随着科学水平的发展,采用传统方式进行生产的流化床制粒设备,已经不能满足自动化、信息化的生产要求。制粒过程中的颗粒水分含量信息不能实时获取,对颗粒水分含量的影响因素不能准确把握,容易导致药物疗效达不到预期甚至造成制粒批次失败的后果。因此,对制粒过程中颗粒水分含量的实时准确获取具有重要意义。针对流化床制粒过程数据采集困难的问题,设计并改造现有的流化床设备,加装近红外探头和工艺参数传感器,为消除物料粉末沾到近红外探头上对光谱数据的影响,设计一套近红外探头吹扫装置,从而建立起流化床制粒过程数据采集平台。实验结果表明,建立的数据采集平台可以实时采集制粒过程中的工艺参数数据和近红外光谱数据。针对不能实时监测制粒过程颗粒水分数据、原始的近红外光谱信噪比较低等问题,利用归一化和SG卷积平滑结合的方法对近红外光谱数据进行数据预处理;并用随机森林方法对预处理后的光谱数据的波段进行选择,将125个波段降低到了 60个;对处理过后的光谱数据分别用PLS、PSO-SVR和PSO-KRR三种模型进行离线建模并进行在线验证,结果表明,在线验证中,PSO-KRR模型的RMSE为0.210,预测结果最佳,成功的完成了模型在线转移。针对不能充分了解流化床制粒工艺内部机理和近红外探头设备较昂贵的问题,实时获取颗粒水分数据,利用可视化的方式分析了流化床制粒的工艺参数与颗粒水分含量的关系,得到重要的特征为物料温度。利用BP神经网络、XGBoost和Stacking模型融合算法对工艺参数和颗粒水分含量进行建模,分析结果表明,利用Stacking模型融合算法以在验证集和预测集上的RMSE分别为0.101和0.104的成绩获得最佳结果,对Stacking模型融合算法进行了线上验证,RMSE为0.261,证明工艺参数替换近红外探头预测颗粒水分含量的可行性,降低了成本。