隨著科學(xué)水平的發(fā)展,采用傳統(tǒng)方式進(jìn)行生產(chǎn)的流化床制粒設(shè)備,已經(jīng)不能滿足自動(dòng)化、信息化的生產(chǎn)要求。制粒過程中的顆粒水分含量信息不能實(shí)時(shí)獲取,對(duì)顆粒水分含量的影響因素不能準(zhǔn)確把握,容易導(dǎo)致藥物療效達(dá)不到預(yù)期甚至造成制粒批次失敗的后果。因此,對(duì)制粒過程中顆粒水分含量的實(shí)時(shí)準(zhǔn)確獲取具有重要意義。針對(duì)流化床制粒過程數(shù)據(jù)采集困難的問題,設(shè)計(jì)并改造現(xiàn)有的流化床設(shè)備,加裝近紅外探頭和工藝參數(shù)傳感器,為消除物料粉末沾到近紅外探頭上對(duì)光譜數(shù)據(jù)的影響,設(shè)計(jì)一套近紅外探頭吹掃裝置,從而建立起流化床制粒過程數(shù)據(jù)采集平臺(tái)。實(shí)驗(yàn)結(jié)果表明,建立的數(shù)據(jù)采集平臺(tái)可以實(shí)時(shí)采集制粒過程中的工藝參數(shù)數(shù)據(jù)和近紅外光譜數(shù)據(jù)。針對(duì)不能實(shí)時(shí)監(jiān)測(cè)制粒過程顆粒水分?jǐn)?shù)據(jù)、原始的近紅外光譜信噪比較低等問題,利用歸一化和SG卷積平滑結(jié)合的方法對(duì)近紅外光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理;并用隨機(jī)森林方法對(duì)預(yù)處理后的光譜數(shù)據(jù)的波段進(jìn)行選擇,將125個(gè)波段降低到了 60個(gè);對(duì)處理過后的光譜數(shù)據(jù)分別用PLS、PSO-SVR和PSO-KRR三種模型進(jìn)行離線建模并進(jìn)行在線驗(yàn)證,結(jié)果表明,在線驗(yàn)證中,PSO-KRR模型的RMSE為0.210,預(yù)測(cè)結(jié)果最佳,成功的完成了模... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 流化床制粒技術(shù)概述及研究現(xiàn)狀
        1.2.1 流化床制粒技術(shù)概述
        1.2.2 流化床制粒技術(shù)研究現(xiàn)狀
    1.3 流化床制粒工藝影響因素及研究現(xiàn)狀
        1.3.1 流化床制粒工藝影響因素概述
        1.3.2 流化床制粒工藝研究現(xiàn)狀
    1.4 流化床制粒顆粒水分預(yù)測(cè)概述及研究現(xiàn)狀
        1.4.1 流化床制粒顆粒水分概述
        1.4.2 NIR技術(shù)預(yù)測(cè)顆粒水分研究現(xiàn)狀
        1.4.3 制粒顆粒水分回歸預(yù)測(cè)算法研究現(xiàn)狀
    1.5 論文主要研究內(nèi)容
第2章 流化床制粒數(shù)據(jù)采集
    2.1 流化床設(shè)備改造
        2.1.1 實(shí)驗(yàn)用流化床
        2.1.2 安裝近紅外光譜儀
        2.1.3 近紅外探頭吹掃裝置
        2.1.4 工藝參數(shù)采集裝置
    2.2 數(shù)據(jù)采集
        2.2.1 試驗(yàn)方案設(shè)計(jì)
        2.2.2 水分?jǐn)?shù)據(jù)采集
        2.2.3 光譜數(shù)據(jù)采集
        2.2.4 工藝參數(shù)數(shù)據(jù)采集
    2.3 本章小結(jié)
第3章 基于NIRS的流化床制粒顆粒水分預(yù)測(cè)
    3.1 光譜預(yù)處理
        3.1.1 數(shù)據(jù)標(biāo)度化
        3.1.2 Savitzy-Golay卷積平滑法
        3.1.3 標(biāo)準(zhǔn)正態(tài)變換
        3.1.4 多元散射矯正
        3.1.5 方法比較
    3.2 波段選擇
        3.2.1 皮爾森相關(guān)系數(shù)法
        3.2.2 隨機(jī)森林法
    3.3 顆粒水分校正模型建立
        3.3.1 偏最小二乘法
        3.3.2 粒子群-核嶺回歸
        3.3.3 粒子群-支持向量回歸
        3.3.4 NIRS模型在線驗(yàn)證
    3.4 本章小結(jié)
第4章 基于流化床制粒過程工藝參數(shù)的顆粒水分預(yù)測(cè)
    4.1 顆粒水分與工藝參數(shù)相關(guān)性分析
        4.1.1 顆粒水分?jǐn)?shù)據(jù)在線采集
        4.1.2 顆粒水分?jǐn)?shù)據(jù)可視化
        4.1.3 工藝參數(shù)相關(guān)性
    4.2 BP神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)
        4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.2.2 激活函數(shù)選擇
        4.2.3 BP網(wǎng)絡(luò)建模結(jié)果
    4.3 XGBoost回歸
        4.3.1 XGBoost數(shù)學(xué)模型
        4.3.2 構(gòu)建樹模型
        4.3.3 XGBoost訓(xùn)練過程
        4.3.4 XGBoost預(yù)測(cè)結(jié)果
    4.4 Stacking模型融合
        4.4.1 Stacking算法原理
        4.4.2 構(gòu)建Stacking模型
        4.4.3 Stacking模型融合結(jié)果
    4.5 工藝參數(shù)預(yù)測(cè)水分在線實(shí)驗(yàn)驗(yàn)證
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的科研成果
致謝
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3169704