刘军连医生 http://pf.39.net/bdfyy/bjzkbdfyy/210901/9392368.html
来源TMRPublishingGroup
作者TraditionalMedicineResearch编辑部
自古以来，中药浸膏一直是固体制剂的重要中间体，其干燥进程基于中医药的理论指导。中药浸膏干燥不仅保留了提取液的化学成分，同时还保留了活性成分，充分发挥其特色特性。含水量的动态变化规律对于是提高中药浸膏质量至关重要，及时准确的在线监测药材的水分含量，可以有效避免过度干燥，减少药材的受热时间，节省能源，更好地保留有效成分。通常，含水率是用烘箱、水分测定仪进行离线监测，但在良好的生产实践要求下，特别是对于真空状态而言，不利于连续生产。此外，现代中药制药设备起步较晚，其水分在线监测技术存在一定的不稳定性、不可靠性。因此，建立一个快速、可靠的预测模型具有重要意义。
目前，人工神经网络(ANNs)在中医药领域得到了广泛的应用，用于分析中医的四种诊断信息，识别中医综合征，处方设计和预测，优化治疗过程，辨识和控制中药质量，但目前缺乏有关预测中药浸膏干燥过程含水量变化的研究。因此，本研究以板蓝根浸膏为模型药物，利用两种常用的干燥方式(热风干燥和真空干燥)，构建ANNs预测水分比(MR)变化，并绘制不同干燥条件下的干燥曲线，为浸膏干燥过程的控制和工艺优化提供理论指导。
研究方法
本研究对板蓝根浸膏进行热风、真空干燥，并运用MATLAB软件BP神经网络工具箱建立神经网络模型，包含输入层、隐含层和输出层；以干燥条件（装载量、初始含水率、真空度、温度、干燥时间）作为输入层，实测数据即目标参数（水分比）作为输出层，以回归值（R）和均方误差(MSE)作为评价指标，通过网络训练优化隐含层数目，以此来实现对浸膏干燥过程中水分比变化的实时预测，并直观绘制各干燥条件下水分比预测值与实测值的变化曲线。
研究结果
ANNs建模
建立两种干燥方式的MR预测模型，不同隐含层节点数下的R和MSE的训练结果如图1所示。通常，模型的R值越高，MSE值越低，说明隐含层节点数的训练效果越好。从图1中可以看出，当两种干燥方法的隐含层节点数相同为9（红色虚线的交集），Rtraining、Rvaluation、Rtest和Rall值最高，MSE值最低。基于上述实验结果，预测热风干燥和真空干燥的ANNs模型的最优拓扑结构分别为4-9-1、-9-1。
ANNs性能
MR预测的收敛性和回归分析如图2所示。在图2（A-B）中，两种干燥方法迭代次收敛。在图2(C-D)中，Rtraining、Rvaluation、Rtest和Rall值分别为0.和0.；0.和0.；0.和0.；0.和0.，非常接近1，MSE分别为3.×10?和1.82×10?4。目前设计的ANNs模型具有较高的准确性和可信度，可用于热风干燥和真空干燥下浸膏水分比的预测。
人工神经网络模型计算的权重和偏差
为了将抽象的神经网络模型应用于实践，本文还构建了神经网络模型的网络权值矩阵。在前期的研究中，采用薄层干燥数学模型来拟合试验数据，并没有取得很好的拟合效果，即便在相同的干燥工艺下，由于干燥条件的不同，拟合的数学方程也有所不同。此外，MR预测的精度较低，限制了其应用。相比之下，本文设计的ANNs模型不仅提高了预测精度，而且在预测整个测试范围的失水行为方面具有更好的通用性。同时，本研究中定义的模型参数有望扩展到其他干燥方法或不同类型的浸膏。
干燥特性
为了直观反映浸膏干燥过程中含水量变化规律，不同干燥条件下（热风干燥和真空干燥）MR与干燥时间的曲线如图3和图4所示。预测值（虚线）和实测值（实线）的曲线基本重叠，进一步说明了ANNs模型的可行性。如图所示，浸膏装载量（L）越低，MR下降曲线越陡，干燥时间越短。当装载量为0、和10g时，热风干燥和真空干燥所需的干燥时间分别为和min、和min、和min；与0g装载量的干燥时间相比，10g时热风干燥和真空干燥干燥时间分别增加了4.4%和4.98%，其原因可能是物料表面积相同，装载量越小，水分有内部向外的迁移距离和阻力越小，增强了传热传质能力，加速了整个干燥过程；对初始含水率（IMC）而言，值越高，MR变化越大，初始含水率为40%w.b、0%w.b、60%w.b时对应热风干燥、真空干燥所需干燥时间分别为min和min、min和min、min和min，其原因可能是随着初始含水率的升高单位时间内带走的热量更多；结果表明，温度（T）对干燥时间有显著影响，热风干燥和真空干燥90°C的干燥时间分别比70°C缩短了63.63%和69.23%，说明浸膏与干燥介质的温差越大，水分流动性越强，传质效率越大，干燥速度越快。因此，提高温度可以缩短干燥时间，但并非温度越高越好，还需考虑对浸膏品质的影响。
真空干燥压力对MR的影响如图4D所示。与0.03MPa和0.0MPa相比，在0.07MPa时干燥时间明显缩短。在实际应用中，观察到浸膏表面脆性和厚度增大。随着压力的增加，浸膏内部水分的蒸汽压力增加，形成多孔结构，更有利于水分向表面迁移。
结论
人工神经网络模型为板蓝根浸膏的热风干燥和真空干燥过程提供了一种新的、有用的建模方法，可为浸膏干燥过程中的在线预测提供理论依据和技术支持。
扫码
