一种丹参注射液生产浓缩过程密度的软测量方法技术

本发明专利技术提供一种丹参注射液生产浓缩过程密度的软测量方法，首先采集丹参浓缩过程中各传感器及密度计的历史数据，涉及浓缩液密度值和生产过程在线采集的传感器数据；从各传感器数据选取与密度相关程度较高的易于获得的包括气相温度、液相温度、压力、浓缩液液位过程变量，筛选代表性的数据集；使用多变量分析方法，建立密度的软测量模型；在线采集过程变量，使用软测量模型对密度进行实时预测，控制浓缩过程。本发明专利技术针对丹参注射液生产的浓缩过程中密度难以实时监测的问题，提供了一种具有高精度的快速密度软测量方法，充分利用了生产过程中得到的各传感器获取的历史数据，有利于提高丹参注射液生产的质量控制。

【技术实现步骤摘要】

本专利技术属中药生产过程测量方法，涉及一种中药生产过程的软测量方法， 尤其是一种丹参注射液浓縮过程浓縮液密度的软测量方法，包括基于多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘(PLS)以及人工神经网络(ANN)多种多变量分析方法的软测量模型。
技术介绍
中药制药过程包含提取、浓縮、醇沉等基本步骤。浓縮工序是中药生产的 一个重要环节，它将提取工序获取的药液进行蒸发浓縮使药液的密度达到生产 的要求，因此该环节直接关系到中药产品的质量。传统的浓縮工序主要依靠人 工观察的办法，通过提取药液与浓縮后药液比例进行估计，这样难以保证不同 批次的药品成份的稳定性。很多制药企业已将在线密度计用于实时监控浓縮液 的密度。由于密度计是接触式的传感器，而浓縮罐是密封的，不利于密度传感 器的安装。大多采用从浓縮罐引出一条流通管道，将密度计安装于管道中。由 于中药浓縮液是粘稠状的液体，随着浓縮液密度的增加，其流动性较差，导致 浓縮液残留在密度计探头上，使探头的灵敏度下降。 一般的解决办法是定时清 洗，但传感器拆卸不便，清洗频次较高，会影响生产中密度的实时测定。软测量技术近年来在过程控制和检测领域涌本文档来自技高网...

【技术保护点】
一种丹参注射液生产浓缩过程密度的软测量方法。其特征在于该软测量方法包括以下步骤：　　（１）采集数据集：采集丹参注射液生产浓缩过程中各传感器及密度计获取的数据集｛Ｘ，Ｄ｝；　　（２）变量选择和代表性数据筛选：从各传感器数据集｛Ｘ，Ｄ｝中选取与密度Ｄ相关程度较高的过程变量，并去除其中的奇异样本，筛选出具有代表性的数据集｛Ｘ↓［ｍ］，Ｄ｝，划分为训练样本和预测样本；　　（３）建立软测量模型：使用多变量分析方法，包括多元线性回归、主成分回归、偏最小二乘以及人工神经网络方法，将（２）中选取的过程变量作为输入，密度值作为输出，使用训练样本训练得到密度的软测量模型，并使用预测样本对模型进行评价，其中以Ｘ↓［...

【技术特征摘要】
1、一种丹参注射液生产浓缩过程密度的软测量方法。其特征在于该软测量方法包括以下步骤(1)采集数据集采集丹参注射液生产浓缩过程中各传感器及密度计获取的数据集{X，D}；(2)变量选择和代表性数据筛选从各传感器数据集{X，D}中选取与密度D相关程度较高的过程变量，并去除其中的奇异样本，筛选出具有代表性的数据集{Xm，D}，划分为训练样本和预测样本；(3)建立软测量模型使用多变量分析方法，包括多元线性回归、主成分回归、偏最小二乘以及人工神经网络方法，将(2)中选取的过程变量作为输入，密度值作为输出，使用训练样本训练得到密度的软测量模型，并使用预测样本对模型进行评价，其中以Xm＝(Tg，Tl，P，L)为自变量，D为因变量，使用训练数据集{Xm_tr，Dtr}建立模型；(4)在线采集过程生产浓缩变量Xm＝(Tg，Tl，P，L)，使用软测量模型对密度进行实时预测，控制浓缩过程。2、 根据权利要求1所述的一种丹参注射液生产浓縮过程密度的软测量方法，其特征在于，步骤(1)所述数据集采集具体步骤为丹参注射液生产浓縮过程在减压浓縮装置中进行，使用传感器在线采集注射液生产浓縮过程6 (6^3)个批次，每个批次采集A个时刻的样本a ^30)，得到数据集(x， }，其中，x为各传感器数据，包括加热器温度、进液流量、 蒸发器真空度、气相温度、液相温度、浓縮液液位、缓冲罐压力和冷却水流量，Z)为浓縮液的实测密度值，使用密度计采集得到。3、 根据权利要求1所述的一种丹参注射液生产浓縮过程密度的软测量方法，其特征是，步骤(2)所述数据集筛选具体步骤为筛选数据集(AT， }，根据经验选择主要的过程变量，验证各变量与密度D 的相关程度，保留主要的过程变量& = (7^ ，尸，丄)，其中7^为气相温度、 T)为液相温度、尸为蒸发器真空度和丄为浓縮液液位；去除数据集中的奇异样 本，保留具有代表性的数据，将其划分为训练样本和预测样本；4、 根据权利要求1所述的一种丹参注射液生产浓縮过程密度的软测量方 法，其特征是，步骤(3)所述软测量模型建立具体步骤为以A = (rg， 7}，户，丄)为自变量，Z)为因变量，使用训练数据集(J^j，AJ建立模型，预测数据集P^』W， D，J进行模型评价，① 建立密度的MLR软测量模型如下<formula>formula see original document page 3</formula>其中，e为误差项。由训练样本计算得到回归系数<formula>formula see original document page 3</formula>对预测集未知样本的模型估计为<formula>formula see original document page 3</formula>② 建立密度的PCR软测量模型如下<formula>formula see ...

【专利技术属性】
技术研发人员：瞿海斌，方利民，程翼宇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]