63、基于机器学习的工业过程主动控制

基于机器学习的工业过程主动控制

1. 引言

在实际工业过程中，恰当的过程控制至关重要，它能避免错误和停机，而这些错误和停机在现实世界的过程中成本高昂。最优控制是一种关键方法，可帮助工业过程发挥最大潜力，提高整体性能。它涉及设计一种控制算法，在满足特定约束的同时，实时调整过程的输入以实现期望的输出，目标是确定能最大化期望目标函数的控制动作。

工业4.0技术在这方面发挥着关键作用，它能提供来自物理设备的实时数据，这些信息可用于以前无法实现的方式优化过程。此外，模拟在复杂工业过程的运行中也起着至关重要的作用。它可用于在实施前开发和测试控制算法，帮助工程师和操作员做出明智的决策，优化过程性能，提高效率并确保安全。

模拟还能让我们利用虚拟传感器。虚拟传感器可对过程控制重要但物理传感器无法直接测量的过程变量进行估计。基于模拟模型的虚拟传感器使工程师能够估计那些难以或无法测量的过程变量，并实现对这些变量的实时监测和控制，从而实现过程的主动控制，减少停机时间并提高过程的可靠性，这与在问题发生后才做出响应的被动过程控制不同。

利用模拟模型可以生成大量来自工业过程的合成数据，包括物理可测量的数据以及虚拟测量数据。机器学习技术可用于分析这些数据并开发预测模型，从而实现过程的主动控制和优化。例如，可以使用模拟模型为监督学习算法生成训练数据，以预测过程行为并确定最优控制参数；无监督学习技术也可用于识别数据中的隐藏模式，洞察过程行为；还可以使用模拟模型创建过程的数字孪生，利用强化学习算法优化控制策略。总之，模拟与机器学习的结合为过程优化和控制提供了强大的工具。

1.1 论文贡献

本文提出了一种基于机器学习技术的工业过程主动控制新方法。该方法通过