本發(fā)明屬于色譜進樣控制領(lǐng)域，尤其涉及基于動態(tài)規(guī)劃的色譜進樣控制方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代色譜分析領(lǐng)域，樣品的進樣順序直接影響檢測效率和結(jié)果的準(zhǔn)確性。傳統(tǒng)的色譜分析方法多依賴人工經(jīng)驗或簡單規(guī)則，如按樣品提交順序或類別進行進樣。然而，隨著色譜分析設(shè)備的性能提升和樣品復(fù)雜性的增加，這些傳統(tǒng)方法暴露出了一系列局限性。

2、首先，樣品的化學(xué)和物理特性各異，不同樣品對設(shè)備參數(shù)的需求(如柱溫、流速等)存在差異，這種多樣性使得簡單排序方法無法滿足優(yōu)化需求。例如，高滯留時間的樣品與低滯留時間的樣品連續(xù)進樣可能導(dǎo)致設(shè)備性能下降或交叉污染。其次，設(shè)備在運行過程中存在一定的資源限制(如最大負載、清洗時間)，傳統(tǒng)的排序方法未能有效考慮這些約束條件，導(dǎo)致資源利用率低下甚至設(shè)備損耗加劇。此外，隨著分析需求的增加，大規(guī)模樣品的檢測任務(wù)愈發(fā)常見，這進一步加劇了排序復(fù)雜性。靜態(tài)優(yōu)化方法雖然能在一定程度上改進效率，但通常依賴固定的初始條件，難以動態(tài)應(yīng)對實時變化的環(huán)境(如溫度、壓力波動)或設(shè)備狀態(tài)(如運行故障或過載)。

3、現(xiàn)有的優(yōu)化技術(shù)，如基于簡單啟發(fā)式算法的排序方法或單一動態(tài)規(guī)劃模型的優(yōu)化方法，在應(yīng)用中也存在不足。一方面，啟發(fā)式算法通常針對特定場景設(shè)計，難以兼顧多樣化的樣品特性和設(shè)備參數(shù)；另一方面，單一動態(tài)規(guī)劃方法雖然具有較高的理論最優(yōu)性，但在面對大規(guī)模樣品進樣問題時，因狀態(tài)空間爆炸而導(dǎo)致計算復(fù)雜度大幅上升，難以實現(xiàn)實時優(yōu)化。同時，缺乏對設(shè)備運行狀態(tài)和外部環(huán)境的自適應(yīng)能力，使得這些方法在實際應(yīng)用中往往表現(xiàn)不佳。

4、綜上所述，當(dāng)前的色譜進樣優(yōu)化技術(shù)在以下幾個方面存在突出問題：

5、樣品多樣性適應(yīng)性不足：未能充分利用樣品特性信息，導(dǎo)致排序結(jié)果次優(yōu)甚至失敗。

6、設(shè)備資源利用效率低：未有效考慮設(shè)備約束和批次調(diào)度策略，設(shè)備資源浪費嚴重。

7、缺乏動態(tài)自適應(yīng)能力：未能實時響應(yīng)設(shè)備狀態(tài)和環(huán)境變化，優(yōu)化結(jié)果的魯棒性差。

8、針對上述問題，亟需一種新的技術(shù)方案，能夠綜合樣品特性、設(shè)備約束以及環(huán)境實時變化，系統(tǒng)性優(yōu)化色譜進樣排序，從而提升檢測效率和設(shè)備利用率，并保證檢測結(jié)果的準(zhǔn)確性和魯棒性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供基于動態(tài)規(guī)劃的色譜進樣控制方法及系統(tǒng)，有效解決了樣品多樣性適應(yīng)性不足、設(shè)備資源利用效率低以及缺乏動態(tài)自適應(yīng)能力等問題，為色譜進樣優(yōu)化提供了一種全面而高效的解決方案。這種方法不僅在大規(guī)模樣品檢測任務(wù)中具有顯著優(yōu)勢，還能適應(yīng)多樣化的設(shè)備和環(huán)境需求。

2、為了達到上述目的，在本發(fā)明的第一方面提供了基于動態(tài)規(guī)劃的色譜進樣控制方法，所述方法包括：

3、s1、采集樣本屬性，并構(gòu)建樣本的特性數(shù)據(jù)集合，其中，所述特性數(shù)據(jù)集合中的每個樣本特征都包含樣本屬性，再根據(jù)樣品特性值的不同量綱采用以下標(biāo)準(zhǔn)化處理對每個樣品的屬性進行無量綱化處理，將無量綱化處理后的特性數(shù)據(jù)映射到低維特征空間得到當(dāng)前樣本的低維特征表示，再根據(jù)所述低維特征表示進行基于動態(tài)聚類算法的分區(qū)計算，得到k個分區(qū)，且每個分區(qū)內(nèi)的樣品特性高度相似，再針對每個分區(qū)，根據(jù)分區(qū)內(nèi)樣品的特性分布，分配最適合當(dāng)前分區(qū)的設(shè)備運行參數(shù)；其中，所述樣本屬性包括滯留時間、分離度和檢測靈敏度；

4、s2、根據(jù)低維特征表示集合和當(dāng)前分區(qū)最適合的設(shè)備運行參數(shù)設(shè)計綜合優(yōu)化目標(biāo)函數(shù)進行分區(qū)內(nèi)動態(tài)規(guī)劃，以最小化每對樣品的綜合代價，生成各分區(qū)的最優(yōu)檢測序列；其中，所述設(shè)備運行參數(shù)包括分區(qū)設(shè)備的最優(yōu)柱溫、分區(qū)設(shè)備的最大負載和分區(qū)設(shè)備的最優(yōu)流速；

5、s3、根據(jù)各分區(qū)的最優(yōu)檢測序列結(jié)合當(dāng)前分區(qū)最適合的設(shè)備運行參數(shù)進行全局資源調(diào)度，生成全局資源計劃，包括每批次的樣品列表及順序；其中，所述全局資源計劃滿足分區(qū)設(shè)備的最大負載的約束和最小化批次切換代價的約束；

6、s4、采集設(shè)備的實時運行狀態(tài)和環(huán)境參數(shù)，計算設(shè)備狀態(tài)偏差和環(huán)境狀態(tài)偏差，分別衡量當(dāng)前運行狀態(tài)與調(diào)度計劃所需狀態(tài)之間的偏離程度，若當(dāng)前設(shè)備狀態(tài)偏差或環(huán)境狀態(tài)偏差超過分別的預(yù)設(shè)閾值，則觸發(fā)動態(tài)優(yōu)化，生成優(yōu)化的全局資源計劃；其中，所述動態(tài)優(yōu)化，具體包括：

7、根據(jù)當(dāng)前設(shè)備狀態(tài)偏差和環(huán)境狀態(tài)偏差設(shè)計新的全局資源計劃的目標(biāo)優(yōu)化函數(shù)；

8、根據(jù)設(shè)備的實時運行狀態(tài)重新計算批次切換代價；

9、確定批次調(diào)整窗口，包含當(dāng)前批次和后續(xù)h個批次；

10、使用滾動優(yōu)化算法，在窗口內(nèi)重新排序批次順序以最小化新的全局資源計劃的目標(biāo)優(yōu)化函數(shù)；

11、輸出優(yōu)化后的子計劃；

12、將優(yōu)化后的子計劃替換到全局資源計劃中，形成優(yōu)化的全局資源計劃：若窗口覆蓋的批次已完成，則監(jiān)測后續(xù)批次的設(shè)備狀態(tài)；否則，動態(tài)優(yōu)化繼續(xù)滾動執(zhí)行；

13、s5、按照優(yōu)化的全局資源計劃逐批次執(zhí)行樣品檢測，采集設(shè)備的反饋數(shù)據(jù)，計算實際結(jié)果與調(diào)度計劃目標(biāo)之間的偏差，綜合所有批次的偏差分析優(yōu)化性能評估結(jié)果，根據(jù)優(yōu)化性能評估結(jié)果調(diào)整目標(biāo)優(yōu)化函數(shù)和調(diào)度策略。

14、進一步地，所述根據(jù)所述低維特征表示進行基于動態(tài)聚類算法的分區(qū)計算，得到k個分區(qū)，且每個分區(qū)內(nèi)的樣品特性高度相似，具體為：

15、從低維特性數(shù)據(jù)集合z中隨機選取k個樣品作為初始聚類中心{c1,c2,…,ck}；

16、將樣品分配到最近的聚類中心：

17、

18、其中，cluster(i)表示樣品i所屬的聚類，cj為聚類j的中心，zi為低維特征表示；

19、對于每個聚類，重新計算其中心為分配到該聚類的樣品的平均值：

20、

21、其中，nj為聚類j中的樣品數(shù)量，cluster(j)為樣品j所屬的聚類；

22、重復(fù)樣品分配與中心更新的過程，直至中心位置不再變化；

23、最終形成k個分區(qū)，每個分區(qū)內(nèi)的樣品特性高度相似。

24、進一步地，所述綜合優(yōu)化目標(biāo)函數(shù)fj，表示為：

25、

26、其中，t(ik,ik+1)為檢測時間代價，衡量樣品ik與ik+1之間的檢測時間；p(ik,ik+1)為交叉污染代價，衡量樣品ik與ik+1之間的交叉污染風(fēng)險；r(ik,ik+1)為不確定性正則項，針對檢測樣品ik與ik+1之間順序的不確定性懲罰；α和λ分別為交叉污染和不確定性正則項的權(quán)重系數(shù)，用于平衡不同優(yōu)化目標(biāo)的影響；

27、所述檢測時間代價由樣品滯留時間差和設(shè)備流速共同決定，公式為：

28、

29、其中，和分別為樣品ik和ik+1的滯留時間；為設(shè)備流速，表示檢測速度的調(diào)節(jié)因子；

30、所述交叉污染代價由樣品分離度ri和靈敏度ei的差異計算，同時加入創(chuàng)新性權(quán)重項以懲罰極端污染，表示為：

31、

32、其中，為樣品ik的分離度，表示該樣品在設(shè)備中與其他樣品的分離效果，分離度高則表明樣品間的相互干擾較小；為樣品ik+1的分離度，表示下一個樣品與其他樣品的分離程度；為樣品ik的靈敏度，表示該樣品在設(shè)備檢測中的響應(yīng)度最高，靈敏度最高，樣品的檢測信號最強；為樣品ik+1的靈敏度，β為動態(tài)調(diào)整權(quán)重，基于分區(qū)內(nèi)樣品總體分離度分布生成：

33、β＝1+exp(-σr)

34、其中，σr為分區(qū)樣品分離度的標(biāo)準(zhǔn)差，用于調(diào)節(jié)極端污染的影響；

35、所述不確定性正則項引入樣品序列波動的約束，用于減少檢測序列的大幅變化：

36、

37、其中，γ正則強度因子，控制檢測序列的平穩(wěn)性；為樣品滯留時間的絕對差值，較大的差值將增加正則懲罰。

38、進一步地，所述最小化每對樣品的綜合代價，表示為：

39、構(gòu)建動態(tài)規(guī)劃的狀態(tài)轉(zhuǎn)移公式：

40、

41、其中，f(i,s)表示從樣品i出發(fā)、剩余樣品集合s中的最優(yōu)檢測代價；j表示樣本j，t(i,j)表示樣品i和j之間的檢測時間代價，p(i,j)表示樣品i和j之間的交叉污染代價，α表示交叉污染代價的權(quán)重系數(shù)，λ表示不確定性正則項的權(quán)重系數(shù)，f(j,s\{j})表示樣品j出發(fā)，去除j后的最優(yōu)代價；

42、初始狀態(tài)表示所有樣品均已檢測完畢；其中，表示沒有剩余樣品；

43、使用動態(tài)規(guī)劃表格記錄每一步的最優(yōu)路徑，從最終狀態(tài)逆向回溯生成最優(yōu)檢測序列oj＝{i1,i2,…,im}，得各分區(qū)的最優(yōu)檢測序列{o1,o2,…,oj,ok}。

44、進一步地，所述根據(jù)各分區(qū)的最優(yōu)檢測序列結(jié)合當(dāng)前分區(qū)最適合的設(shè)備運行參數(shù)進行全局資源調(diào)度，具體包括：

45、根據(jù)所述分區(qū)設(shè)備的最大負載，將分區(qū)的最優(yōu)檢測序列oj按序依次分配到批次

46、當(dāng)發(fā)現(xiàn)當(dāng)前分區(qū)設(shè)備的最大負載已經(jīng)達到時，需要將當(dāng)前代檢測樣本切換到最小批次切換代價的設(shè)備，控制設(shè)備的運行負載平衡；

47、使用遞歸優(yōu)化算法求解最優(yōu)批次順序：

48、始狀態(tài)表示所有批次調(diào)度完成；

49、轉(zhuǎn)移公式為：

50、

51、其中，為批次調(diào)度中的第k個批次；

52、通過逆向回溯生成全局調(diào)度計劃

53、進一步地，所述批次切換代價由批次間溫度調(diào)整時間和交叉污染代價組成；

54、設(shè)計優(yōu)化目標(biāo)函數(shù)g，最小化所有批次間的切換代價，同時控制設(shè)備的運行負載平衡，表示為：

55、

56、其中，λ為負載平衡的權(quán)重系數(shù)；m表示總批次數(shù)，表示批次切換代價，表示批次間切換代價矩陣，表示第j個批次，表示第j+1個批次；第二項通過控制批次負載的偏差，提升設(shè)備運行效率；loadavg表示設(shè)備的平均負載，表示第j個批次的負載。

57、進一步地，所述新的全局資源計劃的目標(biāo)優(yōu)化函數(shù)g′，表示為：

58、

59、其中，為調(diào)整后的批次切換代價，基于實時狀態(tài)重新計算；和η為權(quán)重系數(shù)，分別控制設(shè)備偏差和環(huán)境適應(yīng)性的影響程度，δr為設(shè)備狀態(tài)偏差，δe為環(huán)境狀態(tài)偏差；

60、所述調(diào)整后的批次切換代價表示為：

61、

62、其中，表示當(dāng)前溫度treal與目標(biāo)溫度的調(diào)整時間；為更新后的交叉污染代價，結(jié)合實時靈敏度偏差修正：

63、

64、其中，δek＝|ek-ereal|表示樣品靈敏度的實時偏差；表示；ri表示樣品i的分離度，rk表示樣品k的分離度，ei表示樣品i的靈敏度，ek表示樣品k的靈敏度，ω表示交叉污染代價的權(quán)重系數(shù)，用于調(diào)整靈敏度差異對污染的影響，δek＝|ek-ereal|表示樣品靈敏度的實時偏差，ereal表示實時樣品靈敏度。

65、進一步地，所述綜合所有批次的偏差分析優(yōu)化性能評估結(jié)果，根據(jù)優(yōu)化性能評估結(jié)果調(diào)整目標(biāo)優(yōu)化函數(shù)和調(diào)度策略，具體包括：

66、綜合所有批次的偏差，定義全局優(yōu)化性能指標(biāo)gperf，反映計劃執(zhí)行的整體適配性和調(diào)度效率：

67、

68、其中，第一項表示所有批次的平均偏差；δj表示綜合偏差指標(biāo)；第二項表示調(diào)度效率，通過批次間空閑時間tjidle與總執(zhí)行時間的比值衡量；ω為效率權(quán)重，動態(tài)調(diào)整以適應(yīng)具體設(shè)備需求；

69、所述綜合偏差指標(biāo)δj，表示為：

70、δj＝αt·|tjexec-tjplan|+αp·|pjexec-pjplan|+αe·δe

71、其中，tjplan和pjplan分別為調(diào)度計劃中對應(yīng)的目標(biāo)檢測時間和污染水平；δe為環(huán)境參數(shù)的偏離程度，用以評估環(huán)境變化對執(zhí)行結(jié)果的影響；權(quán)重αt,αp,αe用于平衡時間、污染和環(huán)境的貢獻，pjexec表示批次j的實際污染水平，pjplan表示批次j在調(diào)度計劃中的目標(biāo)污染水平；

72、根據(jù)優(yōu)化性能評估結(jié)果調(diào)整目標(biāo)優(yōu)化函數(shù)和調(diào)度策略：

73、若全局優(yōu)化性能指標(biāo)gperf超出目標(biāo)范圍，則動態(tài)調(diào)整調(diào)度計劃的目標(biāo)函數(shù)權(quán)重αt,αp,αe，平衡各優(yōu)化目標(biāo)；

74、更新批次切換代價矩陣特別是最高的環(huán)境波動和設(shè)備老化影響。

75、在本發(fā)明的另外一個方面提供了基于動態(tài)規(guī)劃的色譜進樣控制系統(tǒng)，所述系統(tǒng)包括：

76、樣本屬性采集單元，用于采集樣本屬性，并構(gòu)建樣本的特性數(shù)據(jù)集合，其中，所述特性數(shù)據(jù)集合中的每個樣本特征都包含樣本屬性，再根據(jù)樣品特性值的不同量綱采用以下標(biāo)準(zhǔn)化處理對每個樣品的屬性進行無量綱化處理，將無量綱化處理后的特性數(shù)據(jù)映射到低維特征空間得到當(dāng)前樣本的低維特征表示，再根據(jù)所述低維特征表示進行基于動態(tài)聚類算法的分區(qū)計算，得到k個分區(qū)，且每個分區(qū)內(nèi)的樣品特性高度相似，再針對每個分區(qū)，根據(jù)分區(qū)內(nèi)樣品的特性分布，分配最適合當(dāng)前分區(qū)的設(shè)備運行參數(shù)；其中，所述樣本屬性包括滯留時間、分離度和檢測靈敏度；

77、檢測序列生成單元，用于根據(jù)低維特征表示集合和當(dāng)前分區(qū)最適合的設(shè)備運行參數(shù)設(shè)計綜合優(yōu)化目標(biāo)函數(shù)進行分區(qū)內(nèi)動態(tài)規(guī)劃，以最小化每對樣品的綜合代價，生成各分區(qū)的最優(yōu)檢測序列；其中，所述設(shè)備運行參數(shù)包括分區(qū)設(shè)備的最優(yōu)柱溫、分區(qū)設(shè)備的最大負載和分區(qū)設(shè)備的最優(yōu)流速；

78、全局檢測序列生成單元，用于根據(jù)各分區(qū)的最優(yōu)檢測序列結(jié)合當(dāng)前分區(qū)最適合的設(shè)備運行參數(shù)進行全局資源調(diào)度，生成全局資源計劃，包括每批次的樣品列表及順序；其中，所述全局資源計劃滿足分區(qū)設(shè)備的最大負載的約束和最小化批次切換代價的約束；

79、全局檢測序列優(yōu)化單元，用于采集設(shè)備的實時運行狀態(tài)和環(huán)境參數(shù)，計算設(shè)備狀態(tài)偏差和環(huán)境狀態(tài)偏差，分別衡量當(dāng)前運行狀態(tài)與調(diào)度計劃所需狀態(tài)之間的偏離程度，若當(dāng)前設(shè)備狀態(tài)偏差或環(huán)境狀態(tài)偏差超過分別的預(yù)設(shè)閾值，則觸發(fā)動態(tài)優(yōu)化，生成優(yōu)化的全局資源計劃；其中，所述動態(tài)優(yōu)化，具體包括：

80、根據(jù)當(dāng)前設(shè)備狀態(tài)偏差和環(huán)境狀態(tài)偏差設(shè)計新的全局資源計劃的目標(biāo)優(yōu)化函數(shù)；

81、根據(jù)設(shè)備的實時運行狀態(tài)重新計算批次切換代價；

82、確定批次調(diào)整窗口，包含當(dāng)前批次和后續(xù)h個批次；

83、使用滾動優(yōu)化算法，在窗口內(nèi)重新排序批次順序以最小化新的全局資源計劃的目標(biāo)優(yōu)化函數(shù)；

84、輸出優(yōu)化后的子計劃；

85、將優(yōu)化后的子計劃替換到全局資源計劃中，形成優(yōu)化的全局資源計劃：若窗口覆蓋的批次已完成，則監(jiān)測后續(xù)批次的設(shè)備狀態(tài)；否則，動態(tài)優(yōu)化繼續(xù)滾動執(zhí)行；

86、進樣優(yōu)化單元，用于按照優(yōu)化的全局資源計劃逐批次執(zhí)行樣品檢測，采集設(shè)備的反饋數(shù)據(jù)，計算實際結(jié)果與調(diào)度計劃目標(biāo)之間的偏差，綜合所有批次的偏差分析優(yōu)化性能評估結(jié)果，根據(jù)優(yōu)化性能評估結(jié)果調(diào)整目標(biāo)優(yōu)化函數(shù)和調(diào)度策略。

87、本發(fā)明的有益技術(shù)效果至少在于以下：

88、(1)本發(fā)明創(chuàng)新性地引入樣品分區(qū)方法，根據(jù)樣品的化學(xué)特性(如滯留時間、分離度)和物理特性(如檢測靈敏度)動態(tài)劃分分區(qū)。通過分區(qū)管理樣品，有效解決樣品多樣性導(dǎo)致的排序復(fù)雜性問題，確保分區(qū)內(nèi)優(yōu)化的高效性和準(zhǔn)確性。采用多維動態(tài)規(guī)劃模型，在每個分區(qū)內(nèi)優(yōu)化樣品進樣順序，并結(jié)合設(shè)備參數(shù)(如流速、柱溫)實現(xiàn)局部最優(yōu)。

89、(2)針對設(shè)備資源利用率低的問題，本發(fā)明設(shè)計智能分流算法，在分區(qū)間對樣品進行批次劃分，動態(tài)調(diào)度批次順序以平衡設(shè)備負載，最大化資源利用效率。

90、批量優(yōu)化不僅減少了設(shè)備空閑時間，還降低了進樣排序的整體復(fù)雜度，實現(xiàn)了分區(qū)內(nèi)局部優(yōu)化與分區(qū)間全局優(yōu)化的協(xié)同工作。

91、(3)本發(fā)明針對缺乏動態(tài)調(diào)整能力的問題，增加實時反饋模塊，實時監(jiān)測設(shè)備狀態(tài)(如負載、溫度、流速)和環(huán)境變化(如溫度波動)。

92、在運行過程中動態(tài)調(diào)整分區(qū)和批量優(yōu)化策略，提升系統(tǒng)的魯棒性和靈活性，確保優(yōu)化方案始終適應(yīng)實際運行情況。

93、(4)本發(fā)明有效解決了樣品多樣性適應(yīng)性不足、設(shè)備資源利用效率低以及缺乏動態(tài)自適應(yīng)能力等問題，為色譜進樣優(yōu)化提供了一種全面而高效的解決方案。這種方法不僅在大規(guī)模樣品檢測任務(wù)中具有顯著優(yōu)勢，還能適應(yīng)多樣化的設(shè)備和環(huán)境需求。