在化学厂的运行过程中,必须始终保持产品质量,并应最大程度地降低规范产品的生产。因此,必须测量与产品质量相关的过程变量,例如工厂各个部分的材料的温度和组成,并且必须根据测量结果进行适当的操作(即控制)。一些过程变量(例如温度和流速)可以连续,即时测量。但是,其他变量(例如成分和粘度)只能通过从植物中抽样物质后进行耗时的分析来获得。已经提出了软传感器,用于估算从易于测量变量实时获得的过程变量。但是,在未记录的情况下(推断),传统统计软传感器的估计精度(由记录的测量值构成)可能非常差。在这项研究中,我们通过使用动态模拟器来估算植物的内部状态变量,该模拟器可以根据化学工程知识和人工智能(AI)技术估算和预测未记录的情况,称为增强学习,并建议使用使用估计植物的内部状态变量作为软传感器。此外,我们描述了使用此类软传感器的植物操作和控制的前景以及为拟议系统获得必要的预测模型(即模拟器)的方法。
translated by 谷歌翻译