本书重点介绍了数字孪生现有的发展水平、技术特点、研究动态，并从硬件和软件两个方面，分别探讨了数字孪生中数据采集、数据分析、智能决策和预测控制等技术在中药制药工业中的具体应用。同时以中药制药环节中的提取、浓缩和干燥等具体工艺环节为例，分析了现有工艺的技术缺陷，重点讨论了数字孪生技术在这些生产工艺环节中的具体应用。通过工程实践数据和实验室小试数据的对比分析，讨论了数字孪生技术在工程应用环节的部署实施方案，并展示了对现有工艺所带来的实际工程效果。 本书主要读者对象主要为从事中药制药生产、科研以及设计的广大科研人员、管理干部、技术工人以及相关院校的师生，亦可是化工领域或者相关工业领域的相关从业人员和相关院校师生。

第一章 引言
第一节 数字孪生技术的历史和发展
一、数字孪生技术的基本概念和定义
二、数字孪生技术的起源
三、数字孪生技术的发展进程
第二节 数字孪生技术的研究现状和应用价值
一、数字孪生技术的研究现状
二、数字孪生技术的典型特征
三、数字孪生技术的应用价值
第三节 数字孪生技术与中药制药
第二章 中药制药领域中的数字孪生技术
第一节 中药智能制造的内涵与特征
一、中药智能制造的内涵
二、中药智能制造的特点
第二节 智能制药与数字孪生技术
一、智能制药的定义与特征
二、数字孪生技术在智能制药中的应用
第三节 数字孪生技术的技术特点和核心要求
一、数字孪生技术的技术特点
二、数字孪生技术应用的核心要求
三、嵌入数字孪生技术应用的显著特点
第四节 数字孪生技术在现代中药制药中的应用
第三章 中药制药数字孪生技术架构
第一节 中药数字孪生技术架构
一、物理组件
二、虚拟组件
三、数据管理
第二节 中药制药数字孪生技术的关键技术
一、数据采集技术
二、数字化建模技术
三、模拟仿真技术
四、数据分析和挖掘技术
五、决策优化技术
第三节 中药制药工艺对数字孪生技术要求
一、中药制药行业需要解决的痛点问题
二、中药智能制造技术的需求分析
三、中药制药工业的智能制造关键技术体系
第四章 中药制药数字孪生技术数据采集技术
第一节 数据采集技术
一、过程参数的数据采集技术
二、药品质量的数据采集技术
第二节 实时信号处理技术
一、单片机技术
二、PLC技术
三、FPGA技术
四、DSP技术
五、GPU技术
六、CPLD技术
第三节 数字空间与物理空间的数据交互
一、数据传输
二、数据处理
三、数据储存
第四节 微波技术用于中药制药投料前整包含水率在线检测
一、仪器与材料
二、实验方法
三、结果与讨论
第五节 高光谱成像结合人工智能技术探索天然金银花提取物的干燥行为
一、材料和方法
二、实验结果分析
三、高光谱技术的技术优势
第五章 中药制药过程建模与仿真
第一节 制药过程建模方法
一、模型开发
二、模型类型
第二节 基于机理模型的中药真空带式干燥工艺研究
一、真空带式干燥的数字孪生技术方法构建
二、真空带式干燥过程的数值模拟
三、真空带式干燥过程的工艺优化
四、真空带式干燥过程优化决策过程
第三节 制药过程仿真技术
一、制药过程仿真的一般流程
二、仿真结果验证
三、仿真常用软件
第四节 中药制药过程仿真——旋风分离器
一、旋风分离器物理结构
二、旋风分离器流场数值模拟
三、金银花提取液干燥颗粒物性参数测定与设备得粉率测定
四、流场数值模拟结果及分析
第五节 制药过程建模与模拟仿真的技术趋势和技术壁垒
第六章 基于数字孪生技术的智能控制系统
第一节 传统控制系统与智能控制系统
一、传统控制系统
二、智能控制
三、预测性控制
第二节 中药提取过程智能优化控制
一、传统PID控制提取过程
二、提取设备流场数值模拟
三、DMC预测算法
四、基于DMC算法的中药提取微沸状态控制实验
五、基于数字孪生技术的预测控制研究
第三节 中药浓缩过程优化控制
一、中药浓缩过程的基本原理和发展现状
二、智能控制技术在中药浓缩过程中的应用
三、基于动态矩阵控制算法控制浓缩过程
四、支持向量机在中药浓缩浓度的软测量
第四节 中药干燥过程智能优化控制
一、传统的建模方法
二、新的建模方法
三、喷雾干燥工艺参数的预测控制
第五节 基于机理模型的中药喷雾干燥工艺研究
一、喷雾干燥过程理论模型
二、干燥动力学实验构建干燥动力学模型
三、喷雾干燥实验装置结构
四、数值求解与模拟
五、金银花提取物的喷雾干燥
六、基于深度强化学习的过程优化
第七章 基于数字孪生技术的中药制药过程智能优化
第一节 中药制药过程优化的基本问题
第二节 中药制药过程优化的技术结构
第三节 工艺过程优化方法分类
一、基于数学优化的算法
二、基于元启发式算法的算法
三、基于深度学习的算法
四、综合方法
第四节 基于模拟仿真对中药溶媒回收工艺动态优化控制
一、PID控制器继电反馈法自整定调谐控制系统
二、基于模拟仿真的中药溶媒回收系统设计
三、动态控制系统建立与仿真实验
第五节 基于模拟仿真对中药浓缩过程研究
一、实验部分
二、过程仿真模拟
三、结果讨论与分析
第六节 基于深度强化学习的甘草真空带式干燥工艺优化决策
一、数据准备
二、工艺决