申请/专利权人：山东大学

申请日：2023-11-28

公开（公告）日：2024-03-08

公开（公告）号：CN117669368A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06N3/084;G06N3/126;G06F113/08;G06F119/14;G06F111/10;G06F111/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明涉及一种基于数字孪生的中药干燥成型单元流化床预演方法及系统，包括：获取中药干燥成型过程中的参数；预处理后训练几何约束增量神经网络预测模型；将待预演的中药干燥成型过程中的参数预处理后输入至训练好的几何约束增量神经网络预测模型，对流化床的状态量和材质特性进行预测；与此同时，将待预演的中药干燥成型过程中的参数输入至双相瞬态耦合CFD‑DEM模型；通过训练好的几何约束增量神经网络预测模型和双相瞬态耦合CFD‑DEM模型得到的输出分别作为观测值和模拟值融合进粒子滤波算法，实现精确预测。本发明通过几何约束增量神经网络与双相瞬态耦合CFD‑DEM模型的融合，为制药工艺提供了前所未有的高精度模拟。

主权项：1.一种基于数字孪生的中药干燥成型单元流化床预演方法，其特征在于，包括：获取中药干燥成型过程中的参数；对获取的参数进行预处理后训练几何约束增量神经网络预测模型，得到训练好的几何约束增量神经网络预测模型；实时获取待预演的中药干燥成型过程中的参数，将待预演的中药干燥成型过程中的参数预处理后输入至训练好的几何约束增量神经网络预测模型，对流化床的状态量和材质特性进行预测；与此同时，将待预演的中药干燥成型过程中的参数输入至双相瞬态耦合CFD-DEM模型，得到连续量预测的未来某个时间点或时间段内的这些参数的数值；通过训练好的几何约束增量神经网络预测模型和双相瞬态耦合CFD-DEM模型得到的输出分别作为观测值和模拟值融合进粒子滤波算法，实现精确预测。

全文数据：

权利要求：

百度查询： 山东大学 一种基于数字孪生的中药干燥成型单元流化床预演方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD