一滑动窗口长度以及第一滑动步长;
对于每条第一步骤特征样本,使用滑动窗口法获得第一模型输入序列集合;
对于每个第一模型输入序列,将第一步骤温度样本中后一个时间步对应的温度值作为实际温度值;
构建以第一模型输入序列为输入,以下一单位时间的温度值作为预测输出,以下一单位的实际温度值为真实值的第一Transformer模型;所述第一Transformer模型的损失函数为预测输出与实际温度值之间的均分误差之和;所述第一Transformer模型在损失函数的值收敛时停止训练;
所述第一温度控制模型为第一Transformer模型;
其中,所述收集一条第三步骤特征样本和一条第三步骤温度样本的方式包括:
在每次实验的第三步骤过程中,将每单位时间反应瓶中氯化氢气体的浓度组成的浓度序列作为第三步骤特征样本;将每单位时间反应瓶温度值组成的温度值序列作为第三步骤温度样本;
进一步地,训练第三温度控制模型包括:
预设第三滑动窗口长度以及第三滑动步长;
对于每条第三步骤特征样本,使用滑动窗口法获得第三模型输入序列集合;
对于每个第三模型输入序列,将第三步骤温度样本中后一个时间步对应的温度值作为实际温度值;
构建以第三模型输入序列为输入,以下一单位时间的温度值作为预测输出,以下一单位的实际温度值为真实值的第三Transformer模型;所述第三Transformer模型的损失函数为预测输出与实际温度值之间的均分误差之和;所述第三Transformer模型在损失函数的值收敛时停止训练;
所述第三温度控制模型即为第三Transformer模型;
所述实时收集第一步骤特征数据的方式为:
在实际生产过程中,实施第一步骤时,实时收集三口瓶中溶液的RGB值序列,并将最近第一滑动窗口长度的RGB值序列作为第一步骤特征数据;
实时控制第一步骤的过程中的生产温度的方式为:
实时将第一步骤特征数据输入至第一温度控制模型,使用加热装置或冷却装置将实际生产环境中,三口瓶的温度控制为第一温度控制模型输出的下一单位时间的温度的预测值;
所述实时收集第三步骤特征数据的方式为:
在实际生产过程中,实施第三步骤时,实时收集反应瓶中氯化氢的浓度序列,并将最近第三滑动窗口长度的浓度序列作为第三步骤特征数据;
所述实时控制第三步骤的过程中的生产温度的方式为:
实时将第三步骤特征数据输入至第三温度控制模型,使用加热装置或冷却装置将实际生产环境中,反应瓶的温度控制为第三温度控制模型输出的下一单位时间的温度的预测值。
本发明提出用于泰瑞拉奉结晶生产过程的自适应温度控制系统,包括训练数据收集模块、模型训练模块、实际特征数据收集模块以及实际温度控制模块;其中,各个模块之间通过电性连接;
训练数据收集模块,用于收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,并将第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据发送至模型训练模块;
模型训练模块,用于基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型,并将第一温度控制模型和第三温度控制模型发送至实际温度控制模块;
实际特征数据收集模块,用于在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据,以及在第三步骤的过程中,实时收集第三步骤特征数据;并将第一步骤特征数据和第三步骤特征数据发送至实际温度控制模块;
实际温度控制模块,用于在实际生产环境中基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度,基于第一步骤的生产结果,设置第三步骤的生产原料配比,基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度。
一种电子设备,包括:处理器和存储器,其中,
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在后台执行上述的用于泰瑞拉奉结晶生产过程的自适应温度控制方法。
一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行上述用于泰瑞拉奉结晶生产过程的自适应温度控制方法。
与现有技术相比,本发明的有益效果是:
本发明通过收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型,在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据;基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度,基于第一步骤的生产结果,设置第三步骤的生产原料配比;在生产泰瑞拉奉结晶的第三步骤的过程中,实时收集第三步骤特征数据,基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度。实现对泰瑞拉奉历史生产数据的经验,动态调整反应温度,保证泰瑞拉奉结晶产量的稳定性。
附图说明
图1为本发明的实施例1中用于泰瑞拉奉结晶生产过程的自适应温度控制方法的流程图;
图2为本发明的实施例2中用于泰瑞拉奉结晶生产过程的自适应温度控制系统的模块连接关系图;
图3为本发明实施例3中的电子设备结构示意图;
图4为本发明实施例4中的计算机可读存储介质结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
如图1所示,用于泰瑞拉奉结晶生产过程的自适应温度控制方法,包括以下步骤:
步骤一:收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据;
步骤二:基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型;
步骤三:在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据;
基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度;
步骤四:基于第一步骤的生产结果,设置第三步骤的生产原料配比;在生产泰瑞拉奉结晶的第三步骤的过程中,实时收集第三步骤特征数据;基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度;
需要说明的是,本实施例中是基于授权公告号为CN101508696B( 2-甲基-5-亚胺基-苯并[d][1,3]噁嗪[5-b]吡唑化合物及其制备方法和制备药物的用途)的中国专利的基础上进行的;
具体地,本实施例中的第一步骤对应于该发明专利的说明书[0036]段,即所述第一步骤为:“在2000ml的三口瓶中加入浓盐酸600ml, 碎冰500ml,2-氨基苯腈59g(0.5mol),搅拌至完全溶解。冰盐浴至-7~-3°C,滴加亚硝酸钠溶液34.5g(0.5mol)溶于水150ml,滴加完毕,搅拌10min,得橙黄色澄清溶液,溶液待用;”
进一步地,本实施例中的第二步骤对应于该发明专利的说明书中的[0037]段,因第二步骤不涉及温度控制,本发明在此不再赘述;
再进一步地,本实施例中第三步骤对应于该发明专利的说明书中的[0043]段;即所述第三步骤为“1-(2-腈基苯基)-3-甲基吡唑-5-酮20g(0.1mol),无水四氢呋喃200ml,搅拌下通入干燥氯化氢气体至饱和,室温搅拌过夜反应,真空浓缩至干,加入无水四氢呋喃100ml,无水乙酸钠10g,室温搅拌1h,过滤,真空浓缩四氢呋喃,乙酸乙酯重结晶,得到类白色结晶13g;”
需要说明的是,本实施例中所述第一步骤和所述第三步骤的生产原料非固定值,而是与上述的第一步骤和第三步骤中各个生产原料的配比之间具有等比例关系;
在一个优选的实施例中,在所述实验环境,实验人员通过进行N次按第一步骤、第二步骤以及第三步骤顺序,生产泰瑞拉奉结晶的实验,通过控制每次实验的每个步骤的实时温度,以获得实时的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,和每个步骤的实验结果;其中,N为选择的实验次数;
进一步地,在所述实验环境中,预设第一产量阈值和第三产量阈值;从所有实验的第一步骤中筛选出橙黄色澄清溶(氯化钠饱和溶液)的溶解量大于第一产量阈值的实验,从筛选的每次实验中收集一条第一步骤特征样本和一条第一步骤温度样本;所有筛选后的实验中获得的第一步骤特征样本和第一步骤温度样本,分别组成第一步骤特征样本数据和第一步骤温度样本数据;
从所有实验的第三步骤中筛选出白色结晶质量大于第三产量阈值的实验,从筛选的每次实验中收集一条第三步骤特征样本和一条第三步骤温度样本;所有筛选后的实验中获得的第三步骤特征样本和第三步骤温度样本,分别组成第三步骤特征样本数据和第三步骤温度样本数据;
可以理解的是,通过设置第一产量阈值和第三产量阈值,保证了样本数据的质量,避免低产量的温度控制方案作为模型的输入,导致模型训练过程被噪音干扰;
其中,收集一条第一步骤特征样本和一条第一步骤温度样本的方式为:
在每次实验的第一步骤过程中,收集三口瓶中,每单位时间内,溶液颜色的RGB值组成的RGB值序列作为第一步骤特征样本,该次实验中每单位时间内,三口瓶中的温度值组成的温度值序列作为第一步骤温度样本;
可以理解的是,通过使用图像捕获设备获得溶液图像,再使用取色器获得溶液图像中每个像素点的RGB值,计算溶液图像中所有像素点的RGB值的平均值,该平均值即可作为溶液颜色的RGB值;
进一步地,所述训练第一温度控制模型的方式包括:
预设第一滑动窗口长度以及第一滑动步长;
对于每条第一步骤特征样本,使用滑动窗口法获得第一模型输入序列集合;
滑动窗口方法的一个简单例子如下:假设第一步骤特征样本为[1,2,3,4,5,6],使用长度为3的第一滑动窗口长度以及长度为1的第一滑动步长,生成[1,2,3]、[2,3,4]以及[3,4,5]的第一模型输入序列集合;
对于每个第一模型输入序列,将第一步骤温度样本中后一个时间步对应的温度值作为实际温度值;
构建以第一模型输入序列为输入,以下一单位时间的温度值作为预测输出,以下一单位的实际温度值为真实值的第一Transformer模型;所述第一Transformer模型的损失函数为预测输出与实际温度值之间的均分误差之和;所述第一Transformer模型在损失函数的值收敛时停止训练;
所述第一温度控制模型为第一Transformer模型;
具体地,所述第一Transformer模型包括输入编码器、解码器以及输出层;
其中,所述输入编码器的输入为第一模型输入序列;
具体地,所述输入编码器中包括:嵌入层用于将第一模型输入序列中每个RGB值映射为嵌入向量、位置编码层为每个嵌入向量添加位置信息、多头自注意力层用于处理输入序列的上下文信息、以及前馈神经网络层用于对多头自注意力层的输出进行处理和映射;
所述解码器的输入为前一个时间步的温度值;所述解码器包括:嵌入层用于将温度值映射为嵌入向量、位置编码层用于为每个嵌入向量添加位置信息、多头自注意力层用于处理编码层的输出以及温度序列的上下文信息、多头注意力层用于将由编码层输入的序列信息与温度序列进行交互,以及前馈神经网络层对多头注意力层的输出进行处理和映射;‘
所述输出层使用全连接层将解码器的输出映射为下一个温度值的预测;可以理解的是,下一个温度值的预测为实际温度值的预测输出;
其中,所述收集一条第三步骤特征样本和一条第三步骤温度样本的方式包括:
在每次实验的第三步骤过程中,将每单位时间反应瓶中氯化氢气体的浓度组成的浓度序列作为第三步骤特征样本;可以理解的是,氯化氢气体的浓度可以通过使用氯化氢气体传感器实时获得;
将每单位时间反应瓶温度值组成的温度值序列作为第三步骤温度样本;
进一步地,训练第三温度控制模型包括:
预设第三滑动窗口长度以及第三滑动步长;
对于每条第三步骤特征样本,使用滑动窗口法获得第三模型输入序列集合;
对于每个第三模型输入序列,将第三步骤温度样本中后一个时间步对应的温度值作为实际温度值;
构建以第三模型输入序列为输入,以下一单位时间的温度值作为预测输出,以下一单位的实际温度值为真实值的第三Transformer模型;所述第三Transformer模型的损失函数为预测输出与实际温度值之间的均分误差之和;所述第三Transformer模型在损失函数的值收敛时停止训练;
所述第三温度控制模型即为第三Transformer模型;
优选的,所述实时收集第一步骤特征数据的方式为:
在实际生产过程中,实施第一步骤时,实时收集三口瓶中溶液的RGB值序列,并将最近第一滑动窗口长度的RGB值序列作为第一步骤特征数据;
实时控制第一步骤的过程中的生产温度的方式为:
实时将第一步骤特征数据输入至第一温度控制模型,使用加热装置或冷却装置将实际生产环境中,三口瓶的温度控制为第一温度控制模型输出的下一单位时间的温度的预测值;
可以理解的是,基于第一步骤的生产结果,设置第三步骤的生产原料配比的方式为:
基于第一步骤产生的橙黄色澄清溶(氯化钠饱和溶液)的溶解量,获得2-肼基苯甲腈盐酸盐的产量,基于2-肼基苯甲腈盐酸盐的产量,按比例计算第二步骤和第三步骤中各个生产原料的配比;
优选的,所述实时收集第三步骤特征数据的方式为:
在实际生产过程中,实施第三步骤时,实时收集反应瓶中氯化氢的浓度序列,并将最近第三滑动窗口长度的浓度序列作为第三步骤特征数据;
进一步地,所述实时控制第三步骤的过程中的生产温度的方式为:
实时将第三步骤特征数据输入至第三温度控制模型,使用加热装置或冷却装置将实际生产环境中,反应瓶的温度控制为第三温度控制模型输出的下一单位时间的温度的预测值。
实施例2
如图2所示,用于泰瑞拉奉结晶生产过程的自适应温度控制系统,包括训练数据收集模块、模型训练模块、实际特征数据收集模块以及实际温度控制模块;其中,各个模块之间通过电性连接;
其中,所述训练数据收集模块主要用于收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,并将第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据发送至模型训练模块;
其中,所述模型训练模块主要用于基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型,并将第一温度控制模型和第三温度控制模型发送至实际温度控制模块;
其中,所述实际特征数据收集模块主要用于在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据,以及在第三步骤的过程中,实时收集第三步骤特征数据;并将第一步骤特征数据和第三步骤特征数据发送至实际温度控制模块;
其中,所述实际温度控制模块主要用于在实际生产环境中基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度,基于第一步骤的生产结果,设置第三步骤的生产原料配比,基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度。
实施例3
图3是本申请一个实施例提供的电子设备结构示意图。如图3所示,根据本申请的又一方面还提供了一种电子设备100。该电子设备100可包括一个或多个处理器以及一个或多个存储器。其中,存储器中存储有计算机可读代码,计算机可读代码当由一个或多个处理器运行时,可以执行如上所述的用于泰瑞拉奉结晶生产过程的自适应温度控制方法实现。
根据本申请实施方式的方法或系统也可以借助于图3所示的电子设备的架构来实现。如图3所示,电子设备100可包括总线101、一个或多个CPU102、只读存储器(ROM)103、随机存取存储器(RAM)104、连接到网络的通信端口105、输入/输出组件106、硬盘107等。电子设备100中的存储设备,例如ROM103或硬盘107可存储本申请提供的用于泰瑞拉奉结晶生产过程的自适应温度控制方法实现。用于泰瑞拉奉结晶生产过程的自适应温度控制方法实现可例如包括以下步骤:包括以下步骤:步骤一:收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据;步骤二:基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型;步骤三:在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据;基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度;步骤四:基于第一步骤的生产结果,设置第三步骤的生产原料配比;在生产泰瑞拉奉结晶的第三步骤的过程中,实时收集第三步骤特征数据;基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度;
进一步地,电子设备100还可包括用户界面108。当然,图3所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图3示出的电子设备中的一个或多个组件。
实施例4
图4是本申请一个实施例提供的计算机可读存储介质结构示意图。如图4所示,是根据本申请一个实施方式的计算机可读存储介质200。计算机可读存储介质200上存储有计算机可读指令。当计算机可读指令由处理器运行时,可执行参照以上附图描述的根据本申请实施方式的用于泰瑞拉奉结晶生产过程的自适应温度控制方法实现。计算机可读存储介质200包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外,根据本申请的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质存储有机器可读指令,所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令,在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本申请的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本申请实施为记录在记录介质中的程序,这些程序包括用于实现根据本申请的方法的机器可读指令。因而,本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外,本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
如上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是,以上所述仅为本发明的具体实施方式,并不用于限制本发明。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。
以上的预设的参数或预设的阈值均由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上的预设的参数或预设的阈值均由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.用于泰瑞拉奉结晶生产过程的自适应温度控制方法,其特征在于,包括以下步骤:
收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据;
基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型;
在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据;基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度;
基于第一步骤的生产结果,设置第三步骤的生产原料配比;在生产泰瑞拉奉结晶的第三步骤的过程中,实时收集第三步骤特征数据;基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度;
所述第一步骤为,在2000ml的三口瓶中加入浓盐酸600ml, 碎冰500ml,2-氨基苯腈59g(0.5mol),搅拌至完全溶解;冰盐浴至-7~-3°C,滴加亚硝酸钠溶液34.5g(0.5mol)溶于水150ml,滴加完毕,搅拌10min,得橙黄色澄清溶液,溶液待用;
所述第三步骤为1-(2-腈基苯基)-3-甲基吡唑-5-酮20g(0.1mol),无水四氢呋喃200ml,搅拌下通入干燥氯化氢气体至饱和,室温搅拌过夜反应,真空浓缩至干,加入无水四氢呋喃100ml,无水乙酸钠10g,室温搅拌1h,过滤,真空浓缩四氢呋喃,乙酸乙酯重结晶,得到类白色结晶13g;
在所述实验环境,实验人员进行N次生产泰瑞拉奉结晶的实验,通过控制每次实验的每个步骤的实时温度,以获得实时的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,和每个步骤的实验结果;其中,N为选择的实验次数;
在所述实验环境中,预设第一产量阈值和第三产量阈值;从所有实验的第一步骤中筛选出橙黄色澄清溶液的溶解量大于第一产量阈值的实验,从筛选的每次实验中收集一条第一步骤特征样本和一条第一步骤温度样本;所有筛选后的实验中获得的第一步骤特征样本和第一步骤温度样本,分别组成第一步骤特征样本数据和第一步骤温度样本数据;
从所有实验的第三步骤中筛选出白色结晶质量大于第三产量阈值的实验,从筛选的每次实验中收集一条第三步骤特征样本和一条第三步骤温度样本;所有筛选后的实验中获得的第三步骤特征样本和第三步骤温度样本,分别组成第三步骤特征样本数据和第三步骤温度样本数据;
收集一条第一步骤特征样本和一条第一步骤温度样本的方式为:
在每次实验的第一步骤过程中,收集三口瓶中,每单位时间内,溶液颜色的RGB值组成的RGB值序列作为第一步骤特征样本,该次实验中每单位时间内,三口瓶中的温度值组成的温度值序列作为第一步骤温度样本;
所述训练第一温度控制模型的方式包括:
预设第一滑动窗口长度以及第一滑动步长;
对于每条第一步骤特征样本,使用滑动窗口法获得第一模型输入序列集合;
对于每个第一模型输入序列,将第一步骤温度样本中后一个时间步对应的温度值作为实际温度值;
构建以第一模型输入序列为输入,以下一单位时间的温度值作为预测输出,以下一单位的实际温度值为真实值的第一Transformer模型;所述第一Transformer模型的损失函数为预测输出与实际温度值之间的均分误差之和;所述第一Transformer模型在损失函数的值收敛时停止训练;
所述第一温度控制模型为第一Transformer模型;
所述收集一条第三步骤特征样本和一条第三步骤温度样本的方式包括:
在每次实验的第三步骤过程中,将每单位时间反应瓶中氯化氢气体的浓度组成的浓度序列作为第三步骤特征样本;将每单位时间反应瓶温度值组成的温度值序列作为第三步骤温度样本;
训练第三温度控制模型包括:
预设第三滑动窗口长度以及第三滑动步长;
对于每条第三步骤特征样本,使用滑动窗口法获得第三模型输入序列集合;
对于每个第三模型输入序列,将第三步骤温度样本中后一个时间步对应的温度值作为实际温度值;
构建以第三模型输入序列为输入,以下一单位时间的温度值作为预测输出,以下一单位的实际温度值为真实值的第三Transformer模型;所述第三Transformer模型的损失函数为预测输出与实际温度值之间的均分误差之和;所述第三Transformer模型在损失函数的值收敛时停止训练;
所述第三温度控制模型即为第三Transformer模型。
2.根据权利要求1所述的用于泰瑞拉奉结晶生产过程的自适应温度控制方法,其特征在于,所述实时收集第一步骤特征数据的方式为:
在实际生产过程中,实施第一步骤时,实时收集三口瓶中溶液的RGB值序列,并将最近第一滑动窗口长度的RGB值序列作为第一步骤特征数据。
3.根据权利要求2所述的用于泰瑞拉奉结晶生产过程的自适应温度控制方法,其特征在于,实时控制第一步骤的过程中的生产温度的方式为:
实时将第一步骤特征数据输入至第一温度控制模型,使用加热装置或冷却装置将实际生产环境中,三口瓶的温度控制为第一温度控制模型输出的下一单位时间的温度的预测值。
4.根据权利要求3所述的用于泰瑞拉奉结晶生产过程的自适应温度控制方法,其特征在于,所述实时收集第三步骤特征数据的方式为:
在实际生产过程中,实施第三步骤时,实时收集反应瓶中氯化氢的浓度序列,并将最近第三滑动窗口长度的浓度序列作为第三步骤特征数据。
5.根据权利要求4所述的用于泰瑞拉奉结晶生产过程的自适应温度控制方法,其特征在于,所述实时控制第三步骤的过程中的生产温度的方式为:
实时将第三步骤特征数据输入至第三温度控制模型,使用加热装置或冷却装置将实际生产环境中,反应瓶的温度控制为第三温度控制模型输出的下一单位时间的温度的预测值。
6.用于泰瑞拉奉结晶生产过程的自适应温度控制系统,其基于权利要求1-5任意一项所述的用于泰瑞拉奉结晶生产过程的自适应温度控制方法实现,其特征在于,包括训练数据收集模块、模型训练模块、实际特征数据收集模块以及实际温度控制模块;其中,各个模块之间通过电性连接;
训练数据收集模块,用于收集在实验环境中,泰瑞拉奉结晶的生产过程的第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据,并将第一步骤特征样本数据、第一步骤温度样本数据、第三步骤特征样本数据以及第三步骤温度样本数据发送至模型训练模块;
模型训练模块,用于基于第一步骤特征样本数据和第一步骤温度样本数据,训练第一温度控制模型;基于第三步骤特征样本数据和第三步骤温度样本数据,训练第三温度控制模型,并将第一温度控制模型和第三温度控制模型发送至实际温度控制模块;
实际特征数据收集模块,用于在实际生产环境中,生产泰瑞拉奉结晶的第一步骤的过程中,实时收集第一步骤特征数据,以及在第三步骤的过程中,实时收集第三步骤特征数据;并将第一步骤特征数据和第三步骤特征数据发送至实际温度控制模块;
实际温度控制模块,用于在实际生产环境中基于第一步骤特征数据以及第一温度控制模型,实时控制第一步骤的过程中的生产温度,基于第一步骤的生产结果,设置第三步骤的生产原料配比,基于第三步骤特征数据以及第三温度控制模型,实时控制第三步骤的过程中的生产温度。
7.一种电子设备,其特征在于,包括:处理器和存储器,其中,
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在后台中执行权利要求1-5任意一项所述用于泰瑞拉奉结晶生产过程的自适应温度控制方法。
8.一种计算机可读存储介质,其特征在于,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行在后台中执行权利要求1-5任意一项所述用于泰瑞拉奉结晶生产过程的自适应温度控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309479.2A CN117055658B (zh) | 2023-10-11 | 2023-10-11 | 用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309479.2A CN117055658B (zh) | 2023-10-11 | 2023-10-11 | 用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117055658A CN117055658A (zh) | 2023-11-14 |
CN117055658B true CN117055658B (zh) | 2024-01-02 |
Family
ID=88655736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311309479.2A Active CN117055658B (zh) | 2023-10-11 | 2023-10-11 | 用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117055658B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN218471189U (zh) * | 2022-06-20 | 2023-02-10 | 安徽旺盛添加剂有限公司 | 一种改进快速结晶提高产能装置 |
CN115794584A (zh) * | 2022-11-24 | 2023-03-14 | 电子科技大学长三角研究院(湖州) | 基于Transformer的芯片全片温度分布预测方法、系统及介质 |
CN116565402A (zh) * | 2023-07-11 | 2023-08-08 | 南京宁煜致科信息技术有限公司 | 储能电池冷却系统及控制方法 |
CN116612346A (zh) * | 2023-04-25 | 2023-08-18 | 宁波方太厨具有限公司 | 模型训练方法、油温监测方法、烹饪控制方法及系统 |
EP4250052A1 (en) * | 2020-11-17 | 2023-09-27 | Changchun Jetty Automotive Technology Co., Ltd. | Temperature control system for device and temperature control method |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101318968A (zh) * | 2008-07-18 | 2008-12-10 | 青岛黄海制药有限责任公司 | 一种苯并噁嗪并吡唑类及开环化合物 |
CN104881062B (zh) * | 2015-06-01 | 2017-01-25 | 大连理工大学 | 一种快速无过调冷却结晶反应釜温度控制方法 |
CN108021159B (zh) * | 2017-12-25 | 2023-11-10 | 上海芃茂机电设备有限公司 | 一种结晶釜温度控制系统及控制方法 |
US20220067588A1 (en) * | 2019-10-15 | 2022-03-03 | Siemens Aktiengesellschaft | Transforming a trained artificial intelligence model into a trustworthy artificial intelligence model |
-
2023
- 2023-10-11 CN CN202311309479.2A patent/CN117055658B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4250052A1 (en) * | 2020-11-17 | 2023-09-27 | Changchun Jetty Automotive Technology Co., Ltd. | Temperature control system for device and temperature control method |
CN218471189U (zh) * | 2022-06-20 | 2023-02-10 | 安徽旺盛添加剂有限公司 | 一种改进快速结晶提高产能装置 |
CN115794584A (zh) * | 2022-11-24 | 2023-03-14 | 电子科技大学长三角研究院(湖州) | 基于Transformer的芯片全片温度分布预测方法、系统及介质 |
CN116612346A (zh) * | 2023-04-25 | 2023-08-18 | 宁波方太厨具有限公司 | 模型训练方法、油温监测方法、烹饪控制方法及系统 |
CN116565402A (zh) * | 2023-07-11 | 2023-08-08 | 南京宁煜致科信息技术有限公司 | 储能电池冷却系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117055658A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102006007309B4 (de) | Verbessertes Verfahren zur Herstellung von Temozolomid | |
CN117055658B (zh) | 用于泰瑞拉奉结晶生产过程的自适应温度控制系统及方法 | |
CN105175340A (zh) | 一种用高纯度中间体晶体制备高纯度盐酸右美托咪定晶体的方法 | |
CN106543150A (zh) | 基于Ni(Ⅱ)的金属有机框架及其制备方法与电化学应用 | |
CN106045892A (zh) | 赛洛多辛及其中间体的新制备方法 | |
CN104894203A (zh) | 一种高纯度土霉素的生产工艺 | |
GB1363399A (en) | Method of preparing an antacid pharmaceutical product | |
CN115760523A (zh) | 一种基于云平台的动物管理方法及系统 | |
DE60001477T2 (de) | Verfahren zur Herstellung von 3-Acyl-Indolen | |
JP2575823B2 (ja) | αーアミノアセトニトリル塩酸塩類の製造方法 | |
DE2065312B2 (de) | Aminoäthansulfonylderivate und Verfahren zu ihrer Herstellung | |
CN108383831B (zh) | 一种贝托斯汀重要中间体的制备方法 | |
CN103923086B (zh) | 一种5-烷氧基-1,2,4-三唑[4,3-c]嘧啶-3(2H)-硫酮的制备方法 | |
US3024252A (en) | Quaternary ammonium compounds of the dihydrofurane series | |
CN112358513A (zh) | 一种利用连续流反应器制备瑞德西韦中间体的方法 | |
CN107129472B (zh) | 一种制备乙酰唑胺中间体的工艺 | |
CN106397359B (zh) | 阿莫曲坦中间体4‑(1‑吡咯烷基磺酰甲基)‑苯肼的制备方法 | |
DE1493664A1 (de) | Verfahren zur Spaltung von aromatischen Sulfonsaeureamiden | |
CN106008323A (zh) | 一种制备哌马色林半酒石酸盐晶型c的方法 | |
SU129447A1 (ru) | Способ электролитического получени порошка серебра из нерастворимых соединений | |
DE69918277T2 (de) | Verfahren zur herstellung von 13-cis retinsaüre | |
DE839349C (de) | Verfahren zur Herstellung von Thiosemicarbaziden | |
DE69900850T2 (de) | Verfahren zur herstellung von aspartyl-cyclohexylalaninamid | |
Trkovnik et al. | ELECTROCHEMICAL SYNTHESIS OF 3-AMINO-4-HYDROXYCOUMARIN | |
SU108686A1 (ru) | Способ пикелевани меховых шкурок |
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 |