一种微流控芯片的温度控制系统及方法与流程

摘要: 本发明涉及微流控芯片,具体是涉及一种微流控芯片的温度控制系统及方法。背景技术:1、在微流控芯片技术领域,温度控制是至关重要的环节,微流控芯片广泛应用于生物分析、...
一种微流控芯片的温度控制系统及方法与流程

本发明涉及微流控芯片,具体是涉及一种微流控芯片的温度控制系统及方法。

背景技术:

1、在微流控芯片技术领域,温度控制是至关重要的环节,微流控芯片广泛应用于生物分析、化学合成、医学诊断等诸多领域,例如在生物样本的pcr扩增反应中,精确的温度控制直接影响反应的效率和准确性;在化学合成过程中,合适的温度条件是保证合成产物质量和产率的关键因素。

2、传统的微流控芯片温度控制方法主要基于反馈式控制,通过实时监测芯片温度,当温度出现偏差时,再对加热或冷却装置进行调整,然而这种反馈控制通常是在温度偏差已经发生后才进行调节,因此会出现调节滞后的问题,进而难以实现快速且精准的温度控制,特别是在一些对温度变化极为敏感的实验和生产过程中,这种滞后会导致实验失败或产品质量下降;

3、此外,现有的部分温度控制系统虽然也考虑了一些影响因素,但往往缺乏对多种复杂因素的综合分析和预测,无法提前对温度波动进行有效的干预,导致温度控制的精度和稳定性难以满足实际的需求。

4、于是有鉴于此,本发明提出一种微流控芯片的温度控制系统及方法以弥补和改善现有技术的欠缺之处。

技术实现思路

1、为解决上述技术问题,本发明提供了一种微流控芯片的温度控制系统及方法,以解决上述背景技术中提出的相应技术问题。

2、为达到以上目的,本发明采用的技术方案为:一种微流控芯片的温度控制系统,包括数据采集单元、波动预测单元、前馈补偿单元以及执行单元;

3、所述数据采集单元用于通过分布式温度传感器对微流控芯片不同区域进行实时温度采集,获取各点温度数据,通过环境温度监测装置获取微流控芯片所处环境的环境温度数据,采用流体属性检测设备采集流经微流控芯片流体的热导率数据、比热容数据,利用流速传感器获取流体流速数据,并将温度数据、环境温度数据、热导率数据、比热容数据以及流体流速数据整合为基础数据,发送至波动预测单元;

4、所述波动预测单元用于获取基础数据,从历史数据库中获取历史数据,基于深度学习算法构建温度波动预测模型,使用历史数据对温度波动预测模型进行训练,将获取的基础数据输入到已训练好的温度波动预测模型中,对未来温度波动趋势进行预测,以输出温度波动预测结果,并将温度波动预测结果发送至前馈补偿单元;

5、所述前馈补偿单元用于获取温度波动预测结果,结合预设的温度控制目标值,通过预设的算法逻辑,分析温度波动预测结果与预设的温度控制目标值之间的差异,生成前馈补偿策略,计算得到调整量,基于调整量生成对应的控制指令,并将控制指令发送至执行单元;

6、所述执行单元用于获取控制指令并执行。

7、作为优选的,所述波动预测单元包括数据预处理模块、模型训练模块、以及预测推理模块;

8、所述数据预处理模块用于对基础数据进行归一化处理和缺失值填充;

9、所述模型训练模块采用长短期记忆网络构建温度波动预测模型,并通过历史数据进行迭代优化;

10、所述预测推理模块用于将实时基础数据输入到已训练好的温度波动预测模型中,以输出未来时刻的温度预测值及置信区间。

11、作为优选的,输出温度波动预测结果的具体过程如下:

12、s101、获取基础数据,从历史数据库中获取历史数据并处理,采用长短期记忆网络构建温度波动预测模型,将处理好的历史数据按照8:2划分为训练集与验证集,使用训练集对温度波动预测模型进行训练,通过反向传播算法不断调整温度波动预测模型的权重参数,使温度波动预测模型的预测结果与实际值之间的误差最小化,使用验证集对温度波动预测模型进行验证,评估温度波动预测模型的泛化能力,根据验证结果调整温度波动预测模型的超参数,得到训练好的温度波动预测模型;

13、s102、将处理好的基础数据输入到已训练好的温度波动预测模型中,通过温度波动预测模型中的每个神经元对输入数据进行加权求和,并加上偏置项,通过激活函数进行非线性变换,经过多层神经元的计算和传递,最终输出层给出未来时刻的温度预测值

tpred;

14、基于预设的置信水平,计算置信区间[tpred- zpred, tpred+ zpred];

15、其中,pred为温度预测值的标准差;

16、z为对应置信水平的标准正态分布分位数;

17、s103、将预测得到的未来时刻的温度预测值及置信区间进行整合,形成完整的温度波动预测结果,发送至前馈补偿单元。

18、作为优选的,所述前馈补偿单元包括补偿策略生成模块、以及指令编码模块;

19、所述补偿策略生成模块用于根据偏差量和系统热时间常数确定前馈补偿的提前作用时刻和补偿强度;

20、所述指令编码模块用于将前馈补偿策略转换为执行单元可识别的数字控制信号;

21、其中,所述系统热时间常数用于反映系统对温度变化的响应速度;

22、所述提前作用时刻根据系统热时间常数确定。

23、作为优选的,所述提前作用时刻设定为系统热时间常数的三分之一至二分之一;

24、其中,所述系统热时间常数与系统热响应延迟时间满足预设对应关系;

25、所述系统热响应延迟时间根据系统热时间常数确定。

26、作为优选的,计算得到调整量的具体过程如下:

27、s201、获取温度波动预测结果

tpred=[

tpred1,

tpred2,....,

tpredn],结合预设的温度控制目标值

ttar,逐个计算每个预测时刻的温度差异ti,用于反映预测温度值与温度控制目标值之间的偏离程度,其公式为:

ti=

tpredi-

ttar, i = 1,2,,n,其中,

tpredi表示第i个时刻的温度预测值,n表示时刻总数,i表示序号数;

28、s202、基于计算得到的温度差异

ti,结合系统热时间常数确定前馈补偿的提前作用时刻tad和补偿强度kcom;

29、所述系统热时间常数用于反映系统对温度变化的响应速度;

30、所述提前作用时刻计算公式为:tad=1/3至tad=1/2;

31、所述补偿强度kcom采用比例关系计算,其公式为:kcom=k[(i=1 to n)|

ti| / n],其中,k是调整系数,(i=1 to n)|

ti| / n表示所有预测时刻温度差异绝对值的平均值,用于反映整体的温度偏离程度;

32、s203、根据生成的前馈补偿策略,计算对加热功率的调整量

ua:

33、设当前加热功率为p,则调整后的加热功率

p'=

p+

ua,其中,

ua=

kcom(i=1 to n)

ti;

34、计算对冷却流量的调整量

ub:

35、设当前冷却流量为q,则调整后的冷却流量q' = q-

ub,其中,

ub=

kcool(i=1 to n)

ti;

36、其中,

kcool为冷却调整系数,且

kcool

kcom;

37、当(i=1 to n)

ti>0时,表示预测温度高于目标温度,需要降温,则增大冷却流量、减小加热功率;

38、当(i=1 to n)

ti<0 时,表示预测温度低于目标温度,需要升温,则增大加热功率、减小冷却流量;

39、s204、将计算得到的调整量转换为执行单元可识别的数字控制信号,根据调整量的类型和大小,按照预先设定的编码规则生成对应的控制指令。

40、一种微流控芯片的温度控制方法,包括以下步骤:

41、步骤一、通过分布式温度传感器对微流控芯片不同区域进行实时温度采集,获取各点温度数据,通过环境温度监测装置获取微流控芯片所处环境的环境温度数据,采用流体属性检测设备采集流经微流控芯片流体的热导率数据、比热容数据,利用流速传感器获取流体流速数据,并将温度数据、环境温度数据、热导率数据、比热容数据以及流体流速数据整合为基础数据;

42、步骤二、获取基础数据,从历史数据库中获取历史数据,基于深度学习算法构建温度波动预测模型,使用历史数据对温度波动预测模型进行训练,将获取的基础数据输入到已训练好的温度波动预测模型中,对未来温度波动趋势进行预测,以输出温度波动预测结果;

43、步骤三、获取温度波动预测结果,结合预设的温度控制目标值,通过预设的算法逻辑,分析温度波动预测结果与预设的温度控制目标值之间的差异,生成前馈补偿策略,计算得到调整量,基于调整量生成对应的控制指令;

44、步骤四、获取控制指令并执行。

45、与现有技术相比,本发明的有益效果是:通过分布式温度传感器对微流控芯片不同区域进行实时温度采集,获取各点温度数据,通过环境温度监测装置获取微流控芯片所处环境的环境温度数据,采用流体属性检测设备采集流经微流控芯片流体的热导率数据、比热容数据,利用流速传感器获取流体流速数据,并整合为基础数据,从历史数据库中获取历史数据,构建温度波动预测模型,将获取的基础数据输入到已训练好的温度波动预测模型中,对未来温度波动趋势进行预测,以输出温度波动预测结果,结合预设的温度控制目标值,通过预设的算法逻辑,分析温度波动预测结果与预设的温度控制目标值之间的差异,生成前馈补偿策略,计算得到调整量,基于调整量生成对应的控制指令并执行,能够更精准地控制微流控芯片的温度,将温度波动控制在更小的范围内,满足各种精密实验和生产对温度精度的要求,并实现在温度偏差发生前就对控制参数进行调整,有效避免了传统反馈控制的滞后问题,实现了对微流控芯片温度的精准、快速控制,大大提高了温度控制的响应速度,减少了温度变化对实验和生产过程的影响,提高了工作效率,进而减少了因温度波动导致的实验失败或产品质量问题,提高了微流控芯片在各种应用场景下的可靠性和稳定性。