基于深度学习图像分析的晶体特性反馈控制

doi:10.12068/j.issn.1005-3026.2022.12.003

东北大学学报（自然科学版） ›› 2022, Vol. 43 ›› Issue (12): 1688-1693.DOI: 10.12068/j.issn.1005-3026.2022.12.003

基于深度学习图像分析的晶体特性反馈控制

王良勇，朱耀龙，淦晨阳

(东北大学流程工业综合自动化国家重点实验室，辽宁沈阳110819)

发布日期:2022-12-26
通讯作者: 王良勇
作者简介:王良勇(1980-)，男，山东聊城人，东北大学教授.
基金资助:
沈阳市中青年科技创新人才项目(RC200519).

Feedback Control of Crystal Characteristics Based on Deep Learning Image Analysis

WANG Liang-yong， ZHU Yao-long， GAN Chen-yang

State Key Laboratory of Integrated Automation for Process Industry， Northeastern University， Shenyang 110819， China.

Published:2022-12-26
Contact: WANG Liang-yong
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对晶体尺寸期望以及标准偏差特性的在线反馈控制问题，提出一种基于深度学习图像分析的在线反馈控制方法.首先，通过基于深度学习神经网络的晶体图像分析方法在线分析晶体的形状与尺寸；然后，对图像分析的结果进行数学统计分析，得到某一批次晶体的尺寸期望与标准偏差；最后，针对晶体尺寸期望和标准偏差控制的欠输入特性设计了一种路径跟踪算法与PID相结合的反馈控制器，以获得具有目标尺寸期望与标准偏差的晶体.通过明矾冷却结晶实验验证了所提方法的有效性和可行性.

关键词: 冷却结晶；晶体特性；图像分析；路径跟踪；在线反馈控制

Abstract: Aiming at the online control of crystal size expectation and standard deviation characteristics， an online feedback control method based on deep learning image analysis is proposed. Firstly， the crystal image analysis method using deep learning neural network is introduced to analyze the shape and size of crystals online. Then， mathematical statistical analysis is performed to obtain the size expectation and standard deviation of a certain batch of crystals. Finally， a feedback controller combining path tracking algorithm and PID algorithm is designed to deal with under-input characteristics， so that the target size expectation and standard deviation is obtained. The effectiveness and feasibility of the proposed method is verified by the alum cooling crystallization experiment.

Key words: cooling crystallization; crystal characteristics; image analysis; path tracking; online feedback control

中图分类号:

TP273

王良勇，朱耀龙，淦晨阳. 基于深度学习图像分析的晶体特性反馈控制[J]. 东北大学学报（自然科学版）, 2022, 43(12): 1688-1693.

WANG Liang-yong， ZHU Yao-long， GAN Chen-yang. Feedback Control of Crystal Characteristics Based on Deep Learning Image Analysis[J]. Journal of Northeastern University(Natural Science), 2022, 43(12): 1688-1693.

参考文献

[1]赵绍磊，王耀国，张腾，等.制药结晶中的先进过程控制［J］.化工学报，2020，71(2):459-474.(Zhao Shao-lei，Wang Yao-guo，Zhang Teng，et al.Advanced process control in pharmaceutical crystallization［J］.CIESC Journal，2020，71(2):459-474.)
[2]Gao Z G，Rohani S，Gong J B，et al.Recent developments in the crystallization process:toward the pharmaceutical industry［J］.Engineering，2017，3(3):343-353.
[3]Crowley T，Edward S，Meadows E，et al.Control of particle size distribution described by a population balance model of semibatch emulsion polymerization［J］.Journal of Process Control，2000，10(5):419-432.
[4]Nagy Z K，Fevotte G，Kramer H，et al.Recent advances in the monitoring，modelling and control of crystallization systems［J］.Chemical Engineering Research and Design，2013，91(10):1903-1922.
[5]Ruf A，Worlitschek J，Mazzotti M.Modeling and experimental analysis of PSD measurements through FBRM［J］.Particle & Particle Systems Characterization，2000，17(4):167-179.
[6]Gao Z G，Wu Y Y，Bao Y，et al.Image analysis for in-line measurement of multidimensional size，shape，and polymorphic transformation of l-glutamic acid using deep learning-based image segmentation and classification［J］.Crystal Growth & Design，2018，18(8):4275-4281.
[7]Manee V，Zhu W，Romagnoli J A.A deep learning image-based sensor for real-time crystal size distribution characterization［J］.Industrial & Engineering Chemistry Research，2019，58(51):23175-23186.
[8]Beckman J R，Randolph A D.Crystal size distribution dynamics in a classified crystallizer.Part II:simulated control of crystal size distribution［J］.AIChE Journal，1977，23(4):510-520.
[9]Rawlings J B，Miller S M，Witkowski W R.Model identification and control of solution crystallization processes:a review［J］.Industrial & Engineering Chemistry Research，1993，32(7):1275-1296.
[10]Hermanto M W，Chiu M S，Braatz R D.Nonlinear model predictive control for the polymorphic transformation of l-glutamic acid crystals［J］.AIChE Journal，2009，55(10):2631-2645.
[11]Mesbah A，Landlust J，Huesman A，et al.A model-based control framework for industrial batch crystallization processes［J］.Chemical Engineering Research & Design，2010，88(9):1223-1233.
[12]Mesbah A，Nagy Z K，Huesman A，et al.Nonlinear model-based control of a semi-industrial batch crystallizer using a population balance modeling framework［J］.IEEE Transactions on Control Systems Technology，2012，20(5):1188-1201.
[13]Ghadipasha N，Romagnoli J A，Tronci S，et al.A model-based approach for controlling particle size distribution in combined cooling-antisolvent crystallization processes［J］.Chemical Engineering Science，2018，190:260-272.
[14]Szilágyi B，Agachi P S，Nagy Z K.Chord length distribution based modeling and adaptive model predictive control of batch crystallization processes using high fidelity full population balance models［J］.Industrial & Engineering Chemistry Research，2018，57(9):3320-3332.
[15]Nagy Z K，Braatz R D.Advances and new directions in crystallization control［J］.Annual Review of Chemical and Biomolecular Engineering，2012，3(1):55-75.
[16]Bakar M A，Nagy Z K，Saleemi A N，et al.The impact of direct nucleation control on crystal size distribution in pharmaceutical crystallization processes［J］.Crystal Growth & Design，2009，9(3):1378-1384.
[17]Btschi S，Rajagopalan A K，Morari M，et al.Feedback control for the size and shape evolution of needle-like crystals in suspension.IV:modeling and control of dissolution［J］.Crystal Growth & Design，2019，19(5):2845-2861.

基于深度学习图像分析的晶体特性反馈控制

Feedback Control of Crystal Characteristics Based on Deep Learning Image Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	叶宁，宋锦春，高曦莹，于忠亮. 基于输出反馈的电液作动器自适应指令滤波控制[J]. 东北大学学报:自然科学版, 2020, 41(9): 1310-1315.
[2]	史家顺，董金龙，刘聪，于天彪. 随五轴加工轨迹变抛光力的控制策略与方法[J]. 东北大学学报:自然科学版, 2020, 41(1): 89-94.
[3]	刘云山，贾磊，闻邦椿. 反向回转双机驱动振动系统的倍频控制同步[J]. 东北大学学报:自然科学版, 2019, 40(12): 1726-1731.
[4]	关守平，邹立夫，张菁菁. 区间多目标粒子群优化算法及其应用[J]. 东北大学学报:自然科学版, 2019, 40(11): 1521-1526.
[5]	王占山，王继东，刘秀翀，孙鉴. 二阶系统的复特征根对其鲁棒H_∞控制性能的影响[J]. 东北大学学报:自然科学版, 2019, 40(9): 1217-1222.
[6]	杨英华，石翔，李鸿儒. 基于数据特征的加热炉钢温预报模型[J]. 东北大学学报:自然科学版, 2019, 40(3): 305-309.
[7]	杨冬梅，姚齐. 一类切换广义时滞系统的鲁棒指数镇定[J]. 东北大学学报:自然科学版, 2018, 39(7): 922-926.
[8]	李海燕，井元伟. 基于ＳＯＲＡ的多学科协同优化可靠性优化方法[J]. 东北大学学报:自然科学版, 2018, 39(1): 1-5.
[9]	白晶，毛志忠，浦铁成. 多变量Hammerstein-Wiener模型的参数辨识[J]. 东北大学学报:自然科学版, 2018, 39(1): 6-10.
[10]	孟范伟，徐博，吕晓永，刘胤圻. 神经网络预测控制在SCR烟气脱硝系统中应用[J]. 东北大学学报:自然科学版, 2017, 38(6): 778-782.
[11]	李明杰，周平. 机械制浆过程磨机负荷内模PI控制[J]. 东北大学学报:自然科学版, 2017, 38(6): 783-788.
[12]	赵海，雷凯茹，司帅宗，许子文. Platoon模式下车载自组织网络性能分析与研究[J]. 东北大学学报:自然科学版, 2017, 38(5): 634-638.
[13]	连莲，高宪文，齐文海. 一般不确定转移速率下Markov切换系统的弹性控制器[J]. 东北大学学报:自然科学版, 2017, 38(4): 457-461.
[14]	齐文海，李新，高宪文. 执行器饱和的分段齐次Markov跳变系统的镇定[J]. 东北大学学报:自然科学版, 2017, 38(4): 462-466.
[15]	张廷丰，毛志忠，袁平，张弼. 基于多变量阶跃响应的风洞系统辨识[J]. 东北大学学报:自然科学版, 2016, 37(11): 1521-1525.