一种药物质量控制方法、系统、电子设备及介质技术方案

本发明专利技术公开一种药物质量控制方法、系统、电子设备及介质，涉及流化床喷雾制粒领域。在流化床制粒初期，利用领域知识预先判断出最优控制方向，确保制粒过程朝着正确的方向收敛；获取流化床制粒设备的当前跟踪误差，根据当前跟踪误差判断事件触发条件是否成立，若成立，则更新当前控制信号，并根据该信号控制制粒设备制备药物；若事件触发条件不成立，则沿用当前控制信号制备药物；制粒过程中，利用当前跟踪误差和模糊规则网络更新当前控制信号更新步长，加快流化床制粒过程收敛速度。本发明专利技术在数据驱动迭代学习控制器中嵌入事件触发机制，降低了控制信号更新频率；整合知识与数据用于控制信号更新步长和控制方向寻优，为流化床制粒过程提效降本。粒过程提效降本。粒过程提效降本。

【技术实现步骤摘要】
一种药物质量控制方法、系统、电子设备及介质


[0001]本专利技术涉及流化床喷雾制粒领域，特别是涉及一种药物质量控制方法、系统、电子设备及介质。

技术介绍

[0002]在药物研发早期，当新原料属性出现时，科学有效控制方法的缺失迫使研发人员只能依据经验通过尝试性实验来摸索操作条件，在此条件下难以建立准确的预测模型，导致药物研发低效高耗。幸运的是，数据驱动控制可以脱离具体模型的约束，仅依赖输入输出数据就可以实现控制器设计，且已经取得了丰富的理论结果和实际应用。然而，现有的数据驱动控制方法忽略了数据中潜在的反应过程机理知识的信息，造成了数据资源的浪费。因此，通过整合数据和知识来设计更为强大的药物质量控制策略值得考虑。此外，随着药物研发的进行，一旦药物质量接近或达到期望的质量指标，就会使得相邻采样时刻控制信号变化量很小，而控制算法中的控制信号仍然会不断迭代更新，这些冗余的计算将最终导致通信资源的浪费。如何在保证系统稳定性的前提下同时减少通信传输频率这一问题显得尤为重要。事件触发控制针对这一问题可以取得较好的效果，只有当系统违背了预先设置的触发条件，数据才会进行传输。

技术实现思路

[0003]本专利技术的目的是提供一种药物质量控制方法、系统、电子设备及介质，以减少药物质量控制过程中通信资源的浪费。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种药物质量控制方法，包括：
[0006]获取流化床制粒设备中当前迭代次数下的药物颗粒粒度；
[0007]判断当前迭代次数下的跟踪误差的平方与上一迭代次数下的跟踪误差的平方的差，是否满足预设范围；所述跟踪误差为药物颗粒粒度与药物颗粒粒度期望值的误差；
[0008]若是，则更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号；所述控制信号包括黏合剂喷雾压速率和雾化压力；
[0009]根据下一迭代次数下的控制信号控制所述流化床制粒设备制备药物，并将当前迭代次数更新为下一迭代次数，返回“获取流化床制粒设备当前迭代次数下的药物颗粒粒度”的步骤，直到当前迭代次数下的药物颗粒粒度达到所述药物颗粒粒度期望值；
[0010]若否，则根据当前迭代次数下的控制信号控制所述流化床制粒设备制备药物，并返回“获取流化床制粒设备当前迭代次数下的药物颗粒粒度”的步骤，直到当前迭代次数下的药物颗粒粒度达到所述药物颗粒粒度期望值。
[0011]可选地，还包括：
[0012]利用初始迭代次数下的控制信号与下一迭代次数下的控制信号的变化率，以及初始迭代次数下的药物颗粒粒度与下一迭代次数下的药物颗粒粒度的变化值，确定药物质量
控制方向。
[0013]可选地，更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号，具体包括：
[0014]更新当前迭代次数下的伪偏导数和当前迭代次数下的控制信号更新步长，得到下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长；
[0015]根据下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长，更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号。
[0016]可选地，更新当前迭代次数下的伪偏导数和当前迭代次数下的控制信号更新步长，得到下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长，具体包括：
[0017]利用公式更新当前迭代次数下的伪偏导数，得到下一迭代次数下的伪偏导数预测值；其中，表示当前迭代次数下的伪偏导数预测值；表示当前迭代次数下的药物颗粒粒度变化值；表示当前迭代次数下的控制信号变化率；η表示伪偏导数更新步长因子；μ表示伪偏导预测值变化量的惩罚因子；
[0018]利用梯度下降算法更新模糊规则仿真网络的权重参数，得到更新后的更新模糊规则仿真网络；
[0019]将当前迭代次数下的跟踪误差和当前迭代次数下的跟踪误差变化率输入至所述更新后的更新模糊规则仿真网络，得到下一迭代次数下的控制信号更新步长。
[0020]可选地，根据下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长，更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号，具体包括：
[0021]根据下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长，利用公式更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号；其中，表示当前迭代次数下的控制信号；ρ
k
表示下一迭代次数下的控制信号更新步长；表示下一迭代次数下的伪偏导数预测值；表示当前迭代次数下的跟踪误差；λ表示权重因子。
[0022]一种药物质量控制系统，包括：
[0023]数据获取模块，用于获取流化床制粒设备中当前迭代次数下的药物颗粒粒度；
[0024]判断模块，用于判断当前迭代次数下的跟踪误差的平方与上一迭代次数下的跟踪误差的平方的差，是否满足预设范围；所述跟踪误差为药物颗粒粒度与药物颗粒粒度期望值的误差；
[0025]第一更新模块，用于若是，则更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号；所述控制信号包括黏合剂喷雾压速率和雾化压力；
[0026]第一制药控制模块，用于根据下一迭代次数下的控制信号控制所述流化床制粒设备制备药物，并将当前迭代次数更新为下一迭代次数，返回“数据获取模块”，直到当前迭代次数下的药物颗粒粒度达到所述药物颗粒粒度期望值；
[0027]第二制药控制模块，用于若否，则根据当前迭代次数下的控制信号控制所述流化
床制粒设备制备药物，并返回“数据获取模块”，直到当前迭代次数下的药物颗粒粒度达到所述药物颗粒粒度期望值。
[0028]一种电子设备，包括：存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的药物质量控制方法。
[0029]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的药物质量控制方法。
[0030]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0031]本专利技术的药物质量控制方法、系统、电子设备及介质，通过获取流化床制粒设备中的当前跟踪误差；根据当前跟踪误差判断事件触发条件是否成立，若所述事件触发条件成立，则更新当前控制信号，并根据更新后的控制信号控制流化床制粒设备制备药物；若所述事件触发条件不成立，则继续根据所述当前控制信号控制流化床制粒设备制备药物，继续判断事件触发事件是否成立，直到所述当前药物颗粒粒度达到所述药物颗粒粒度期望值。本专利技术通过事件触发条件的成立与否，来对控制信号进行更新，当事件触发条件不成立时，则不对控制信号进行更新，从而避免了控制信号不断迭代更新，冗余计算将导致通信资源浪费的问题，减少了通信资源的浪费。
[0032]另外，在流化床制粒全过程中，利用当前跟踪误差和模糊规则仿真网络自适应调整当前控制信号更新步长，以提高流化床制粒系统收敛速度。同时整合制药领域相关知识和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种药物质量控制方法，其特征在于，包括：获取流化床制粒设备中当前迭代次数下的药物颗粒粒度；判断当前迭代次数下的跟踪误差的平方与上一迭代次数下的跟踪误差的平方的差，是否满足预设范围；所述跟踪误差为药物颗粒粒度与药物颗粒粒度期望值的误差；若是，则更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号；所述控制信号包括黏合剂喷雾压速率和雾化压力；根据下一迭代次数下的控制信号控制所述流化床制粒设备制备药物，并将当前迭代次数更新为下一迭代次数，返回“获取流化床制粒设备当前迭代次数下的药物颗粒粒度”的步骤，直到当前迭代次数下的药物颗粒粒度达到所述药物颗粒粒度期望值；若否，则根据当前迭代次数下的控制信号控制所述流化床制粒设备制备药物，并返回“获取流化床制粒设备当前迭代次数下的药物颗粒粒度”的步骤，直到当前迭代次数下的药物颗粒粒度达到所述药物颗粒粒度期望值。2.根据权利要求1所述的药物质量控制方法，其特征在于，还包括：利用初始迭代次数下的控制信号与下一迭代次数下的控制信号的变化率，以及初始迭代次数下的药物颗粒粒度与下一迭代次数下的药物颗粒粒度的变化值，确定药物质量控制方向。3.根据权利要求1所述的药物质量控制方法，其特征在于，更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号，具体包括：更新当前迭代次数下的伪偏导数和当前迭代次数下的控制信号更新步长，得到下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长；根据下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长，更新当前迭代次数下的控制信号，得到下一迭代次数下的控制信号。4.根据权利要求3所述的药物质量控制方法，其特征在于，更新当前迭代次数下的伪偏导数和当前迭代次数下的控制信号更新步长，得到下一迭代次数下的伪偏导数预测值和下一迭代次数下的控制信号更新步长，具体包括：利用公式更新当前迭代次数下的伪偏导数，得到下一迭代次数下的伪偏导数预测值；其中，表示当前迭代次数下的伪偏导数预测值；表示当前迭代次数下的药物颗粒粒度变化值；表示当前迭代次数下的控制信号变化率；η表示伪偏导数更新步长因子；μ表示伪偏导预测值变化量的惩罚因子；利用梯度下降算法更新模糊规则仿真网络的权重参数，得到更...

【专利技术属性】
技术研发人员：王正松，汤晟楠，郭戈，杨乐，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：