文献类型：期刊文章

作　　者：白玉菱[1] 谢文影[1] 赵孟涛[1] 周康明[1] 范仁宇[1] 管天冰[1] 孙会敏[2] 戴传云[1]

BAI Yu-ling;XIE Wen-ying;ZHAO Meng-tao;ZHOU Kang-ming;FAN Ren-yu;GUAN Tian-bing;SUN Hui-min;DAI Chuan-yun(Chongqing Key Laboratory of Industrial Fermentation Microorganisms,College of Chemistry and Chemical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China;National Institu-tes for Food and Drug Control,NMPA Key Laboratory for Quality Research and Evaluation for Pharmaceutical Excipients,Beijing 100050,China)

机构地区：[1]重庆科技学院化学化工学院,工业发酵微生物重庆市重点实验室,重庆401331 [2]中国食品药品检定研究院,国家药品监督管理局药用辅料质量研究与评价重点实验室,北京100050

出　　处：《中国药学杂志》

基　　金：国家科技重大新药创制专项资助(2017ZX09101-001-006);重庆市技术创新与应用发展专项面上项目资助(cstc2020jscx-msxmX0048)。

年　　份：2022

卷　　号：57

期　　号：15

起止页码：1268-1277

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：目的建立基于MATLAB的BP神经网络模型的淀粉离散元接触参数标定方法。方法建立单球型颗粒,并通过颗粒缩放分析将粒径放大至0.8 mm,以待标定的5种型号淀粉(高预胶化淀粉:S-1、低预胶化淀粉:S-2、直压型预胶化淀粉:S-3、水溶性淀粉:S-4、玉米淀粉:S-5)离散元接触参数(颗粒-颗粒恢复系数:A,颗粒-颗粒静摩擦系数:B,颗粒-颗粒滚动摩擦系数:C,颗粒-不锈钢恢复系数:D,颗粒-不锈钢静摩擦系数:E,颗粒-不锈钢滚动摩擦系数:F,表面能(J·m^(-2)):G)为输入层,两种测量方法(提升缸法和剪切盒法)休止角为输出层,MATLAB随机抽样50组进行离散元仿真模拟。BP神经网络算法对模拟结果进行训练,得到理想的神经网络模型后分别对以上淀粉的接触参数进行预测,并进行物理实验验证。结果当BP神经网络中隐含层中神经元个数为11个时,训练样本与测试样本的决定系数R^(2)分别为0.9999和0.9409,拟合较好,所建立神经网络的预测输出可以达到期望输出。获得的参数组合休止角模拟值与实测值相对误差均小于2.5%,表明预测准确。结论BP神经网络预测药用辅料淀粉的离散元接触参数可靠,可为后续固体制剂的仿真模拟提供可靠的数据支持。

关 键 词：淀粉 离散元 BP神经网络 颗粒缩放  参数标定  休止角  

分 类 号：R94]