一种中药炒制工艺参数的数据采集与智能优化方法及系统与流程

本发明涉及生物制药，尤其涉及一种中药炒制工艺参数的数据采集与智能优化方法及系统。

背景技术：

1、在中医理论的指导下，按中医用药要求将中药材加工成中药饮片的传统方法和技术，称为中药炮制。炒制属于中药炮制的火制中最古老、最基础的方法，专指将药材放在锅内加热并不断翻动至一定程度的加工方法，通过控制火候不断翻动，使药材均匀受热。

2、现有炒制工艺多通过炒药机实现，因炒药机能够精确控制炒制的温度、时间和翻炒的速度等炒制工艺参数，大大提高了生产效率，减少了人工操作的体力消耗。为解决人工控制炒制过程中的药材投放量问题，现有的炒制机在投料箱中除了设置放药材的储料槽，还设置有圆型凹槽，该凹槽由可转动的两个圆盘、圆盘间的中间杆以及多块可移动的分隔板组成，这些分隔板把两个圆盘中间的空间均匀分成一格一格，从而保证每次的药材投放量的体积一致，从而有利于对比控制每次的炒制参数。

3、基于这种炒药机实现炒制工艺参数的采集与寻优存在多方面的局限性：分隔板的伸缩量和圆盘的转速决定了单次药材投放量，而单次药材投放量直接改变锅内药材的堆积厚度、热传导效率，反之锅内高温烟气、药材湿度、药材产地、粉碎度等改变药材的堆积密度，同等体积下实际重量存在差异，进而导致炒制工艺参数存在偏差；因前面炒制余热、水汽，分隔板中的药材的含水率以及堆积密度会持续变化，进一步加剧实际重量的波动，进而影响锅内热量的分布均匀性。因此，亟需一种能够解决固定体积下进行中药的炒制工艺参数采集与优化方法。

技术实现思路

1、本技术提供一种中药炒制工艺参数的数据采集与智能优化方法及系统，以解决现有技术中存在的炒制工艺参数寻优效率低的问题。

2、本技术提供了一种中药炒制工艺参数的数据采集与智能优化方法及系统，包括：

3、以多个炒制工艺参数为试验因素实施两水平的第一正交试验，采集反映各项炒制性能指标的第一炒制性能数据形成第一炒制性能数据集；所述两水平为基于各炒制工艺参数的取值范围划分的高水平和低水平；

4、基于第一炒制性能数据集，通过极差分析法生成各炒制工艺参数对炒制性能指标影响程度顺序，通过方差分析法判断各炒制工艺参数对炒制性能指标影响的显著性，筛选得到显著炒制工艺参数；

5、以筛选得到的显著炒制工艺参数为试验因素，实施包括多个水平的第二正交试验以采集第二炒制性能数据集，基于第二炒制性能数据集提取响应面试验初始数据，所述响应面试验初始数据包括各显著炒制工艺参数的寻优区间和响应面中心点；

6、基于所述响应面试验初始数据设计并实施响应面试验，采集响应面试验的第三炒制性能数据集构建响应面模型，并通过所述响应面模型进行炒制工艺参数寻优，得到最优炒制工艺参数组合。

7、可选地，所述基于第一炒制性能数据集，通过极差分析法生成各炒制工艺参数对炒制性能指标影响的权重顺序，通过方差分析法判断各炒制工艺参数对炒制性能指标影响的显著性，筛选得到显著炒制工艺参数包括：

8、针对每一项炒制性能指标，基于第一炒制性能数据集分别进行极差分析，得到各炒制工艺参数对应于该项炒制性能指标的第一极差，加权求和各炒制工艺参数的多个第一极差得到各炒制工艺参数的第一影响程度；

9、针对每一项炒制性能指标，基于第一炒制性能数据集分别进行方差分析，得到各炒制工艺参数对应于该项炒制性能指标的第一方差，方差反映了数据的波动程度，基于第一方差得到的f值查询获取该炒制工艺参数对应于该项炒制性能指标的第一显著性p值；数值越小，影响越显著；

10、将满足以下条件的炒制工艺参数记为显著炒制工艺参数：所述第一影响程度大于预设极差阈值，且对于每一项炒制性能指标对应的第一显著性p值均小于预设显著性阈值；其余记为不显著炒制工艺参数；通过两项指标叠加判断可以降低单维度判定导致的误判；

11、将任一项炒制性能指标对应的第一显著性p值处于预设显著性临界区间内的不显著炒制工艺参数标记为待判定参数；计算第一正交试验中各组试验的投料质量与平均投料质量的相对偏差，若相对偏差小于预设偏差阈值，则将该组试验对应的待判定参数重新记为显著炒制工艺参数；以减少因质量影响的第一显著性值轻度偏离预设的显著性值被误判的情况。

12、本技术中通过少量的第一正交试验确定的参数区间有利于第二正交试验的高效寻优，减少了无效试验的次数。

13、可选地，在所述基于第二炒制性能数据集提取响应面试验初始数据之前，还包括：

14、基于第二炒制性能数据集，分别计算各显著炒制工艺参数的第二极差和第二显著性p值；

15、加权求和各炒制工艺参数的多个第二极差得到各炒制工艺参数的第二影响程度；

16、按照从大到小的顺序对显著炒制工艺参数的第一影响程度和第二影响程度分别进行排序，若两次排序结果一致，且所有第二显著性值均小于预设显著性阈值，则判定第二正交试验合格，则表明该参数对炒制效果的调控规律稳定，继续执行响应面试验初始数据的提取步骤；否则判定第二正交试验不合格，重新实施第二正交试验。

17、通过上述试验结果的一致性判定，确保第一正交试验和第二正交试验的可靠性，进而保证响应面试验初始数据的可信度，提高了炒制工艺参数寻优的效率与准确性。

18、可选地，所述基于第二炒制性能数据集提取响应面试验初始数据，包括：

19、加权融合第二炒制性能数据集中各次试验的各项炒制性能指标数据，得到第二正交试验中各次试验的综合炒制性能值；对同一显著炒制工艺参数在不同水平下的综合炒制性能值取平均，得到该显著炒制工艺参数的综合平均炒制性能值；

20、以显著炒制工艺参数的取值为横坐标、综合平均炒制性能值为纵坐标，绘制综合响应曲线图；

21、以综合响应曲线图中峰值对应的横坐标为该显著炒制工艺参数的响应面中心点；将各显著炒制工艺参数的响应面中心点组合，形成初始响应面，并以所述响应面中心点左右各延伸两个试验水平步长为对应的初始寻优区间；

22、针对每一个显著炒制工艺参数，计算第二极差与所述预设极差阈值的差值作为第二极差偏差量，计算第二显著性p值与所述预设显著性阈值的差值作为第二显著性偏差量；基于第二极差偏差量与第二显著性偏差量，通过预设映射规则得到区间调节量，其中第二极差偏差量越大，寻优区间缩小幅度越大；第二显著性偏差量越大，寻优区间放大幅度越大；

23、通过所述区间调节量对初始寻优区间进行缩放调整，得到最终的寻优区间。

24、可选地，所述加权融合第二炒制性能数据集中各次试验的各项炒制性能指标数据，得到第二正交试验中各次试验的综合炒制性能值包括：

25、按照critic法对各第二炒制性能数据进行客观赋权，得到各炒制性能指标的第一权重；

26、获取多位中药炒制专家对各项炒制性能指标的重要度赋值，按照层次分析法构建两两比较判别矩阵，计算得到各炒制性能指标的第二权重；

27、对每项炒制性能指标，计算其第一权重与第二权重的乘积；将所有炒制性能指标的所述乘积求和得到总乘积；将该项炒制性能指标的所述乘积与所述总乘积的比值作为该项炒制性能指标的复合权重；

28、基于所述复合权重对所述第二炒制性能数据集中的各项炒制性能指标数据进行加权求和，得到各次试验的综合炒制性能值。

29、可选地，所述采集响应面试验的第三炒制性能数据集构建响应面模型包括：

30、采用包含一次项、交互项与平方项的多项式回归函数对第三炒制性能数据集中显著炒制工艺参数与炒制性能指标之间的映射关系进行拟合，得到由回归拟合系数确定的初始响应面模型；

31、固定所述初始响应面模型中其余显著炒制工艺参数取值，绘制任意两两显著炒制工艺参数对应的响应面图；

32、通过多个响应面图对所述初始响应面模型进行交叉验证，在验证通过后输出最终的响应面模型。

33、可选地，所述通过多个响应面图对所述初始响应面模型进行交叉验证，在验证通过后输出最终的响应面模型，包括：

34、获取各响应面图中的多个极值点，基于多个极值点对所述响应面模型进行交叉验证：

35、当各极值点交叉验证通过，则输出所述响应面模型，否则提示验证不通过，重新构建响应面模型。

36、可选地，所述通过所述响应面模型进行炒制工艺参数寻优，得到最优炒制工艺参数组合，包括：

37、提取预设的各炒制性能指标数据合格区间，通过该区间对所述极值点进行分类，确定对应的极值点类型，所述极值点类型包括炒制不足、炒制最优、炒制过度；

38、通过所述极值点类型获取各炒制性能指标的合格区间；

39、以综合炒制性能值最大化为目标，采用梯度上升法对响应面模型进行迭代寻优；每次迭代以当前炒制工艺参数组合为迭代点，计算综合炒制性能目标函数对各显著炒制工艺参数的偏导数；

40、当迭代点对应的所有偏导数绝对值均小于预设梯度阈值时，判定迭代收敛，将当前参数组合作为候选最优参数组合；否则沿梯度上升方向调整各炒制工艺参数取值，进入下一轮迭代；

41、校验候选最优参数组合对应的各项炒制性能指标是否均落在各炒制性能指标的合格区间内，若满足则作为最优炒制工艺参数组合输出，否则更换迭代初始点重新寻优。

42、可选地，在得到所述最优炒制工艺参数组合之后，还包括进行参数的验证与调整，包括：

43、采用所述最优炒制工艺参数组合进行多次重复炒制试验，采集各项炒制性能指标对应的第四炒制性能数据集；

44、基于所述第四炒制性能数据集进行趋势分析，将不在各炒制性能指标的合格区间内的第四炒制性能数据记为异常波动数据；

45、通过响应面模型计算最优炒制工艺参数组合对应的预测炒制性能数据，计算预测炒制性能指标数据与所述异常波动数据的差值作为响应误差值，若多个响应误差值均不小于预设响应误差阈值，则将第四炒制性能数据集补充至第三炒制性能数据集，并计算异常波动数据与最优炒制工艺参数组合中的各显著炒制工艺参数分别进行相关性分析得到对应的相关系数，增大相关系数最大的显著炒制工艺参数的回归权重对所述响应面模型重新拟合。

46、本技术提供了一种中药炒制工艺参数的数据采集与智能优化系统，包括：

47、第一正交试验执行模块，用于以多个炒制工艺参数为试验因素实施两水平的第一正交试验，采集反映各项炒制性能指标的第一炒制性能数据形成第一炒制性能数据集；所述两水平为基于各炒制工艺参数的取值范围划分的高水平和低水平；

48、第一正交试验分析模块，用于基于第一炒制性能数据集，通过极差分析法生成各炒制工艺参数对炒制性能指标影响程度顺序，通过方差分析法判断各炒制工艺参数对炒制性能指标影响的显著性，筛选得到显著炒制工艺参数；

49、第二正交试验执行与分析模块，用于以筛选得到的显著炒制工艺参数为试验因素，实施包括多个水平的第二正交试验以采集第二炒制性能数据集，基于第二炒制性能数据集提取响应面试验初始数据，所述响应面试验初始数据包括各显著炒制工艺参数的寻优区间和响应面中心点；

50、响应面试验执行与寻优模块，用于基于所述响应面试验初始数据设计并实施响应面试验，采集响应面试验的第三炒制性能数据集构建响应面模型，并通过所述响应面模型进行炒制工艺参数寻优，得到最优炒制工艺参数组合。

51、本发明实施例提供的技术方案带来的有益效果至少包括：

52、1、本技术中通过设置两水平的第一正交试验获取第一炒制性能数据集，通过极差分析法和方差分析法确定多个显著炒制工艺参数，从而减少寻优的参数数量，缩小寻优的参数区间，然后以显著炒制工艺参数为自变量进行多水平的第二正交试验，以确定以显著炒制工艺参数为自变量的响应面试验初始数据，以更精准的参数区间进行响应面试验的效率更高，最后在响应面试验后利用采集的数据构建响应面模型，通过构建的响应面模型进行寻优得到最优炒制工艺参数组合，从而实现了对指定中药的炒制工艺参数的高效寻优，解决了现有技术中存在的炒制工艺参数寻优效率低的问题。

53、2、对于本技术涉及的试验，本技术首先对待判定参数的质量偏差进行判定，将偏差合格的参数重新记为显著炒制工艺参数，规避因投料体积一致但质量不一致出现的误判，从而保证了第二正交试验中自变量的可靠性，其次将通过第二极差确定的显著炒制工艺参数的影响顺序与通过第一极差确定的顺序进行比对，以判定第二正交试验是否合格，提高了响应面试验的寻优区间可靠性，最后在对各第二炒制性能数据进行加权求和以得到反映指定中药炒制效果的综合炒制性能值时，结合了critic法和层次分析法进行复合赋权，既能顾及人为规定的要求又能避免过度主观导致的误差，在保证综合炒制性能值的准确的情况下提高了响应面试验初始数据的可靠性。

54、3、对于基于响应面模型寻优，本技术首先通过绘制的响应面图对响应面模型进行交叉验证，以确保响应面模型的合格，然后通过合格的响应面模型确定的各显著炒制工艺参数的梯度与预设的梯度阈值的关系，叠加优化目标删选出合格的最优炒制工艺参数组合，最后对通过最优炒制工艺参数组合进行多次炒制得到的数据验证。

55、4、对于交叉验证，本技术中考虑对炒制不足、炒制最优和炒制过度三方面的极值，当所有极值点对响应面模型进行交叉验证都通过才表明响应面模型可以输出，兼顾了炒制工艺参数中对于指定中药炒制性能的非单调性表征特性。

56、本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。