一种蛋白纯化工艺的操作参数优化方法及系统与流程

本技术涉及蛋白纯化，尤其涉及一种蛋白纯化工艺的操作参数优化方法及系统。

背景技术：

1、在生物制药下游纯化工艺开发与生产中，数字孪生技术被广泛用于模拟和优化工艺过程。现有技术通常采用纯机理模型或纯数据驱动模型构建数字孪生体。然而，纯机理模型依赖于传质系数、扩散系数等大量先验参数，这些参数在实际复杂工况下难以准确获取，导致模型预测偏差较大；而纯数据驱动模型虽然拟合能力强，但缺乏物理定律约束，容易出现违反质量守恒等不合理预测，且在原料波动或设备老化等工况变化下极易发生模型漂移失效。此外，现有的模型更新机制多为离线重训练，无法适应连续生物制造中对实时性和稳健性的要求，导致工艺开发周期长、在线控制精度不足。

2、因此，急需一种能够兼顾物理一致性与数据拟合能力，且具备在线自适应校准能力的蛋白纯化工艺的操作参数优化方法。

技术实现思路

1、鉴于上述问题，本技术提供了一种蛋白纯化工艺的操作参数优化方法及系统，以在蛋白纯化工艺操作参数优化过程中，兼顾物理一致性与数据拟合能力，且具备在线自适应校准能力。具体方案如下：

2、本技术第一方面提供一种蛋白纯化工艺的操作参数优化方法，包括：

3、获取蛋白纯化工艺运行过程中的多种工艺数据，所述多种工艺数据包括传感器采集的监测数据和工艺操作参数数据；

4、通过混合数字孪生模型处理所述多种工艺数据以输出蛋白纯化工艺状态预测值，所述混合数字孪生模型包含机理编码模块与数据补偿模块，所述机理编码模块基于蛋白纯化的物理机理模型生成基础预测结果，所述数据补偿模块对所述基础预测结果进行残差补偿；

5、在蛋白纯化工艺运行期间，获得所述蛋白纯化工艺状态预测值与蛋白纯化工艺状态实测值之间的预测偏差，并检测所述多种工艺数据的数据分布漂移；

6、响应于所述预测偏差或所述数据分布漂移满足预设校准条件，对所述混合数字孪生模型执行增量更新，并对更新后的所述混合数字孪生模型进行物理约束校验；

7、以通过物理约束校验的所述混合数字孪生模型作为代理模型，以多个关键质量指标为优化目标，在蛋白纯化工艺的参数空间中搜索满足预设工艺约束条件的最优操作参数。

8、在一种可能的实现中，所述机理编码模块包括将用于使输出满足物理约束的所述物理机理模型嵌入基础层的神经网络模型；

9、所述数据补偿模块采用残差网络结构，用于学习所述物理机理模型无法解释的预测偏差；

10、所述蛋白纯化工艺状态预测值为所述基础预测结果与所述数据补偿模块输出的残差补偿值之和。

11、在一种可能的实现中，所述物理机理模型包括传质方程和吸附等温线模型；

12、所述混合数字孪生模型的损失函数包括均方误差损失项和物理约束惩罚项，所述物理约束惩罚项用于对违反质量守恒定律的预测结果施加惩罚。

13、在一种可能的实现中，响应于所述预测偏差或所述数据分布漂移满足预设校准条件，对所述混合数字孪生模型执行增量更新，包括：

14、当所述预测偏差超过历史偏差标准差的预设倍数，或所述数据分布漂移的检测统计量超过预设漂移阈值时，利用新采集的运行数据对所述混合数字孪生模型进行参数更新，其中，所述新采集的运行数据在更新过程中的权重随其距离当前时间的时间间隔呈指数衰减。

15、在一种可能的实现中，所述数据分布漂移的检测统计量通过page-hinkley检验或kolmogorov-smirnov检验计算得到；

16、所述物理约束校验包括质量守恒方程校验和热力学平衡约束校验；

17、若所述更新后的模型输出违反所述质量守恒方程校验或所述热力学平衡约束校验，则将对应的预测结果标记为不可靠，且不用于后续的工艺参数寻优。

18、在一种可能的实现中，所述在蛋白纯化工艺的参数空间中搜索满足预设工艺约束条件的最优操作参数，包括：

19、基于所述混合数字孪生模型的预测输入输出关系构建高斯过程模型，并以所述高斯过程模型为评估模型、采用期望改进或期望超体积改进作为采集函数，在所述蛋白纯化工艺的参数空间中执行多目标帕累托优化；

20、输出帕累托前沿上的非支配解集，并将满足预设约束条件的非支配解作为所述最优操作参数。

21、在一种可能的实现中，还包括：将所述最优操作参数下发至控制系统执行控制。

22、在一种可能的实现中，所述将所述最优操作参数下发至控制系统执行控制，包括：

23、在每个控制周期内，通过所述混合数字孪生模型预测未来预设时域内的工艺状态轨迹；

24、在所述预设时域内求解最优操作参数序列，以使预测的工艺状态轨迹接近目标设定值；

25、仅将所述最优操作参数序列中的第一个控制动作下发至所述控制系统执行，并在下一个控制周期重新执行所述求解最优操作参数序列的步骤，以实现滚动优化。

26、在一种可能的实现中，所述求解最优操作参数序列的目标函数包括跟踪误差加权范数项和控制动作变化惩罚项，所述目标函数的表达式为：

27、

28、其中，为当前控制周期，为预测步数，为预测时域长度，为在当前控制周期预测的第步的工艺状态，为目标设定值，为跟踪误差的权重矩阵，为控制动作变化的权重矩阵，为第步的控制动作变化量。

29、本技术第二方面提供一种蛋白纯化工艺的操作参数优化系统，包括：数据采集模块、数字孪生模块、在线校准模块和操作优化模块，

30、所述数据采集模块，被配置为执行获取蛋白纯化工艺运行过程中的多种工艺数据，所述多种工艺数据包括传感器采集的监测数据和工艺操作参数数据；

31、所述数字孪生模块，被配置为执行通过混合数字孪生模型处理所述多种工艺数据以输出蛋白纯化工艺状态预测值，所述混合数字孪生模型包含机理编码模块与数据补偿模块，所述机理编码模块基于蛋白纯化的物理机理模型生成基础预测结果，所述数据补偿模块对所述基础预测结果进行残差补偿；

32、所述在线校准模块，被配置为执行在蛋白纯化工艺运行期间，获得所述蛋白纯化工艺状态预测值与蛋白纯化工艺状态实测值之间的预测偏差，并检测所述多种工艺数据的数据分布漂移；响应于所述预测偏差或所述数据分布漂移满足预设校准条件，对所述混合数字孪生模型执行增量更新，并对更新后的所述混合数字孪生模型进行物理约束校验；

33、所述操作优化模块，被配置为执行以通过物理约束校验的所述混合数字孪生模型作为代理模型，以多个关键质量指标为优化目标，在蛋白纯化工艺的参数空间中搜索满足预设工艺约束条件的最优操作参数。

34、本技术第三方面提供一种计算机程序产品，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现上述第一方面或第一方面任一实现方式的蛋白纯化工艺的操作参数优化方法。

35、本技术第四方面提供一种电子设备，包括至少一个处理器和与所述处理器连接的存储器，其中：

36、所述存储器用于存储计算机程序；

37、所述处理器用于执行所述计算机程序，以使所述电子设备能够实现上述第一方面或第一方面任一实现方式的蛋白纯化工艺的操作参数优化方法。

38、本技术第五方面提供一种计算机存储介质，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备实现上述第一方面或第一方面任一实现方式的蛋白纯化工艺的操作参数优化方法。

39、借由上述技术方案，本技术提供的蛋白纯化工艺的操作参数优化方法及系统，可以通过构建包含机理编码模块与数据补偿模块的混合数字孪生模型，解决了纯机理模型参数获取难与纯数据模型缺乏物理约束的矛盾，在保证预测结果符合质量守恒等物理定律的同时，显著提升了对复杂非线性工艺的拟合精度。在此基础上，通过监测预测偏差与数据分布漂移双触发条件执行带时间衰减权重的增量更新，并辅以严格的物理约束校验，使模型能够自适应原料波动与设备老化等时变工况，避免了传统静态模型在长周期运行中的性能退化。同时，本技术还可以对混合数字孪生模型执行增量更新，具备在线自适应校准能力。