30、人工智能在过程系统工程中的应用与模糊逻辑概述

人工智能在过程系统工程中的应用与模糊逻辑概述

人工智能在过程控制中的应用

在过程系统工程领域，人工智能技术在过程控制方面有着广泛的应用。

在废水处理过程中，为了准确控制溶解氧浓度，Bo和Zhang开发了三种回声状态网络（ESN）控制模型，即Critic ESN、Actor ESN和Predict ESN。这些模型使用最小二乘法（LS）训练算法在线调整ESN权重。与传统的PID控制器相比，ESN模型表现出更平滑的控制效果、更小的偏差、更小的超调以及更好的适应性，同时调整时间从PID控制器的0.65天减少到了0.45天。

在生物技术领域，不同的人工智能模型也发挥着重要作用：
- RNN模型 ：Xiong等人开发了RNN模型，用于实现间歇过程的批次间迭代最优控制策略。该模型利用前一批次运行的预测误差来改进当前批次的人工神经网络（ANN）模型性能，克服模型与实际工厂的不匹配以及未测量干扰的问题。
- 基于ANN的闭环控制系统 ：Andra Sik等人开发了基于ANN的闭环控制系统，用于研究连续流搅拌生化反应器的非线性控制。采用梯度最陡下降法训练ANN模型，以加速收敛速度。该控制系统由两个ANN组成，一个用于提供被控对象的预测混合模型，另一个用作类似神经PID的控制器。第二个ANN已离线预训练为被控过程的逆黑箱模型，由于过程不确定性和时变参数等问题，还需要对神经控制器进行额外的在线调整。
- PLS - NN模型 ：Dong等人提出了PLS - NN模型，通过解决序列二次规划（SQP）问题来获得所需的转化率和分子量。采用批次间自适应方法来处理模型误