注射泵使用过程分析论文

摘要：我国是中草药制剂工程发展的大国，在中药制剂工程技术方面拥有者巨大的市场潜力。通过多年的摸索研究，我国在设备自动化和在线检测技术方面取得了重大的进步。本文从我国中药制剂的实例出发，重点阐述了我国几项重要的医学工程技术，并结合当前发展的趋势，对监控技术和自动化控制技术的关系进行了阐述，为我国未来中药制剂发展指明了方向。下面是小编为大家整理的《注射泵使用过程分析论文(精选3篇)》的相关内容，希望能给你带来帮助!

注射泵使用过程分析论文 篇1：

幂指数型非线性浓度梯度芯片设计及性能分析

摘要 微流体浓度梯度的生成与微通道结构及实验流体流量比例密切相关。本文通过对比传统与新型浓度梯度生成芯片的方法与特点，根据微流体的流动及传质扩散特性，采用被动混合原理设计了一种可在通道不同位置处生成不同浓度梯度的蛇形结构微通道芯片。建立了基于有限元的多物理场耦合模型，通过调整入口微流体流量比及扩散系数，得到流道内浓度分布结果，设计制作了带有蛇形微通道的PDMS微流控芯片并进行实验。两相流体分别选用去离子水和红色染料，实验流体在入口处总流量为10 μL/min。通过分析微通道出口处流体浓度的分布规律，验证了该装置的可靠性。

关 键 词 浓度梯度；有限元法；蛇形微通道；多物理场耦合；微流控芯片

0 引言

一般情况下，特征尺寸大于1 000 μm的尺度称为常规尺度，介于1 ～ 1 000 μm之间的尺度称为微尺度[1-3]。相比常规尺度流体，微流体存在着尺度效应，其流动特性受流体流量、粘度、扩散系数及微通道尺寸、结构等多种因素影响[4-5]。微流体浓度梯度芯片技术的进步，对医学、化学、生物及相关学科的发展具有积极的促进作用。

传统浓度梯度生成装置存在一定不足，主要体现在效率低、精准性差、易产生误差等方面[6-8]。如利用吸管尖端或凝胶储集物生成溶液浓度梯度的方法费时费力，效率较低。实际中的药物筛选、趋化分析和毒性评价中往往需要大量不同浓度的样本溶液，而且诸如疾病诊断、精准医疗和药品检测等过程更需要精准的浓度梯度，这些都是传统生成浓度梯度方式难以克服的，并且在实验与应用过程中，传统方法容易产生误差，如在样品转移过程中，或者在吸管或器皿中有残留的溶液等都会产生误差。此外，传统方法产生的浓度梯度空间分辨率不高，难以控制梯度[9-10]。

微流体浓度梯度芯片较传统装置而言具有很强的优越性，比如：浓度梯度芯片的微通道尺度与单元尺度匹配度在几微米左右，且多维通道的网络环境相对独立；微通道的传质传热速度快、效率高，能满足高通量分析要求；微流体浓度梯度生成平台的多个操作单元可以进行灵活组合或集成，具有并行处理大量试验的能力等，因此被广泛用于药物筛选、趋化分析和毒性评价等领域。

目前，新型微流体浓度梯度生成芯片种类很多，包括纸基通道型[11-13]、基质吸附型[14-18]、液滴型[19-20]、时间演化型[21]、流阻型[22-23]以及圣诞树型[24-29]等。这些微流体芯片具有动态可控性，且可生成较精准的时空浓度梯度，但通常芯片结构设计较为复杂。本文利用蛇形微通道作为基础单元进行研究，具有结构简单，加工方便等特点。流体流经微通道时由于蛇形结构特性使得流体不停被动转换方向，不同浓度流体交界面处扩散加速，形成浓度梯度条带。通过改变入口流体的流量比例，可得到微通道不同位置处的浓度梯度条带。此外，通过改变流体扩散系数可使流体达到均一浓度时流经的微通道长度变短，由此说明仿真时可通过改变流体扩散系数实现复杂模型的简化，为复杂仿真简单化奠定了基础。

1 蛇形微通道浓度梯度生成的数学模型建立

1.1 雷诺数方程

对于微尺度流体的理论研究是基于微流体力学的基本理论，本文研究的是微流体在层流状态下通过流体扩散形成浓度梯度。要生成期望的浓度梯度，必须根据微流体动力学基本方程的原理对流体流动进行精确操控。

[Re=ρudη]， （1）

式（1）为雷诺数（Reynolds number）表达式。式中：ρ代表流体密度；[u]代表的是速度矢量；d为特征长度；η代表动力学黏度。雷诺数是描述微流体流动的无量纲参数，是流体惯性力与黏性力的比。当Re<2 000时，粘性力影响远大于惯性力，流体处于比较稳定的层流状态。一般来说，根据雷诺数公式估算可知微米尺度下流体的雷诺数约为10-2数量级，故其为层流状态。

1.2 連续方程

本文实验流体为具有一定速度的连续流体，当微流体稳定、连续不断地流过微通道时，由于通道中任意流体不能中断和堆积，所以，依据流体力学质量守恒定律，同一时间内，通过微通道任一截面微流体的质量相等，流场中任意一点的密度满足连续性方程

[?ρ?t+?·（ρu）=0]。 （2）

当流体为定常流动的不可压缩流体时， ?/?t=0，流体密度ρ可认为恒定，此时式（2）可简化为

[?·u=0]。 （3）

1.3 控制方程

假定实验流体为不可压缩的牛顿流体，根据动量守恒原理， 可导出流场中黏度与密度为常数的黏性不可压缩流体的运动方程，即纳维-斯托克斯方程（Navier-Stokes equations），简称N-S方程。

[?u?t+（u·?）u=1ρ（-?p+η?2u）+fv]， （4）

式中：p代表压力；[?]代表拉普拉斯算子；[fv]代表单位质量流体的体积力。

N-S方程描述了真实流体的动力学基本规律，在流体力学中具有重要意义。理论上讲，若初始条件和边界条件确定，N-S方程组基本可以确定流体的流动。

1.4 传质方程

微流体在传输过程中通过扩散传质生成了浓度梯度，在实际的研究与应用中，大部分扩散都是非稳态扩散，其特点是扩散过程中，微元浓度和扩散通量均随时间变化而变化，并且通过各处的扩散通量随着距离改变而改变，对于这类扩散可应用菲克第二定律描述：

[?c?t=??x（D?c?x）]， （5）

式中，c代表物质的浓度D代表扩散系数。对于流动中的流体，除了要考虑扩散传输特性外，还要考虑对流对其浓度分布的影响。这时，需要在菲克第二定律的方程中加上对流项，可得到式（8）的对流-扩散方程

[?c?t+u·?c=D?2c]。 （6）

方程中等号左边第2项为对流项，等号右边为扩散项。该方程描述的是微流体在流动过程中的传质规律，通过对方程求解可得微流体的浓度分布。当微流体受多个物理场影响时，可用有限元法（FEM）进行多物理场耦合求解。

2 蛇形微通道浓度梯度生成的物理模型建立

2.1 几何模型建立及网格划分

设置浓度梯度生成芯片的微通道高度为40 μm，宽度为100 μm，微通道总长度为2 mm。由于微通道的横纵比较大，故可将其简化为忽略高度的二维模型来进行仿真计算，其几何模型的网格划分如图1所示。使用基于有限元理论的Comsol Multiphysics 5.3 仿真软件进行数值模拟，通过求解多个耦合方程组得到最终结果的初始数据，之后进行数据处理。选用自由三角形网格对蛇形微通道的几何模型进行网格划分，其求解精度严重依赖于网格划分数目的多少。理论上，网格划分越密集求解精度越高，但网格数目过多则会增加计算时间并且耗费计算机大量内存。为平衡计算精度与计算时间的关系，本文芯片结构在微通道转折处网格设置较密，如图 1 所示，通过优化计算，此处选定网格数目为20 608个。

2.2 仿真参数设置

仿真实验中微通道结构以及流体性能都依赖于几何与物理参数的设置。参数设置支持常量或变量，通过对参数的调节可实现几何模型的结构改变，亦能改变实验样品的特性。本文采用不同浓度的水溶液作为实验流体，实验所需各参数设置如表1所示。

2.3 边界条件及控制方程

仿真选用层流模块模拟实验流体在微通道中的流动；稀物质传输模块模拟流体的扩散和对流。每个模块中均需要设置边界条件和控制方程来模拟流体实际流动状况。边界条件的设置如图2所示。

1）流场：Navier-Srokes（N-S） 方程

由第1节理论分析可知，低雷诺数流体流动过程中粘性力起主要作用，控制微流体运动的N-S 方程可表示为式（4）。

流体流动边界条件设置为：

①入口总流量为1 μL/min。

②出口处抑制回流，满足

[n.[-pI+η?u+?uT]=0]。 （7）

③微通道其余壁面流速边界条件为u = 0，无滑移。

④出口处压力满足p = 0。

2）稀物质传输：对流扩散方程

不同浓度流体流动过程中分子及离子会出现对流扩散现象，导致不同浓度流体混合，其原理可用式（8）表示。

微通道中物质浓度边界条件可设置为：

①入口处流体浓度分别为0 μmol/L和c0 = 1 μmol/L 。

②出口处浓度满足

[-n?D?c=0]。 （8）

③其余边界浓度表达式为

[n?D?c+uc=0]。 （9）

仿真中所采用主要参数如表1所示。

设置入口处流体总流量保持恒定，且2相不同浓度流体流量比可调，微通道正中心为浓度观察参考线，由此观察不同浓度梯度的生成。

3 实验材料与方法

3.1 实验试剂与仪器设备

实验试剂：去离子水；红墨水；PDMS聚合物和固化剂，美国DOW CORNING公司；异丙醇，天津市博迪化工股份有限公司；硅烷偶联剂，天津市风船化学试剂科技有限公司等。

实验仪器设备：光学显微镜，日本尼康公司，型号E100；机械注射泵，保定兰格恒流泵有限公司，型号LSP02-1B；等离子机，普特勒电气科技有限公司，型号PDC-MG；真空泵，浙江飞越机电有限公司，型号FY-1H-N；真空釜，上海三爱思试剂有限公司；电子天平，上海市双旭电子有限公司，型号YP3002；载玻片；注射器；镊子；手套；平头针头；四氟管；纸杯；胶带等。

3.2 浓度梯度生成的蛇形微通道制作与封装

依照仿真实验参数进行微通道结构设计，如图3a）所示，通道包含2个入口A和B，和一个出口C。2相流体由入口进入，经过蛇形微通道后，由出口C流出。带有微通道图案的芯片由PDMS澆注而成，所需模板由大连拓微芯片科技有限公司加工制作。微通道图案由AutoCAD绘图软件按尺寸参数绘制，定制了微通道形状的玻璃阳膜，阳膜高度为30 μm。实验时，将玻璃阳膜置于真空釜中进行硅烷化处理，之后将PDMS前聚物与固化剂以10：1的比例混合均匀并浇铸于玻璃阳膜上，保持80 ℃固化1 h成型，脱模后可得到PDMS微通道结构。将加工好的PDMS微通道入口和出口处打孔，带图案一面朝上与玻璃基底一起置于等离子键合机中进行氧等离子处理，约2 min后取出，并在1 min内键合，最后将芯片置于80 ℃加热台加热10 min，加强键合效果。封装之后的芯片实物图如图3a）所示。

3.3 实验平台搭建与芯片性能测试

如图3b）所示搭建实验平台，2台机械注射泵分别泵送缓冲液以及红墨水至微通道中，2只注射器分别固定在注射泵上，针头连接四氟管，四氟管另一端插入PDMS芯片预先打好的孔中，实现流体的注入。出口处接另一根四氟管将废液倒出置纸杯中，芯片置于显微镜上实时观察实验现象。通过调节2台注射泵可控制微通道内缓冲液以及红墨水的进样流量比，当两股流体流经蛇形微通道时，可形成不同浓度梯度。实验中，计算机与显微镜的CCD相机相连，进行实验结果（照片与视频）的记录。图3c）为本实验平台的结构框图。

4 结果与讨论

4.1 流场分布与流动过程分析

流体流动与传质相互耦合，流速是影响浓度梯度生成的重要指标。微通道内流体流速主要是给定入口处流体初始速度的体现，流体流量比为最简单的1∶1时，可对流速进行定性分析，假定微通道为理想的壁面光滑模型，微流体在通道内流动方向以及流动状态可由图4a）表示，蓝色线条表示流动形式，箭头表示流动方向，如图可以看出，流线分布均匀，故流体流动为层流状态，经过微通道后流动形式并无改变，符合层流仿真模块设定。云图4b）表示流体在微通道内流速大小分布，由图可知，流速在流道中呈现边缘低中间高的状态，原因在于流场边界条件③导致流体流速降低。此外，微通道各级处流速大小均保持了良好的一致性。

4.2 浓度场的分布与浓度梯度分析

本文研究目的旨在生成不同浓度梯度，为验证微通道结构以及物理参数设计的合理性，流体流量比为最简单的1：1时，对微通道内的浓度进行定性分析。蛇形微通道结构中流体生成浓度梯度主要靠分子扩散，扩散时间可用下式表示：

[t=l22D]， （10）

式中：l为扩散长度；D为流体扩散系数。当2相流体流量比为1∶1时，扩散长度l =Wch/2。此时，微通道宽度一定，扩散时间仅与流体扩散系数相关。设定两相流体扩散系数均为1×10-9 m2/s，微通道入口处2种流体的浓度分别为：缓冲液（buffer）浓度0 μmol/L，目标液体（dye） 浓度1 μmol/L。图5为两相流体以1∶1的流速比在微通道内混合后的浓度场分布与浓度梯度分布。彩色云图5a）表示流体在微通道内浓度分布，蓝色为低浓度，红色为高浓度，如图所示，流体可在微通道不同位置处生成不同浓度梯度，流体经过蛇形微通道后，达到完全混合的平衡状态。图5b）显示了微通道内各级浓度梯度的变化，红色表示梯度高，蓝色表示梯度低，箭头表示梯度的方向。由图可知：入口处梯度最高，梯度随单元匝数增加逐级递减，梯度大小可由彩色云图定性观察出来，微通道最后一级处梯度为0，表明流体达到了完全稳定的平衡状态，即充分混合。

4.3 浓度梯度生成的影响因素

在微通道几何模型结构一定的情况下，浓度梯度的生成还受许多物理因素影响。本文根据式（12）重点研究微通道入口处2种不同浓度流体的流量比以及扩散系数对浓度梯度生成的影响。入口处缓冲液流量用Qb表示，总流量用Q表示且保持恒定（1 μL/min），则目标液体的流量为Qd = 1 - Q b。改变Qb与Q的比值，设置流量矩阵Qb /Q = [0.1，0.25，0.5，0.75，0.9]，观察微通道不同级处浓度梯度分布。当扩散系数为1×10-10 m2/s时，如图6a） 所示，提取浓度观察线处的微通道各级浓度分布数值，绘制归一化位置与浓度曲线，改变流量比可得到不同浓度梯度的分布，浓度梯度变化率随微通道匝数增加而逐级递减，流体约在第11级处达到完全混合的平衡状态。

当Qb /Q较小时，出口处最终浓度接近于目标溶液浓度，当Qb /Q较大时，最终浓度接近于缓冲溶液浓度。特别当Qb /Q = 0.5时，经过蛇形微通道后，2相不同浓度流体逐渐混合均匀，达到0.5 μmol/L，可证明此蛇形微通道设计的合理性。为得到不同浓度梯度分布以及分析扩散系数对浓度梯度的影响，改变流体的扩散系数进行仿真模拟，分别增大扩散系数为1×10-9 m2/s和减小为1×10-11 m2/s，结果如图6b）、c）所示，当增大扩散系数时，流体达到平衡状态的时间缩短，且生成的浓度梯度更为均一；减小扩散系数时，流体需经过更长距离的微通道才能达到稳定状态。另外，无论流体扩散系数大小，流体均以相同的流动趋势进行混合，直至达到平衡。由此可见，增大流体的扩散系数可实现微通道结构简化，达到低扩散系数流体在复杂微通道中流动的相同效果。

4.4 實验结果分析

实验选定的两相流体分别由2台机械注射泵以确定的流量泵送至微通道中，由于注射泵固有精度的限制，流量调至1 μL/min时误差较大，故实验时入口总流量设定为10 μL/min。流量增大，流体流经微通道至出口所需的时间变短，因此，流体需要经过更长距离才可充分扩散。调节两相流体流量比，使缓冲液（去离子水）的流量占比满足流量矩阵Qb /Q = [0.1，0.25，0.5，0.75，0.9]，光学显微镜下微通道入口以及出口处缓冲液（去离子水）与目标液体（红墨水）在微通道中的分布如图7a）所示，由于拍摄图片为二维模式，两相流体流量比例直观地表现为各自在微通道中的宽度占比。两相流体经蛇形微通道混合后，在出口处分布形式如图7a）所示，由图可观察到，流体在出口处未达到完全混合状态，此时分析出口处的浓度梯度，相当于截取流体达到完全混合前的某一时间的浓度梯度分布情况。两相流体流量比不同时，可在出口处得到不同形式的浓度梯度条带。

为定量分析出口处浓度梯度的分布规律，选取微通道出口处100 μm×100 μm的部分图像用Matlab软件进行灰度化处理，灰度图像如图7b）所示，提取所选部分图像的中间位置为灰度值观察线，定量计算图像的灰度值。令缓冲液所表示的白色灰度为0（匹配浓度0 μmol/L），目标液体所表示的红色灰度值为1（匹配浓度1 μmol/L），由此可归一化不同浓度的数值。如图7b）所示，点图为不同流量比下灰度观察线处归一化位置与归一化浓度的关系，归一化位置坐标方向由图中蓝色箭头表示。选取拟合函数y=xb用Matlab软件对20个灰度值点进行曲线拟合，由图7b）所示，所选函数能较好拟合散点灰度值，当Qb/Q分别等于0.1，0.25，0.5，0.75，0.9时，函数中指数b分为为0.41，0.67，1.03，1.95，7.19，分别对应由上到下的5条曲线。

5 结论

本文基于流体对流扩散原理分析了蛇形微通道中微流体浓度梯度的生成，得到了微通道不同位置处生成的不同形式浓度梯度带。量化的微流体浓度梯度带可通过增减微通道匝数在出口处提取出来。另外，采用改变入口实验流体（缓冲液和目标溶液）流量比的方法得到不同浓度梯度序列。改变流体扩散系数进行仿真模拟，证明了无论扩散系数大小，流体最终都会以相同的变化趋势趋于平衡。因此，可通过改变流体扩散系数的方法来实现仿真模型的简化。通过实验，对微通道出口处浓度梯度进行定量分析，证明了浓度梯度分布符合指数函数y =xb的曲线分布，因此，该芯片可用于非线性浓度梯度的生成。

参考文献：

[1] MORINI G L. Single-phase convective heat transfer in microchannels：a review of experimental results[J]. International Journal of Thermal Sciences，2004，43（7）：631-651.

[2] WHITESIDES G M. The origins and the future of microfluidics[J]. Nature，2006，442（7101）：368-373.

[3] HETSRONI G，MOSYAK A，POGREBNYAK E，et al. Fluid flow in micro-channels[J]. International Journal of Heat and Mass Transfer，2005，48（10）：1982-1998.

[4] HERWIG H，HAUSNER O. Critical view on “new results in micro-fluid mechanics”：an example[J]. International Journal of Heat and Mass Transfer，2003，46（5）：935-937.

[5] OBOT N T. Toward a better understanding of friction and heat/mass transfer in microchannels：a literature review[J]. Microscale Thermophysical Engineering，2002，6（3）：155-173.

[6] FOSSER K A，NUZZO R G. Fabrication of patterned multicomponent protein gradients and gradient arrays using microfluidic depletion[J]. Analytical Chemistry，2003，75（21）：5775-5782.

[7] von PHILIPSBORN A C，LANG S，BERNARD A，et al. Microcontact printing of axon guidance molecules for generation of graded patterns[J]. Nature Protocols，2006，1（3）：1322-1328.

[8] FREVERT C W，BOGGY G，KEENAN T M，et al. Measurement of cell migration in response to an evolving radial chemokine gradient triggered by a microvalve[J]. Lab on a Chip，2006，6（7）：849-856.

[9] ATENCIA J，MORROW J，LOCASCIO L E. The microfluidic palette：a diffusive gradient generator with spatio-temporal control[J]. Lab on a Chip，2009，9（18）：2707-2714.

[10] CHUNG B G，LIN F，JEON N L. A microfluidic multi-injector for gradient generation[J]. Lab on a Chip，2006，6（6）：764-768.

[11] JANG I，KIM G，SONG S. Mathematical model for mixing in a paper-based channel and applications to the generation of a concentration gradient[J]. International Journal of Heat and Mass Transfer，2018，120：830-837.

[12] OSBORN J L，LUTZ B，FU E，et al. Microfluidics without pumps：reinventing the T-sensor and H-filter in paper networks[J]. Lab on a Chip，2010，10（20）：2659-2665.

[13] SCHAUMBURG F，URTEAGA R，KLER P A，et al. Design keys for paper-based concentration gradient generators[J]. Journal of Chromatography A，2018，1561：83-91.

[14] DELAMARCHE E，BERNARD A，SCHMID H，et al. Microfluidic networks for chemical patterning of substrates：design and application to bioassays[J]. Journal of the American Chemical Society，1998，120（3）：500-508.

[15] von PHILIPSBORN A C，LANG S，BERNARD A，et al. Microcontact printing of axon guidance molecules for generation of graded patterns[J]. Nature Protocols，2006，1（3）：1322-1328.

[16] BERNARD A，RENAULT J P，MICHEL B，et al. Microcontact printing of proteins[J]. Advanced Materials，2000，12（14）：1067-1070.

[17] QUIST A P，PAVLOVIC E，OSCARSSON S. Recent advances in microcontact printing[J]. Analytical and Bioanalytical Chemistry，2005，381（3）：591-600.

[18] FOSSER K A，NUZZO R G. Fabrication of patterned multicomponent protein gradients and gradient arrays using microfluidic depletion[J]. Analytical Chemistry，2003，75（21）：5775-5782.

[19] SUN M，BITHI S S，VANAPALLI S A. Microfluidic static droplet arrays with tuneable gradients in material composition[J]. Lab on a Chip，2011，11（23）：3949.

[20] CAI L F，ZHU Y，DU G S，et al. Droplet-based microfluidic flow injection system with large-scale concentration gradient by a single nanoliter-scale injection for enzyme inhibition assay[J]. Analytical Chemistry，2012，84（1）：446-452.

[21] FREVERT C W，BOGGY G，KEENAN T M，et al. Measurement of cell migration in response to an evolving radial chemokine gradient triggered by a microvalve[J]. Lab on a Chip，2006，6（7）：849-856.

[22] KIM D，LOKUTA M A，HUTTENLOCHER A，et al. Selective and tunable gradient device for cell culture and chemotaxis study[J]. Lab on a Chip，2009，9（12）：1797-1800.

[23] DIAO J P，YOUNG L，KIM S，et al. A three-channel microfluidic device for generating static linear gradients and its application to the quantitative analysis of bacterial chemotaxis[J]. Lab Chip，2006，6（3）：381-388.

[24] DERTINGER S K W，CHIU D T，JEON N L，et al. Generation of gradients having complex shapes using microfluidic networks[J]. Analytical Chemistry，2001，73（6）：1240-1246.

[25] JAMBOVANE S，DUIN E C，KIM S K，et al. Determination of kinetic parameters，kmandkcat，with a single experiment on a chip[J]. Analytical Chemistry，2009，81（9）：3239-3245.

[26] TIRELLA A，MARANO M，VOZZI F，et al. A microfluidic gradient maker for toxicity testing of bupivacaine and lidocaine[J]. Toxicology in Vitro，2008，22（8）：1957-1964.

[27] Cooksey G A，Sip C G，Folch A. A multi-purpose microfluidic perfusion system with combinatorial choice of inputs，mixtures，gradient patterns，and flow rates [J]，Lab on A Chip，2009，9（3）：417-426.

[28] COOKSEY G A，SIP C G，FOLCH A. A multi-purpose microfluidic perfusion system with combinatorial choice of inputs，mixtures，gradient patterns，and flow rates[J]. Lab Chip，2009，9（3）：417-426.

[29] GLAWDEL T，ELBUKEN C，LEE L E J，et al. Microfluidic system with integrated electroosmotic pumps，concentration gradient generator and fish cell line （RTgill-W1）：towards water toxicity testing[J]. Lab on a Chip，2009，9（22）：3243-3250.

[30] LEE K，KIM C，AHN B，et al. Generalized serial dilution module for monotonic and arbitrary microfluidic gradient generators[J]. Lab Chip，2009，9（5）：709-717.

[責任编辑 杨 屹]

作者：姜云峰 张思祥 孟冀豫 王哲 李姗姗

注射泵使用过程分析论文 篇2：

试论原料药制剂工程的自动化与在线监测技术

摘要：我国是中草药制剂工程发展的大国，在中药制剂工程技术方面拥有者巨大的市场潜力。通过多年的摸索研究，我国在设备自动化和在线检测技术方面取得了重大的进步。本文从我国中药制剂的实例出发，重点阐述了我国几项重要的医学工程技术，并结合当前发展的趋势，对监控技术和自动化控制技术的关系进行了阐述，为我国未来中药制剂发展指明了方向。

关键词：中药制剂工程设备；PAT技术；NIR在线分析技术；自动控制；研究方向

现代社会，随着经济水平的提高，人们对于健康问题越来越重视，而在保健身体方面，很多人使用的是天然的药物，特别是在日本和韩国，传统的医药工业大国开始着手研究现代的中药提取技术，并采用科学的技术，将中药的使用范围进一步扩大，同时，西方一些国家的中草药发展技术也有着迅速的发展，特别是90年代以来，增长的比例逐渐加快。因此，做好中草药的提取技术和控制技术，是世界医学普遍关注的重点问题。

1 中药制剂装备自动化及在线监控现状

1.1 原料药设备

所谓中药自动化设备技术是指利用高科技的手段，提取动植物和矿物总的有机成分的一种机器设备，这种机器设备的技术方法有提取、分离、过滤、干燥等各个程序，每个程序都需要专业的人士进行处理，保证其有效性。而在中药原料药的生产过程中，提取物一般是采用多功能的提取罐进行的，也可以采用三效的浓缩机或是干燥机来进行操作。中药中的提取物分离过程和装备要求具有更高的科技水平，生产的过程需要手动控制，以免造成失稳现象，在药品质量的检测方面要做到细致入微，单元的装备主要是流水线的生产过程，周期长，成本高，因此，实现高技术水平的药物提取工程是当今工作的重点。

1.2 固体制剂设备

我国国内的重要企业一般制造的是固体的制剂，这种固体制剂设备大多数是单机操作，通过粉碎机和分离机的共同运转，保证基本的药品生产流程。而在药物生产的过程中，采用的是人工的方法，这种国内的设备不仅速度慢，而且质量难以保证，在质量的监督控制方面也有所不足，和发达国家有一定的差距，这是现阶段应该改进的方面。

1.3 液体制剂设备

国内对于中药液体制剂的配料和过滤过程十分重视，采用一定规格的配料罐和过滤其进行配料和过滤，同时在质量的检测方面有固定的检测设备。一般的注射剂生产过程中，设备的自动化程度较高，先进的技术发展直接关系着生产药品的稳定性，是优良的制药装备。比如我国某处生产注射剂的生产线采用的是来自德国公司的检测设备，整体的检测过程自动化程度高，稳定性能好，可追溯性明显不同，为该厂的产品开发和研制提供了保障。

2 在线监控技术与制药装备自动化

国外的一些发达国家在制药设备方面重视化程度高，特别是对于设备的自动化和控制化水平，具有完备的在线控制功能。而在线控制功能设备可以有效的对信息进行分析和处理，保证其连线的准确性。这些先进的制药设备可以做到随机控制，实时分析，自动报警的功能，也可以在线检测产品的质量，这些技术都是我国现阶段需要提高和发展的重要方向。

2.1 PAT 技术

制药生产过程中每一项单元操作工艺参数的变化都会影响到最终产品的质量。国内中药制药生产环节缺乏有效的过程检测手段，大多只能根据经验确定过程是否完成。如混合、干燥、提取、分离纯化等都未能实现在线实时监测，成为药品生产过程质量控制的盲点。随着cGMP的深入实施、科技技术水平的发展，在线监测技术将在制药生产过程中占有重要地位。在线质量监控技术可近似地定义为PAT（ProcessAnalytical Technology）过程分析技术。PAT过程分析技术在欧美等发达国家的研究较多，在制药行业中的应用也越来越广泛。

2.2 PAT技术中的热点——近红外（NIR）光谱分析技术

近红外光谱在线分析技术在制药工程中的应用研究成为热点，以下对其做简单介绍。在线近红外光谱分析技术由硬件、分析软件和分析模型3部分组成。

2.2.1 硬件

近红外光谱在线分析技术的硬件组成主要有光谱仪、取样系统、测样装置、样品预处理系统等部分。在实际应用中，还应有防爆系统、界外样品抓样系统等。其中：（1）光谱仪是整个在线分析系统的心脏。通常按需要综合评价仪器的各种性能，以稳定性、波长范围、分辨率、采集时间、信噪比等指标来选择仪器。（2）用于液体分析时，采用泵抽采样、压差引样或定位直接取样测量；用于固体样品分析时，采用漫反射定位直接测量。（3）固体样品分析时，一般无需预处理工作。

2.2.2 分析软件

在线近红外光谱分析系统的软件需具有光谱实时采集、化学计量学光谱分析定量定性模型的建立、待测样品类型及模型界外样品的判断、样品性质或组成的定量计算等功能。此外，还应包括数据与信息显示功能、数据管理功能、通讯功能、故障诊断与安全功能、监控功能、网络化功能。

2.3 PAT 技术和制药装备自动化的关系

PAT技术被定义为一种可以通过测定关键性的过程参数和质量指标来设计、分析、控制药品生产过程的机理和手段。通过在药品生产过程中使用PAT技术，提高对生产过程、关键参数和产品质量的过程控制，使产品质量变得精确和可靠，增加产品最终质量保障。

3、我国中药医药自动化及在线监控技术的研究

探索方向结合我国中药生产过程及装备现状，借鉴欧美发达国家先进的在线监测及控制技术和水平，以尽快实现中药现代化，笔者认为目前主要研究探索的方向为：

（1）开发完善的中药提取浓缩纯化成套生产装置，该装置除应具备温度、流量、压力、液位、时间、加料量的控制功能、过程流程模拟显示功能、数据的存储及打印功能外，还应具备有效成分含量的在线监测及控制功能，以确保工艺产品的稳定性及可控性。

（2）研究探索PAT 技术在固体制剂过程的混合、干燥、制粒、压片、包衣等工序中的应用，包括分析仪器的开发研究、过程监测模型及分析模型的建立。

（3）开发性能稳定、高自控程度的液体制剂生产线及生产装置，研究探索PAT技术在液体制剂过程中在线清洗、有效物质含量监测控制的技术路线及过程模型构建，建立完备的在线质量监控及验證体系。

4、结语

总而言之，通过上述几个方面的研究得知，我国的中药制剂技术水平和发达的国家相比还有一定的差距，特别是在制药的自动化控制方面，急需提高。随着时代的发展和全球化水平的提高，各种先进的信息技术将会进一步的共享，为我国的制药事业发展做出指导和贡献。我国的科技人员更要以此为契机，学习国外的先进技术，在保证基本的药物提取过程中，为中药事业尽绵薄之力。

参考文献

[1] 陈晔.中药产业发展存在的问题及其对策[J].甘肃中医，2007，20（7）：1～5

[2] 王志强，杨泽.中药现代化与GMP[J].中草药，2009，40：55～57

[3] 陈建农，王焕魁.中药提取过程中亟待解决的工程问题[J].中药研究与信息，2002，4（9）：14～16

作者：孙玉玲

注射泵使用过程分析论文 篇3：

近红外光谱技术快速测定参枝苓口服液醇沉过程中的5种指标成分

[摘要] 建立一种运用近红外光谱技术快速测定参枝苓口服液醇沉工艺过程中芍药苷、芍药内酯苷、甘草苷、肉桂酸、甘草酸5种指标成分含量的方法。以高效液相色谱法为参考方法，比较了不同光谱预处理方法和波段选择方法对定量分析模型结果的影响，运用偏最小二乘回归法建立了参枝苓口服液醇沉工艺过程中5种成分的定量分析模型。醇沉工艺过程中芍药苷、芍药内酯苷、甘草苷、肉桂酸、甘草酸5种成分近红外定量分析模型评价参数Rcal2，Rpred2，RMSEC，RMSEP，RPD分别为：芍药苷0.993 3，0.997 6，0.084 9 g·L-1，0.073 3 g·L-1，14.7；芍药内酯苷0.991 4，0.992 7，0.028 1 g·L-1，0.030 5 g·L-1，10.2；甘草苷0.955 3，0.976 1，0.012 0 g·L-1，0.012 3 g·L-1，5.1；肉桂酸0.958 8，0.990 3，0.003 89 g·L-1，0.002 89 g·L-1，7.1；甘草酸0.982 0，0.986 3，0.053 8 g·L-1，0.059 0 g·L-1，7.2。该方法能够实现参枝苓口服液醇沉工艺过程中多组分含量快速检测，实时监控生产过程，保证生产质量。

[关键词] 近红外光谱技术； 参枝苓口服液； 偏最小二乘回归； 高效液相色谱； 醇沉工艺过程

水提取乙醇沉淀法（简称醇沉法）是中药活性成分纯化与注射剂、口服液制剂最为常用的一种精制方法，醇沉工艺过程是中药生产过程中的关键工艺环节之一[1]。中药实际生产过程中，醇沉工艺环节缺乏有效的过程监测手段，往往根据经验判断过程的完成情况，成为生产过程质量控制中的盲点。美国食品药品监督管理局（Food and Drug Administration，FDA）认为，在生产过程中使用过程分析技术（process analysis technology，PAT），能够提高对生产过程和产品的理解，加强对生产过程的控制，从而使生产过程和产品质量得到保障[23]。

近红外光谱（near infrared spectroscopy，NIRS）技术具有穿透力强、无需制样、快速、无损等分析特点[46]，是一种适合于快速、在线分析的绿色PAT技术，已广泛应用于化学及生物制药领域[79]，另外在中药领域的定性、定量分析、在线检测和过程控制分析中亦获得了广泛的推广[1012]。

NIRS在中药醇沉过程中应用广泛。NIRS可用于醇沉液中间体有效成分的定量分析，陈晨等[13]利用NIRS建立复方苦参注射液醇沉液4种生物碱含量的快速测定方法。作为PAT手段之一，NIRS能够用来判断醇沉过程终点，徐冰等[14]应用有序聚类分析，基于金银花醇沉过程的近红外光谱分析，将该过程划分为4个阶段，对每一阶段建立多变量统计过程控制模型，并成功应用于金银花醇沉加醇过程的监控。Huang等[15]利用NIRS和多变量统计过程控制方法，以6批正常批次建立中药注射剂在线控制模型，以4批人为设定的故障批次对模型进行评估，实现在线监控醇沉生产过程。

通过测定1种或几种有效成分或指标性成分的含量，能够直观分析醇沉过程品质变化。传统定量分析方法常采用高效液相色谱法，具有明显的滞后性，而方便快捷的分析方法是实现中药生产全程质量监控的必要条件[16]。利用NIRS对醇沉工艺过程的多指标成分含量同时监控，能够明确中药醇沉情况，对生产过程做出合理性判定。陈昭等[17]以金银花醇沉过程中绿原酸含量为评价指标，利用NIRS建立定量分析模型，为金银花醇沉过程的快速评价提供参考。杜文俊等[18]应用NIRS透射法对热毒宁注射液大生产中金银花和青蒿醇沉过程绿原酸质量浓度和固含量进行快速检测，提高醇沉过程质量控制水平。

本课题采用近红外光谱分析技术结合相关化学计量学方法，以参枝苓口服液为考察对象，收集参枝苓口服液生产线上的水提浓缩液数批，模拟生产条件进行醇沉，采用近红外光谱分析技术研究醇沉过程中芍药苷、芍药内酯苷、甘草苷、肉桂酸、甘草酸5种成分偏最小二乘回归（partial least square regression，PLSR）定量分析模型，实现醇沉过程中多指标成分含量的快速检测分析。

1 材料

Antaris Ⅱ傅立叶变换近红外光谱仪（Thermo Fisher Scientific，USA），液体透射采样模块，圆柱状玻璃样品管（4 mm × 50 mm），RESULT近红外光谱采集软件；Matlab 2010a（Mathworks Inc.，USA）及PLS_toolbox795（Eigenvector Research Inc.，USA）；Agilent 1260高效液相色谱分析仪（Agilent，USA）；MilliQ纯水仪（Milford，MA，USA）；ZORBAX SB_C18色谱柱（StableBond Analytical 4.6 mm×250 mm，5 μm，Agilent，USA）；磁力搅拌器（JB3A，上海雷磁创益仪器仪表有限公司）；蠕动泵（BF300，保定齐力恒流泵有限公司）；离心机（Sorv All Legend Micro 17R，Thermo Fisher Scientific，USA）。

参枝苓口服液水提浓缩液（由山东沃华医药科技股份有限公司提供）。芍药内酯苷对照品（批号MUST14031214，中国科学院成都生物研究所）；芍药苷对照品（批号MUST13030401，中国科学院成都生物研究所）；甘草苷对照品（批号111610200604，中国食品药品检定研究院）；甘草酸铵对照品（批号G07110317，中药固体制剂制造技术国家工程研究中心）；肉桂酸（批号110786200503，中国食品药品检定研究院）；甘草苷对照品溶液（16.4 mg·L-1，山东沃华医药股份有限公司）；色谱纯乙腈、甲醇（德国默克公司）；磷酸、磷酸二氢钠等其他试剂均为分析纯。

2 方法

2.1 样品的制备与收集

实验室模拟参枝苓口服液实际醇沉工艺过程，量取一定量的水提浓缩液， 置于2 L烧杯中，室温条件及恒定的搅拌速度下，以20 mL·min-1的流速加入800 mL 95%乙醇，持续40 min。从加入第1滴乙醇开始取样，之后每隔2.5 min取样，每次取样3～5 mL，重复5个批次，每个批次取样17个，共得85个样品。样品6 000 r·min-1离心5 min，取上清液备用。

2.2 芍药苷、肉桂酸、芍药内酯苷、甘草苷、甘草酸HPLC含量测定

2.2.1 对照品溶液的制备 精密称取10.4 mg芍药苷对照品于50 mL量瓶，加甲醇溶解并定容，即得208 mg·L-1的对照品储备液。精密称取5.60 mg芍药内酯苷对照品于50 mL量瓶中，加甲醇定容，得到112 mg·L-1储备液。精密称取5.20 mg甘草酸铵置于5 mL甲醇内得1.04 g·L-1的储备液。精密称取5.00 mg肉桂酸对照品于5 mL甲醇中，得到1.00 g·L-1的储备液。16.4 mg·L-1甘草苷对照品溶液。

2.2.2 色谱条件 采用Agilent 1260高效液相色谱仪，Agilent ZORBAX SB_C18柱，利用多波长检测方法检测醇沉过程5种指标成分含量。流速0.8 mL·min-1，柱温30 ℃，进样量10 μL，流动相为乙腈（A）0.05% 磷酸水溶液（B，磷酸二氢钠缓冲溶液调节pH 2.0～2.5），梯度洗脱，洗脱梯度见表1。

2.2.3 样品含量的测定 取样品上清液，根据样品浓度不同，加蒸馏水稀释至适合的倍数，在2.2.2色谱条件下对样品进行含量测定。将测定值作为建模所需的参考值。

2.3 近红外光谱的采集

取适量2.1项下制得上清液置于玻璃样品管内，采用Antaris Ⅱ傅里叶变换近红外光谱仪透射模块进行原始近红外光谱的采集。光谱扫描范围1万～4 000 cm-1，分辨率8 cm-1，扫描次数32次，以空气作参比。5个批次85份样品的原始近红外光谱见图1。

2.4 5种成分PLSR定量分析模型的建立

PLSR 因能有效的对数据进行降维，并且在降维的同时考虑了浓度矩阵的影响，是目前NIRS分析中最常用的线性定量模型回归方法[19]。本实验采用PLSR 方法，对参枝苓口服液醇沉工艺过程中的5种有效成分建立定量分析模型。

2.4.1 样品集的划分 5批醇沉工艺模拟试验，随机选择4批作为校正集，剩下的1批样品作为验证集。验证集样品5种指标成分浓度范围包含在校正集样品浓度范围之内，且经主成分分析，样品分布合理。

2.4.2 光谱预处理方法的选择 由于样品属于溶液型样品，溶剂的基质效应大，因此采用导数作为样品近红外光谱的主要预处理方法。导数可以用于近红外光谱的基线校正，提高光谱分辨率和灵敏度。光谱进行导数处理时降低了信噪比，因此导数处理前常对光谱进行平滑处理[20]。

本次实验通过考察SavitzkyGolay 卷积平滑（SG）、一阶导数（1ST）、二阶导数（2ND）和标准正态变量变换（standard normal variate transformation，SNV）等方法，以预处理后的全光谱建立PLSR定量分析模型，选择最佳光谱预处理方法。

2.4.3 变量选择 近红外光谱中常包含许多无关的信息变量，利用波段选择方法，能够提取有效信息，降低无关信息对模型的干扰[21]。

本实验在最佳光谱预处理的基础上，考察相关系数法（correlation coefficient，CC）、间隔偏最小二乘法（interval partial least square regression，iPLS）、竞争性自适应重加权法（competitive adaptive reweighted sampling，CARS） 3种变量选择方法在醇沉过程5种成分PLSR定量分析模型中的应用，筛选出最佳光谱变量，建立稳健、可靠的模型。

2.4.4 模型的建立与评价 采用上述优化的光谱预处理方法，在所选变量区间内建立醇沉工艺过程芍药苷、芍药内酯苷、甘草苷、肉桂酸、甘草酸PLSR定量分析模型。

2.5 模型外部独立验证

按照2.1样品制备收集方法，实验室条件下重新模拟1批参枝苓醇沉生产过程，获得17个外部验证样品。按照2.3近红外光谱采集方法，收集外部验证样品的近红外光谱。以建立的醇沉过程5种指标成分PLSR定量分析模型预测外部验证样品指标成分含量，得到指标成分随加醇量变化趋势图，进一步评价模型效果。

3 结果与讨论

3.1 HPLC参考数据

本实验HPLC采用紫外多波长检测法， 230 nm波长条件下检测芍药内酯苷和芍药苷， 237 nm检测甘草苷和甘草酸铵，278 nm波长检测肉桂酸，见图2。并对方法的日内精密度进行了考察，结果见表2。

情况下有较大波动。分析原因认为，这可能是因为肉桂酸和甘草苷含量相对较低，含量容易受环境等因素的影响。个别样品含量测定时可能由于溶液的配制或洗脱液的更换出现异常，为了保证模型质量，这些波动异常的数值在建立定量分析模型时作为异常值剔除。

3.2 5种成分PLSR定量分析模型的建立

3.2.1 样品集的划分 根据3.1HPLC参考数据结果，将异常样品去除后，校正集和验证集样品信息见见表3。

3.2.3 变量选择和模型建立 醇沉过程5种有效成分的PLSR定量分析模型变量方法选择结果见表6。

3.3 外部独立验证模型结果

利用建立的参枝苓口服液醇沉工艺过程中5种成分的定量分析模型，根据外部独立预测集的17份根据图5外部独立预测集展示参枝苓口服液醇沉过程中5种指标成分的变化趋势，与图3相比较，5种指标成分醇沉过程中变化趋势相同，进一步验证了模型的性能。

4 讨论

本实验首次采用近红外光谱技术，建立了参枝苓口服液醇沉工艺过程中5种指标成分：芍药苷、芍药内酯苷、甘草苷、肉桂酸、甘草酸过程含量变化的PLSR定量分析模型，实现过程变化中多组分含量快速检测。

建模过程中，通过求导和SG平滑对光谱进行预处理，采用CC，iPLS，CARS 3种变量选择方法，尽可能的消除或减弱噪音干扰，提取有效信息，优化模型。

CC利用光谱矩阵和浓度因变量矩阵的相关性，选择相关系数绝对值大于给定阈值的变量建模，能够提高模型鲁棒性。由于CC变量选择时考察的是单个波长向量和浓度向量的相关性，基于线性统计方法，对于非线相关及校正集样本分布不均匀的情况，该方法选取的结果往往不可靠。iPLS将光谱区间平均分为间隔相等的若干个子光谱区间，每个区间分别建立PLSR模型，选择交互验证均方根误差较小的光谱区间用于建模[22]。iPLS使用时，窗口宽度的选择十分重要。常和其他方法例如遗传算法（genetic algorithm， GA）结合对变量进行选择，用于近红外光谱的定量和定性分析[23]。CARS采用自适应加权采样方法筛选出回归系数绝对值大的变量点，同时利用衰减指数函数舍去权重小的波长点，利用交互检验不断迭代筛选，最终将交互验证均方根误差值最低的变量作为最佳变量组合[24]。它只用少量的与化学信息相关的关键波长，而不是一个连续的波段或者一些连续波段的组合，从而避免波长共线性，提高模型稳定性。

根据模型结果，本实验最终选取了CC0.6（阈值0.6）和CARS（n=50）2种变量选择方法。建立醇沉工艺过程中芍药苷、芍药内酯苷、甘草苷、肉桂酸、甘草酸5种成分近红外定量分析模型。评价参数Rcal2，Rpred2，RMSEC，RMSEP，RPD分别为：芍药苷0.993 3，0.997 6，0.084 9 g·L-1，0.073 3 g·L-1，14.7；芍药内酯苷0.991 4，0.992 7，0.028 1 g·L-1，0.030 5 g·L-1，10.2；甘草苷0.955 3，0.976 1，0.012 0 g·L-1，0.012 3 g·L-1，5.1；肉桂酸0.958 8，0.990 3，0.003 89 g·L-1，0.002 89 g·L-1，7.1；甘草酸0.982 0，0.986 3，0.053 8 g·L-1，0.059 0 g·L-1，7.2。

本方法在实验室条件下模拟醇沉工艺过程，利用近红外光谱技术实现参枝苓口服液醇沉工艺过程中多指标成分含量快速检测，对实现过程在线监测具有重要参考意义。

[参考文献]

[1] 孙玉琦，刘晓娟，代春美.中药醇沉技术应用与评价[J].中成药，2010，32（11）：1961.

[2] 陆婉珍，褚小立.近红外光谱（NIR）和过程分析技术（PAT）[J].现代科学仪器，2007（4）：13.

[3] 王培，臧恒昌，曾英姿.药品生产过程质量风险产生的原因及控制[J].中国药学杂志，2011，46（13）：969.

[4] 陆婉珍.现代近红外光谱分析技术[M].北京：中国石化出版社，2006.

[5] Reich G. Nearinfrared spectroscopy and imaging： basic principles and pharmaceutical applications[J]. Adv Drug Deliv Rev，2005，57（8）：1109.

[6] Wang P，Sun J，Zhang T，et al.Vibrational spectroscopic approaches for the quality evaluation and authentication of virgin olive oil[J].Appl Spectrosc Rev，2016，51（10）：763.

[7] Dong Q，Zang H，Liu A，et al.Determination of molecular weight of hyaluronic acid by nearinfrared spectroscopy[J]. J Pharm Biomed Anal，2010，53（3）：274.

[8] Wang F，Jiang W，Li C，et al.Application of near infrared spectroscopy in monitoring the moisture content in freezedrying process of human coagulation factor Ⅷ[J].J Innov Opt Health Sci，2015，8（6）：1550034.

[9] 王小亮，傅强，绳金房，等.近红外光谱技术在制药过程分析中的应用进展[J].西北药学杂志，2009， 24（3）：228.

[10] Wang P，Zhang H，Yang H，et al.Rapid determination of major bioactive isoflavonoid compounds during the extraction process of kudzu （Pueraria lobata） by nearinfrared transmission spectroscopy[J].Spectrochimica Acta A Mol Biomol Spectrosc，2015，137：1403.

[11] 李文龙，邢丽红，薛东升.一种基于近红外光谱技术的熊胆粉鉴别方法[J].光谱学与光谱分析，2011，31（3）：673.

[12] Wang P，Yu Z G.Species authentication and geographical origin discrimination of herbal medicines by near infrared spectroscopy：a review[J].J Pharm Anal，2015，5（5）：277.

[13] 陈晨，李文龙，瞿海斌，等.复方苦参注射液两类中间体中生物碱含量的近红外光谱测定方法[J].药物分析杂志，2012，32（10）：1781.

[14] 徐冰，史新元，乔延江，等.金银花醇沉多阶段多变量统计过程控制研究[J].中国中医药杂志，2012， 27（4）：784

[15] Huang H X，Qu H B.Inline monitoring of alcohol precipitation by nearinfrared spectroscopy in conjunction with multivariate batch modeling [J].Anal Chem Acta，2011，707：47

[16] 邢丽红，徐金忠，瞿海斌.近红外光谱法快速测定丹参醇沉过程中的鞣质[J].药物分析杂志，2010， 30（10）：1813.

[17] 陈昭，吴志生，史新元，等.Bagging偏最小二乘和Boosting 偏最小二乘算法的金银花醇沉过程近红外光谱定量模型预测能力研究[J].分析化学，2014，42（11）：1679.

[18] 杜文俊，刘雪松，陶玲燕，等.热毒宁注射液金银花和青蒿（金青）醇沉过程中多指标的近红外快速检测[J].中草药，2015，46（1）：61.

[19] Word S，Sjostrom M，Eriksson L.PLSregression： a basic tool of chemometrics[J].Chemometr Intell Lab， 2001，58（2）：109.

[20] Rinnan A，Berg F S，Engelsen S B.Review of the most common preprocessing techniques for nearinfrared spectra[J].TracTrend Anal Chemy，2009，28（10）：1201.

[21] Zou X B，Zhao J W，Malcolm J W，et al.Variables selection methods in nearinfrared spectroscopy[J].Anal Chim Acta，2010，667：14.

[22] Norgaard L，Saudland A，Wagner J，et al. Interval partial leastsquares regression （iPLS）： a comparative chemometric study with an example from nearinfrared spectroscopy[J].Appl Spectrosc，2000，54（3）：413.

[23] 褚小立.化学计量学方法与分子光谱分析技术[M].北京：化学工业出版社，2011.

[24] Li H D，Liang Y Z， Xu Q S，et al.Key wavelengths screening using competitive adaptive reweighted sampling method for multivariate calibration [J].Anal Chim Acta，2009，648：77.

[责任编辑 孔晶晶]

作者：李彤彤　胡甜　聂磊　臧立轩　曾英姿　臧恒昌