【技术实现步骤摘要】
本专利技术属于原料混合及连续制粒，涉及药物颗粒关键质量属性监测与故障诊断问题，具体为一种基于变分自编码器和贡献图法的药物颗粒连续生产过程监测及故障诊断方法。
技术介绍
1、在过去的十年里，随着制药4.0(即工业4.0在制药领域的应用)的推动，连续制药模式因其能够提高药物生产效率、降低药物制造成本、提升药物产品质量以及增强生产的灵活性等优势，逐渐在制药行业中占据主导地位。
2、药品质量直接关系到患者的健康和安全，必须通过严格的监测来确保每批次药品符合标准。由于连续制药过程的复杂性和高效性，需要对各生产环节进行精准控制。实时监测关键质量属性和关键工艺参数能够及时发现异常情况，迅速进行故障诊断，避免质量问题的积累和生产中断，从而提高生产效率并降低成本。这对于保障药品质量和患者安全具有重要意义。
3、随着工业过程自动化和信息化的快速发展，工业生产中收集和存储了大量的数据，数据驱动的过程监控技术随之迅速发展。在连续制药过程监测领域，最流行的监测技术之一是多元统计分析(multivariate statistical process monitoring，mspm)，如主成分分析(principal component analysis，pca)、偏最小二乘(partial least squares，pls)等。
4、然而，现代工业生产过程日趋复杂，其过程变量间存在着高度的相关性与非线性。传统的mspm方法难以处理这种情况，进而影响其监控性能。为了解决非线性过程的监测问题，研究学者们提出了不同类型的监测
5、但是以上网络都不能很好的处理数据的非高斯性问题。数据的非线性和非高斯性直接影响到数据特征的提取。对数据的非线性和非高斯性进行处理，可以提取到数据的本质特征。
技术实现思路
1、为了解决现有技术存在的问题，本专利技术提供一种基于变分自编码器和贡献图法的药物颗粒连续生产过程监测及故障诊断方法。该专利技术不受先验知识的限制，能够捕捉数据中变量间的复杂关系和非线性特征、自适应的提取隐藏在原始数据中的特征信息、将高维数据映射到低维潜在空间中，实现数据的降维和特征提取，具有较强的适应性。
2、本专利技术的技术方案为：
3、所述一种基于变分自编码器和贡献图法的药物颗粒连续生产过程监测及故障诊断方法，其特征包括以下步骤：
4、步骤1：历史数据的收集和预处理：
5、使用所建立的旋转搅拌器及双螺杆挤出机湿法制粒模型对实际生产过程进行模拟，采集正常工作时包括搅拌器入口原料质量流量、赋形剂质量流量、搅拌器转速、搅拌器出口质量流量、黏合剂质量流量、双螺杆挤出机的螺杆转速、颗粒在设备内的平均停留时间、颗粒的粒度以及含水量等属性与操作变量。
6、利用下式对采集到的制粒过程历史生产数据进行标准化处理，作为训练集。
7、
8、其中，xjk为数据集中第k个变量的第j个数据，为数据集中第k个变量的均值，σk为数据集中第k个变量的标准差。
9、步骤2：建立变分自编码器模型：
10、所述变分自编码器模型由概率编码器和概率解码器两部分组成。
11、编码器模块由三层全连接层组成，输入维度为9，经过relu激活函数处理后，输出维度分别为128和64，最后输出潜在空间的均值和对数方差；通过重参数化技巧生成潜在向量z。解码器模块也由三层全连接层组成，输入维度为3，经过relu激活函数处理后，输出维度分别为64和128，最终输出维度为9，并采用sigmoid激活函数将潜在空间向量解码为高维输入数据形式，重构原始输入数据。
12、步骤3：对步骤2建立的变分自编码器模型进行训练：
13、在训练过程中，模型的优化步骤包括前向传播、损失计算和参数更新。前向传播时，输入数据通过编码器生成均值和对数方差，通过重参数化技巧得到潜在向量，再通过解码器生成重构数据。损失函数由重构损失和kl散度损失组成，前者衡量重构数据与原始输入数据的差异，后者衡量潜在空间分布与标准正态分布的差异。最后，根据总损失进行反向传播，更新编码器和解码器的参数。
14、步骤4：设计监测统计量并计算控制限：
15、将正常工作时的数据在潜在空间中生成的分布视为基准分布。监测数据在潜在空间中的分布与基准分布之间的kl散度被视为监测统计量，用来衡量监测数据偏离正常工况的程度，记为kld。
16、在控制限的计算过程中，首先将k组正常工作时的数据输入到变分自编码器模型中，计算其与基准分布之间的kld，并记录下来。其次使用核密度估计法来估计这组kld的概率密度函数，并在0.98的置信度下计算控制限。
17、步骤5：进行生产过程监测。
18、步骤6：计算各变量对监测统计量的贡献度，进而实现故障诊断。
19、为了评估每个变量对监测统计量kld的影响，本专利技术采用以下方法进行处理。
20、首先，有历史正常数据集x：
21、
22、式中，表示正常数据集中第i个变量对应的第n个数据。
23、其次，监测到的含异常的数据集x′：
24、
25、式中，为异常数据集中第p个变量对应的第n个数据。
26、为了分别计算各变量对监测统计量kld的影响，对数据进行以下处理：
27、
28、式中，xd(i)表示用异常数据中的第i个变量替换正常历史数据中的第i个变量，p表示对生产过程进行了p次采样。
29、将替换后的i组xd(i)分别送入变分自编码器监测模型计算其与基准分布之间的kl散度，记为kld(i)。
30、因此，各变量对kld的贡献度r可由下式计算：
31、
32、通过上述方法，能够分析每个变量对kld的贡献度，进而更准确地定位故障发生位置。
33、本专利技术的有益效果为：本专利技术通过引入变分自编码器结合贡献图法，实现了药物颗粒生产过程的高精度监测和故障诊断。该方法自适应地提取隐藏在原始数据中的复杂非线性特征，并将高维数据映射到低维潜在空间，提高了监测精度和故障诊断能力。与传统方法相比，本专利技术能更早发现和定位潜在故障，避免质量问题积累，具有较强的适应性，适应不同生产环境和工艺条件，提升生产效率，降低生产成本。同时，本专利技术在本文档来自技高网...
【技术保护点】
1.一种基于变分自编码器和贡献图法的药物颗粒连续生产过程监测及故障诊断方法，其特征包括以下步骤：
2.根据权利要求1所述的基于变分自编码器与贡献图法的药物颗粒质量检测方法，其特征在于，编码器模块由三层全连接层组成，输入维度为9，经过ReLU激活函数处理后，输出维度分别为128和64，最后输出潜在空间的均值和对数方差；通过重参数化技巧生成潜在向量z。解码器模块也由三层全连接层组成，输入维度为3，经过ReLU激活函数处理后，输出维度分别为64和128，最终输出维度为9，并采用Sigmoid激活函数将潜在空间向量解码为高维输入数据形式，重构原始输入数据。
3.根据权利要求1所述的方法，其特征在于，步骤1中所述关键属性与操作变量包括搅拌器入口原料质量流量、赋形剂质量流量、搅拌器转速、搅拌器出口质量流量、黏合剂质量流量、双螺杆挤出机的螺杆转速、颗粒在设备内的平均停留时间、颗粒的粒度以及含水量。
4.根据权利要求1所述的方法，其特征在于，步骤6中通过将异常数据中的第i个变量替换正常历史数据中的第i个变量，计算替换后数据与基准分布之间的KL散度，以评估各变量
...【技术特征摘要】
1.一种基于变分自编码器和贡献图法的药物颗粒连续生产过程监测及故障诊断方法，其特征包括以下步骤：
2.根据权利要求1所述的基于变分自编码器与贡献图法的药物颗粒质量检测方法，其特征在于，编码器模块由三层全连接层组成，输入维度为9，经过relu激活函数处理后，输出维度分别为128和64，最后输出潜在空间的均值和对数方差；通过重参数化技巧生成潜在向量z。解码器模块也由三层全连接层组成，输入维度为3，经过relu激活函数处理后，输出维度分别为64和128，最终输出维度为9，并采用sigmoid激活函数...
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。