【技术实现步骤摘要】
本专利技术涉及一种基于数字孪生的中药干燥成型单元流化床预演方法，属于中药制药智能。
技术介绍
1、随着数字化技术的迅猛发展，数字孪生技术作为一种将虚拟模型与实际物理对象相映射的方法，在多个工业领域中得到了广泛应用。尤其在中药制药工业中，这项技术的应用为工艺模拟和预测优化提供了全新的研究路径。通过利用深度学习和其他计算方法，研究者们试图预测并优化工艺参数，以提高生产效率、降低成本并确保产品质量。
2、中国专利文献cn116543854a公开了一种循环流化床锅炉数字孪生系统no-x排放预测及控制方法,包括：利用从锅炉dcs系统中获取数据进入sis系统数据库的相关实时参数,并通过bp神经网络非线性算法搭建基于no-x浓度预测的数字化处理平台,将实时参数作为输入值得出预测结果并与相同工况下的历史经验值对比,对算法进行反馈修正,提高预测精度。中国专利文献cn113339787a公开了一种基于数字孪生的流化床锅炉运行优化方法。中国专利文献cn113339787a公开了一种基于数字孪生的流化床锅炉运行优化方法。这些方法都没有涉及数字孪生高级阶段对环境参数的预演，仅采集当前数据利用数字孪生系统进行可视化展示和数据优化。
3、中药在制药过程中需要进行干燥和成型，以便得到适合存储和使用的最终产品。其中，流化床技术是一种广泛应用于中药干燥和成型的关键技术。流化床技术基于流化的原理，通过使固体颗粒与气体之间发生强烈的接触和混合，实现高效的传热和传质过程，从而达到快速干燥和均匀成型的效果。在这一过程中，固体颗粒在气流的作用下呈现出
4、但是，尽管数字孪生技术在中药制药工业中展示出了巨大的潜力，目前的研究和应用仍处于初级阶段。尤其是在大数据的应用和实时双向数据流的实现方面，仍然面临很大的挑战。此外，在工艺优化方面，由于涉及的工艺参数众多且相互影响，难以直接找到最优的参数组合。
5、因此，为了实现中药制药过程的自主优化、智能决策，并推动中药制药工业真正实现智能化转型，进一步深入研究和优化相关技术成为了行业和研究领域的紧迫任务。目前，还存在的主要技术问题包括：(1)实时双向数据流的实现：如何在中药制药工业的数字孪生系统中，实现数据的实时双向流动，从而确保系统的实时响应和决策。(2)工艺参数的优化组合：鉴于中药干燥、成型过程涉及的工艺参数众多并相互影响，如何准确、高效地获取这些参数的最佳组合，以达到最优的制药效果。(3)数字孪生系统的精确建模：如何构建一个既能精确模拟中药干燥、成型制造关键单元，又能充分利用大数据的数字孪生系统。还存在的次要技术问题包括：(1)硬件资源的有效利用：在硬件受限的工业物联网场景下，如何有效地部署并运行数字孪生系统，确保系统稳定性和效率。(2)大数据集成与融合：中药制药工艺涉及多种数据来源和类型，如何有效地集成、融合这些数据，为数字孪生系统提供准确、全面的数据支持。(3)模型的实时更新与迭代：考虑到制药工艺和环境可能的变化，如何确保数字孪生系统模型的实时更新和迭代，保持其预测和决策的准确性。(4)系统安全性和稳定性：如何确保数字孪生系统在实际制药工艺中的安全稳定运行，避免因系统故障或误判导致的生产损失。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于数字孪生的中药干燥成型单元流化床预演方法；
2、本专利技术还提供了一种基于数字孪生的中药干燥成型单元流化床预演系统。
3、术语解释：
4、1、cfd(computational fluid dynamics)：计算流体动力学(cfd)是一个用于模拟液体和气体流动的计算机模拟技术。cfd通常使用数值方法和算法，例如有限元法或有限差分法，来解决和分析流体流动中的问题。这种技术被广泛应用于许多领域，包括航空航天、汽车工业、建筑设计、天气预报等，用于优化设计、模拟系统行为，预测液体或气体流动下的表现。
5、2、dem(discrete element method)：离散元方法(dem)是一种数值模拟方法，用于模拟大量离散的颗粒(如沙粒、岩石、粉末等)如何在外部力的作用下相互作用和移动。在dem中，颗粒被视为独立的“离散元素”，其之间的相互作用(如碰撞和摩擦)是基于经典的物理定律和经验模型来描述的。这种技术在颗粒物料处理、地震工程、岩土工程、颗粒流动等领域中有广泛的应用。
6、3、hertz-mindlin模型：是一个描述两个弹性颗粒在正常接触下的力学行为的模型。该模型首先由hertz提出来描述两个非常规状、弹性的物体之间的接触力。后来，mindlin加入了滑动时的切向力描述。该模型提供了一个描述正常和切向接触力之间关系的方法，特别是考虑到颗粒的形状、材料属性和接触的微观特性。这个模型常常被用于dem模拟中，为颗粒间的碰撞提供力学描述。
7、本专利技术的技术方案为：
8、一种基于数字孪生的中药干燥成型单元流化床预演方法，包括：
9、获取中药干燥成型过程中的参数；
10、对获取的参数进行预处理后训练几何约束增量神经网络预测模型，得到训练好的几何约束增量神经网络预测模型；
11、实时获取待预演的中药干燥成型过程中的参数，将待预演的中药干燥成型过程中的参数预处理后输入至训练好的几何约束增量神经网络预测模型，对流化床的状态量(如风速、液位、温度、外观、压力、密度)和材质特性(如摩擦系数、碰撞系数)进行预测；
12、与此同时，将待预演的中药干燥成型过程中的参数输入至双相瞬态耦合cfd-dem模型，得到连续量(如风速、液位、温度、压力、密度)预测的未来某个时间点或时间段内的这些参数的数值；
13、通过训练好的几何约束增量神经网络预测模型和双相瞬态耦合cfd-dem模型得到的输出分别作为观测值和模拟值融合进粒子滤波算法，实现精确预测。
14、根据本专利技术优选的，预处理，包括：
15、数据清洗：对缺失值进行填充；检测并移除或修正异常值；
16、数据转换：对数据进行标准化、正则化及对数、指数转换处理；
17、特征工程：进行特征选择、特征提取、特征构建；
18、标签化或标注。
19、根据本专利技术优选的，几何约束增量神经网络预测模型的训练过程包括：
20、初始化：随机初始化几何约束增量神经网络预测模型的权重和偏置；
21、前向传播：输入预处理后的数据，通过几何约束增量神经网络预测模型，得到预测值；
22、损失计算：使用损失函数(如均方误差、交叉熵等)比较预测值与真实标签，得到损失值；
23、反向传播：使用优化算法(本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，预处理，包括：
3.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，中药干燥成型过程中的参数包括；温度、湿度、压力、重量/负载、颜色和光学属性、流体流速、酸碱度、离子浓度、外观和颜色、机械稳定性和状态、特定气体浓度、粒径分布、热分布、声音或频率变化及光谱特性；
4.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，训练几何约束增量神经网络预测模型中，利用先验知识进行学习，包括：
5.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，将待预演的中药干燥成型过程中的参数输入至双相瞬态耦合CFD-DEM模型，得到连续量预测的未来某个时间点或时间段内的这些参数的数值；包括：
6.根据权利要求5所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，步骤(2)中，基
7.根据权利要求1-6任一所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，通过训练好的几何约束增量神经网络预测模型和双相瞬态耦合CFD-DEM模型得到的输出分别作为观测值和模拟值融合进粒子滤波算法，实现精确预测；包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7任一所述的基于数字孪生的中药干燥成型单元流化床预演方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一所述的基于数字孪生的中药干燥成型单元流化床预演方法的步骤。
10.一种基于数字孪生的中药干燥成型单元流化床预演系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，预处理，包括：
3.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，中药干燥成型过程中的参数包括；温度、湿度、压力、重量/负载、颜色和光学属性、流体流速、酸碱度、离子浓度、外观和颜色、机械稳定性和状态、特定气体浓度、粒径分布、热分布、声音或频率变化及光谱特性；
4.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，训练几何约束增量神经网络预测模型中，利用先验知识进行学习，包括：
5.根据权利要求1所述的一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，将待预演的中药干燥成型过程中的参数输入至双相瞬态耦合cfd-dem模型，得到连续量预测的未来某个时间点或时间段内的这些参数的数值；包括：
6...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。