中药智能制造的变革：动态矩阵控制在中药制药过程控制中的应用策略与案例分析

程宇康; 于洋; 张发星; 苗坤宏; 薛启隆; 潘勤; 李正

doi:10.16305/j.1007-1334.2025.z20240929002

您当前的位置：

首页 >

文章列表页 >

中药智能制造的变革：动态矩阵控制在中药制药过程控制中的应用策略与案例分析

人工智能与中医药前沿研究专栏 | 更新时间：2025-02-28

- 中药智能制造的变革：动态矩阵控制在中药制药过程控制中的应用策略与案例分析
- Transformation of intelligent manufacturing in traditional Chinese medicine： application strategies and case analysis of dynamic matrix control in pharmaceutical process of traditional Chinese medicine
- 上海中医药杂志 2025年59卷第2期页码：1-7
- 作者机构：
  
  1.天津中医药大学中药制药工程学院（天津 301617）
  2.省部共建组分中药国家重点实验室（天津 301617）
  3.天津市中药绿色制药与智能制药重点实验室（天津 301617）
  4.津药达仁堂集团股份有限公司（天津 300193）
- 作者简介：
  
  程宇康，男，硕士研究生，主要从事中药提取智能化研究工作；
  潘勤，正高级工程师，硕士研究生导师；E-mail：qinpan022@sina.com
  李正，研究员，博士研究生导师；E-mail：lizheng@ tjutcm.edu.cn
- 基金信息：
  
  国家自然科学基金项目(82074276);国家中医药管理局创新团队和人才培养计划项目(ZYYCXTD-D-202002);天津市科技计划项目(22ZYJDSS00100)
- DOI：10.16305/j.1007-1334.2025.z20240929002
  中图分类号：
- 收稿日期：2024-09-29，
  
  纸质出版日期：2025-02-10
- 稿件说明：
移动端阅览
程宇康,于洋,张发星,等.中药智能制造的变革：动态矩阵控制在中药制药过程控制中的应用策略与案例分析[J].上海中医药杂志,2025,59(2):1-7.

CHENG Yukang,YU Yang,ZHANG Faxing,et al.Transformation of intelligent manufacturing in traditional Chinese medicine： application strategies and case analysis of dynamic matrix control in pharmaceutical process of traditional Chinese medicine[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(2):1-7.
程宇康,于洋,张发星,等.中药智能制造的变革：动态矩阵控制在中药制药过程控制中的应用策略与案例分析[J].上海中医药杂志,2025,59(2):1-7. DOI： 10.16305/j.1007-1334.2025.z20240929002.

CHENG Yukang,YU Yang,ZHANG Faxing,et al.Transformation of intelligent manufacturing in traditional Chinese medicine： application strategies and case analysis of dynamic matrix control in pharmaceutical process of traditional Chinese medicine[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(2):1-7. DOI： 10.16305/j.1007-1334.2025.z20240929002.

摘要

随着大数据和人工智能的迅速发展，智能化已成为中药制药行业的重要发展趋势。受中药制药过程复杂性的制约，其建模、实时检测和控制等方面仍处于“灰箱状态”。模型预测控制能够预测计算、实时优化，可以有效应对中药提取过程中的非线性和时变特性。提出一种基于模型预测的前馈控制方法，并以中药提取工艺为例，搭建基于动态矩阵控制算法的提取预测控制系统。研究表明，较传统的比例-积分-微分控制模型，基于动态矩阵控制算法的模型在温度设定点上的系统热冲击更小，系统更为稳健，温度控制更加准确。

Abstract

Intelligence has become a significant development trend in the traditional Chinese medicine （TCM） pharmaceutical industry with the rapid development of big data and artificial intelligence. Due to the complexity of the TCM pharmaceutical process， the modeling， real-time monitoring， and control are still in a "grey box state". Model predictive control can predict calculations and optimize in real time， effectively handle the nonlinear and time-varying characteristics of TCM extraction. This paper proposes a model predictive feedforward control approach， using the TCM extraction establish an extraction predictive control system based on the dynamic matrix control （DMC） algorithm. Research findings indicate that compared to traditional proportional-integral-derivative control models， the model based on the DMC algorithm exhibits smaller system thermal fluctuations at the temperature setpoint， more robust system， and provides more accurate temperature control.

关键词

Keywords

references

ZHU W . Research on the evolution mechanism of intelligent manufacturing transformation of Chinese pharmaceutical manufacturing enterprises based on system dynamics ［J］. Heliyon ， 2024 ， 10 （ 13 ）： e33959 .

XU M ， LIU X ， LI O . Can intelligent manufacturing drive green development in China's pharmaceutical industry？—Evidence from listed enterprises ［J］. Energy ， 2024 ， 308 ： 132953 .

WU Q ， LI Y ， WU Y ， et al . The spatial spillover effect of environmental regulation on the total factor productivity of pharmaceutical manufacturing industry in China ［J］. Sci Rep ， 2022 ， 12 （ 1 ）： 11642 .

TENG K ， FU H ， WU G ， et al . QbD-guided traditional Chinese medicine manufacturing process： Development and optimization of fluid-bed granulation and drying processes for Xiaochaihu Capsules ［J］. AAPS PharmSciTech ， 2023 ， 24 （ 7 ）： 210 .

ZHANG W ， ZHANG C ， CAO L ， et al . Application of digital-intelligence technology in the processing of Chinese materia medica ［J］. Front Pharmacol ， 2023 ， 14 ： 1208055 .

田文秀，李文杰，薛爱乐，等 . 中药临方制剂智能制造的研究实践与发展方向［J］. 中国中药杂志， 2024 ， 49 （ 3 ）： 571 - 579 .

刘必晶 . 基于深度强化学习的综合能源系统优化调度［J］. 现代电力， 2024 ， 41 （ 4 ）： 710 - 717 .

董雷刚，崔晓微 . 智能数据挖掘算法的采摘机器人执行系统优化［J］. 农机化研究， 2023 ， 45 （ 7 ）： 224 - 227， 237 .

SHENG H ， WANG X . Online measurement-based estimation of dynamic system state matrix in ambient conditions ［J］. IEEE Trans Smart Grid ， 2019 ， 11 （ 1 ）： 95 - 105 .

WAN X ， ZHANG C ， WEI F ， et al . Hybrid dynamic variables-dependent event-triggered fuzzy model predictive control ［J］. IEEE CAA J Autom Sinica ， 2024 ， 11 （ 3 ）： 723 - 733 .

WANG Y ， LI H ， FENG H ， et al . Simulation study on the PEMFC oxygen starvation based on the coupling algorithm of model predictive control and PID ［J］. Energ Convers Manage ， 2021 ， 249 ： 114851 .

EL MEZDI K ， EL MAGRI A ， BAHATTI L . Advanced control and energy management algorithm for a multi-source microgrid incorporating renewable energy and electric vehicle integration ［J］. Results Eng ， 2024 ， 23 ： 102642 .

杜德伟，邹涛，李永民，等 . 一种面向输入输出故障的变结构模型预测控制方法［J］. 信息与控制， 2016 ， 45 （ 6 ）： 653 - 659 .

杨宣，张保生 . 基于先进控制算法的CFBB床温控制系统研究［J］. 自动化与仪表， 2018 ， 33 （ 1 ）： 84 - 88 .

STOFFEL P ， MAIER L ， KÜMPEL A ， et al . Evaluation of advanced control strategies for building energy systems ［J］. Energy Build ， 2023 ， 280 ： 112709 .

吕永进 . 无超调PID控制在中药煎药机中的应用［J］. 电子技术与软件工程， 2016 （ 11 ）： 115 .

李作武，赵凯，汪炼 . PID控制在中药制剂自动提取中的应用［J］. 兵工自动化， 2010 ， 29 （ 12 ）： 84 - 86 .

ABOELHASSAN A ， ABDELGELIEL M ， ZAKZOUK E E ， et al . Design and Implementation of model predictive control based PID controller for industrial applications ［J］. Energies ， 2020 ， 13 （ 24 ）： 6594 .

孙艺方 . 基于模糊PID的多功能中药提取设备自动化控制研究［J］. 自动化与仪器仪表， 2023 （ 10 ）： 232 - 236 .

张玉雪，周军，皇攀凌，等 . 改进粒子群优化的中药提取参数模糊PID解耦控制研究［J］. 控制工程， 2023 ， 30 （ 6 ）： 1121 - 1128 .

PAN B ， FAREED U ， QING W ， et al . A novel fractional order PID navigation guidance law by finite time stability approach ［J］. ISA Trans ， 2019 ， 94 ： 80 - 92 .

王强 . 基于机组深调模式下的改进型PID控制方法分析［J］. 安徽电气工程职业技术学院学报， 2023 ， 28 （ 1 ）： 114 - 118 .

刘萍，李珂，王亚男，等 . 基于遗传算法的绝热去磁制冷机中PID参数整定［J］. 真空与低温， 2024 ， 30 （ 2 ）： 143 - 147 .

唐明明，干树川 . 精馏塔温度控制系统的优化研究［J］. 自动化仪表， 2024 ， 45 （ 8 ）： 37 - 41 .

DONG R ， LIU S ， LIANG G ， et al . Output control method of microgrid VSI control network based on dynamic matrix control algorithm ［J］. IEEE Access ， 2019 ， 7 ： 158459 - 158480 .

SHI Y ， LIN R ， WU X ， et al . Dual-mode fast DMC algorithm for the control of ORC based waste heat recovery system ［J］. Energy ， 2022 ， 244 ： 122664 .

吴莹莹，丁肇红 . 基于DMC预测控制算法的智能四驱车控制器设计与仿真［J］. 计算机测量与控制， 2019 ， 27 （ 3 ）： 83 - 90 .

ZHENG F ， WU G ， LIN X ， et al . Research on control strategy for improving stability of multi-inverter parallel system under weak grid condition ［J］. Int J Electr Power Energy Syst ， 2023 ， 153 ： 109121 .

HAN B ， JO S W ， KIM N G ， et al . Bridgeless hybrid-mode zeta-based inverter： Dynamic modeling and control ［J］. IEEE Trans Power Electron ， 2020 ， 36 （ 6 ）： 7233 - 7249 .

JO Y P ， BANGI M S F ， SON S H ， et al . Dynamic modeling and offset-free predictive control of LNG tank ［J］. Fuel ， 2021 ， 285 ： 119074 .

李艳萍，胡洋，刘佳君，等 . 基于Simulink的动态矩阵预测控制算法在电厂中的应用研究［J］. 电工技术， 2022 （ 16 ）： 6 - 9， 15 .

王麒崴，李艳萍，王紫旭，等 . DMC控制算法在单元机组协调控制系统中的应用［J］. 科技与创新， 2024 （ 10 ）： 26 - 30 .

孟令政 . 基于改进PSO-DMC-PID的电缆线径预测控制［J］. 物联网技术， 2021 ， 11 （ 11 ）： 81 - 84 .

郭琴 . 面向模型失配问题的磨矿分级过程预测控制方法研究［D］. 长沙：中南大学， 2022 .

谭尾琴 . 选矿厂磨矿分级监控系统设计［D］. 赣州：江西理工大学， 2012 .

刘盼辉，贺高红，李新华，等 . 基于DMC算法的精馏塔精馏段温度预测-PID双层控制系统应用分析［J］. 化工自动化及仪表， 2024 ， 51 （ 4 ）： 587 - 591 .

苗荣霞，杨婧，马路遥 . 反应釜温度预测控制算法研究［J］. 国外电子测量技术， 2021 ， 40 （ 5 ）： 78 - 82 .

雷江，唐晓伟，徐兵 . 基于混沌粒子群优化算法的反应釜温度预测控制研究［J］. 自动化仪表， 2024 ， 45 （ 4 ）： 40 - 44，50 .

董家祥，迟耀丹，赵阳，等 . 基于MPC集中供热二次网回水温度控制研究［J］. 建筑节能（中英文）， 2024 ， 52 （ 7 ）： 102 - 108 .

王岱鹏 . 动态矩阵控制在核动力系统堆机协调中的应用研究［D］. 北京：华北电力大学， 2022 .

张智旺 . 水轮机调节系统的动态矩阵预测控制［D］. 咸阳：西北农林科技大学， 2017 .

闫翩翩 . 电子商务环境下基于预测控制的闭环供应链的仿真研究［D］. 沈阳：沈阳理工大学， 2017 .

SHI Y ， LIN R ， WU X ， et al . Dual-mode fast DMC algorithm for the control of ORC based waste heat recovery system ［J］. Energy ， 2022 ， 244 ： 122664 .

苗坤宏 . 基于数字孪生的中药提取过程动态预测控制［D］. 天津：天津中医药大学， 2023 .

陶益，陈林，江恩赐，等 . 人工智能和工业4.0视域下高光谱成像技术融合深度学习方法在中药领域中的应用与展望［J］. 中国中药杂志， 2020 ， 45 （ 22 ）： 5438 - 5442 .

浏览量

下载量

CSCD

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

中医药调控铁死亡干预阿尔茨海默病的研究进展

人工智能信息技术在中医四诊现代化研究中的应用现状与展望

中药调控结直肠癌肿瘤微环境的研究进展

舌象图像深度特征在慢性失眠疗效评价中的应用

中医脉诊智能化设备数据标注的研究述评