顶喷式流化床制粒工艺中颗粒水分预测研究
发布时间:2021-04-30 23:38
随着科学水平的发展,采用传统方式进行生产的流化床制粒设备,已经不能满足自动化、信息化的生产要求。制粒过程中的颗粒水分含量信息不能实时获取,对颗粒水分含量的影响因素不能准确把握,容易导致药物疗效达不到预期甚至造成制粒批次失败的后果。因此,对制粒过程中颗粒水分含量的实时准确获取具有重要意义。针对流化床制粒过程数据采集困难的问题,设计并改造现有的流化床设备,加装近红外探头和工艺参数传感器,为消除物料粉末沾到近红外探头上对光谱数据的影响,设计一套近红外探头吹扫装置,从而建立起流化床制粒过程数据采集平台。实验结果表明,建立的数据采集平台可以实时采集制粒过程中的工艺参数数据和近红外光谱数据。针对不能实时监测制粒过程颗粒水分数据、原始的近红外光谱信噪比较低等问题,利用归一化和SG卷积平滑结合的方法对近红外光谱数据进行数据预处理;并用随机森林方法对预处理后的光谱数据的波段进行选择,将125个波段降低到了 60个;对处理过后的光谱数据分别用PLS、PSO-SVR和PSO-KRR三种模型进行离线建模并进行在线验证,结果表明,在线验证中,PSO-KRR模型的RMSE为0.210,预测结果最佳,成功的完成了模...
【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】:91 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 流化床制粒技术概述及研究现状
1.2.1 流化床制粒技术概述
1.2.2 流化床制粒技术研究现状
1.3 流化床制粒工艺影响因素及研究现状
1.3.1 流化床制粒工艺影响因素概述
1.3.2 流化床制粒工艺研究现状
1.4 流化床制粒颗粒水分预测概述及研究现状
1.4.1 流化床制粒颗粒水分概述
1.4.2 NIR技术预测颗粒水分研究现状
1.4.3 制粒颗粒水分回归预测算法研究现状
1.5 论文主要研究内容
第2章 流化床制粒数据采集
2.1 流化床设备改造
2.1.1 实验用流化床
2.1.2 安装近红外光谱仪
2.1.3 近红外探头吹扫装置
2.1.4 工艺参数采集装置
2.2 数据采集
2.2.1 试验方案设计
2.2.2 水分数据采集
2.2.3 光谱数据采集
2.2.4 工艺参数数据采集
2.3 本章小结
第3章 基于NIRS的流化床制粒颗粒水分预测
3.1 光谱预处理
3.1.1 数据标度化
3.1.2 Savitzy-Golay卷积平滑法
3.1.3 标准正态变换
3.1.4 多元散射矫正
3.1.5 方法比较
3.2 波段选择
3.2.1 皮尔森相关系数法
3.2.2 随机森林法
3.3 颗粒水分校正模型建立
3.3.1 偏最小二乘法
3.3.2 粒子群-核岭回归
3.3.3 粒子群-支持向量回归
3.3.4 NIRS模型在线验证
3.4 本章小结
第4章 基于流化床制粒过程工艺参数的颗粒水分预测
4.1 颗粒水分与工艺参数相关性分析
4.1.1 颗粒水分数据在线采集
4.1.2 颗粒水分数据可视化
4.1.3 工艺参数相关性
4.2 BP神经网络回归预测
4.2.1 网络结构设计
4.2.2 激活函数选择
4.2.3 BP网络建模结果
4.3 XGBoost回归
4.3.1 XGBoost数学模型
4.3.2 构建树模型
4.3.3 XGBoost训练过程
4.3.4 XGBoost预测结果
4.4 Stacking模型融合
4.4.1 Stacking算法原理
4.4.2 构建Stacking模型
4.4.3 Stacking模型融合结果
4.5 工艺参数预测水分在线实验验证
4.6 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间取得的科研成果
致谢
学位论文评阅及答辩情况表
本文编号:3169704
【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】:91 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 流化床制粒技术概述及研究现状
1.2.1 流化床制粒技术概述
1.2.2 流化床制粒技术研究现状
1.3 流化床制粒工艺影响因素及研究现状
1.3.1 流化床制粒工艺影响因素概述
1.3.2 流化床制粒工艺研究现状
1.4 流化床制粒颗粒水分预测概述及研究现状
1.4.1 流化床制粒颗粒水分概述
1.4.2 NIR技术预测颗粒水分研究现状
1.4.3 制粒颗粒水分回归预测算法研究现状
1.5 论文主要研究内容
第2章 流化床制粒数据采集
2.1 流化床设备改造
2.1.1 实验用流化床
2.1.2 安装近红外光谱仪
2.1.3 近红外探头吹扫装置
2.1.4 工艺参数采集装置
2.2 数据采集
2.2.1 试验方案设计
2.2.2 水分数据采集
2.2.3 光谱数据采集
2.2.4 工艺参数数据采集
2.3 本章小结
第3章 基于NIRS的流化床制粒颗粒水分预测
3.1 光谱预处理
3.1.1 数据标度化
3.1.2 Savitzy-Golay卷积平滑法
3.1.3 标准正态变换
3.1.4 多元散射矫正
3.1.5 方法比较
3.2 波段选择
3.2.1 皮尔森相关系数法
3.2.2 随机森林法
3.3 颗粒水分校正模型建立
3.3.1 偏最小二乘法
3.3.2 粒子群-核岭回归
3.3.3 粒子群-支持向量回归
3.3.4 NIRS模型在线验证
3.4 本章小结
第4章 基于流化床制粒过程工艺参数的颗粒水分预测
4.1 颗粒水分与工艺参数相关性分析
4.1.1 颗粒水分数据在线采集
4.1.2 颗粒水分数据可视化
4.1.3 工艺参数相关性
4.2 BP神经网络回归预测
4.2.1 网络结构设计
4.2.2 激活函数选择
4.2.3 BP网络建模结果
4.3 XGBoost回归
4.3.1 XGBoost数学模型
4.3.2 构建树模型
4.3.3 XGBoost训练过程
4.3.4 XGBoost预测结果
4.4 Stacking模型融合
4.4.1 Stacking算法原理
4.4.2 构建Stacking模型
4.4.3 Stacking模型融合结果
4.5 工艺参数预测水分在线实验验证
4.6 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间取得的科研成果
致谢
学位论文评阅及答辩情况表
本文编号:3169704
本文链接:https://www.wllwen.com/kejilunwen/huaxuehuagong/3169704.html