数字孪生为现代中药制造技术赋能——我院李正教授课题组在中药制药智能制造领域研究进展
中药制药需要解决“用不稳定的药材制造出质量稳定的中药产品”的挑战。中药属于复杂化学体系，其质量表征困难和传递规律不清楚，导致质量控制不精准，缺乏基于模型预测的过程质量前馈控制与工艺参数优化方法。为了更好地制定中药产品质量控制策略，需要深入研究生产工艺的质量-动量-能量传递现象和工程原理。李正教授课题组从质量传递机理模型出发，构建了中药制药过程关键工艺环节的数字孪生体，并结合深度学习等人工智能技术对制药过程的工艺知识图谱进行挖掘和构建，以产品质量和生产能耗为数字空间的边界条件，提出了相关工艺的生产条件优化建议，建立了基于数字孪生的中药制药工程设计与工艺优化平台。相关系列研究成果已经发表在国际期刊Journal of Food Engineering（IF=6.203，Q1）。
为了构建中药干燥过程液相和气相之间的传热传质模型，课题组基于REA模型和机器视觉技术，对五种中药液滴在真空受热条件下的干燥过程进行了建模研究，形成了相关中药品种的干燥动力学模型。该模型揭示了中药干燥过程背后的物理知识，有助于优化干燥过程能耗、降低生产成本。该研究成果已发表在Journal of Food Engineering上（Study on drying behavior of additive droplets by reaction engineering approach, Journal of Food Engineering, 2022, DOI: 10.1016/j.jfoodeng.2021.110927），2020级硕士研究生苗坤宏为第一作者，李正教授和于洋助理研究员为共同通讯作者。
真空带式干燥工艺具有处理高粘度、高含糖量、热敏性物料的优势，是中药提取物干燥的主要技术方法。但是真空带式干燥产物的质量受加热温度、干燥时间、真空度等诸多因素的影响，需要对这些因素进行优化控制，以保证产品质量的一致性。为此，基于经典传递理论自行开发离散元求解器，构建了真空带式干燥工艺过程的数字孪生体，以此为基础对其加热温度、传送带速度和浸膏初始含水量在过程生产效率的贡献率进行了研究。该研究成果已发表Journal of Food Engineering上（A novel method for vacuum belt drying process optimization of licorice, Journal of FoodEngineering,2022,DOI: 10.1016/j.jfoodeng.2022.111075），2020级硕士研究生薛启隆和于洋助理研究员为共同第一作者，李正教授为通讯作者。
喷雾干燥是中药制药过程中的一种重要的干燥技术，由于喷雾干燥过程的复杂性，其设计和工艺优化在很大程度上依赖于药工经验和中试放大实验数据。本课题组基于流体力学计算和中药液滴干燥动力学模型，对中药喷雾干燥工艺的数字孪生体进行了研究，结合实验数据对塔内低温区域成因以及其对产品质量影响进行了讨论，同时利用实验数据和机理模型，结合深度强化学习算法建立工艺优化模型。该研究成果已发表Journal of Food Engineering上（Numerical simulation and optimization of Lonicerae Japonicae Flos extract spray drying process based on temperature field verification and deep reinforcement learning,2023,DOI: 10.1016/j.jfoodeng.2023.111425），2021级博士研究生崔彭帝和于洋助理研究员为共同第一作者，李正教授为通讯作者。
目前，李正教授课题组围绕中药制药其他生产工艺环节的数字孪生模型开展相关研究，结合现代中药生产工艺特点，重点将人工智能技术融入于传统中药制药生产工艺中，建立以产品质量为核心的中药绿色智能制药技术，助力中药传统产业的高级化、智能化、绿色化升级发展。
