29、人工智能在过程系统工程中的应用

人工智能在过程系统工程中的应用

1. 人工神经网络在预测方面的应用

人工神经网络（ANN）在多个领域展现出了强大的预测能力，以下是一些具体的应用案例：
- 材料领域
- Haciismailoglu等人应用带有delta - bar - delta学习算法的ANN模型来预测环形纳米晶磁芯的动态磁滞。输入参数包括磁芯的几何尺寸、峰值磁感应强度和磁化频率。结果表明，该ANN模型在这个过程中表现准确。
- Santra等人开发了带有弹性传播（RPROP）训练算法的ANN模型，用于预测和评估方形腔中铜水非牛顿纳米流体层流自然对流的传热情况。他们还进行了数值模拟，采用有限体积法和SIMPLER算法求解输运方程，以获得ANN模型所需的训练数据。通过比较模拟结果和基于RPROP的ANN结果，发现ANN在预测传热方面更高效。
- 矿物领域
- Capdevila等人开发了一个ANN来推导计算化学奥氏体化温度的公式。为了预测奥氏体化温度斜率的变化趋势，测试了广泛的成分范围。
- Zeng等人通过将实验与带有扩展delta - bar - delta训练算法的ANN相结合，开发了一个混合模型，用于模拟和优化用间乙酰氯膦酸偶氮（CPA - mA）分光光度法测定Ru(III)的流动注射系统。该模型的五个输出参数为NaOH浓度、CPA - mA浓度、KIO4浓度、微波照射时间以及注射与微波照射开始之间的时间间隔。
- 其他领域
- Schewidtmann等人开发了混合ANN - 确定性全局过程优化模型来学习基本热力学性质。结果表明，混合ANN模型能够很