智 能 工 程 與 過 程 系 統(tǒng) 的 集 成 優(yōu) 化

1、智能工程與過程系統(tǒng)的集成優(yōu)化聯(lián)系人及第一作者：錢宇，男，41歲，教授、博士導(dǎo)師。E-mail: HYPERLINK mailto: 國家自然科學(xué)基金資助項目(No. 29576239 ).錢 宇張培榮 王克峰(華南理工大學(xué)化學(xué)工程研究所，廣州，510641)摘 要 系統(tǒng)科學(xué)和信息技術(shù)的迅速發(fā)展為工業(yè)過程的計算機(jī)集成系統(tǒng)提供了基礎(chǔ)，而以模糊專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)為代表的 人工智能技術(shù)為解決過程工程中許多技術(shù)難題開辟了道路。本文 著重討論過程系統(tǒng)集成優(yōu)化的概念，并重點論述人工神經(jīng)網(wǎng)絡(luò)、 模糊專家系統(tǒng)、進(jìn)化算法等智能輔助的系統(tǒng)優(yōu)化技術(shù)。關(guān)鍵詞 計算機(jī)集成過程系統(tǒng)(CIPS) 智能輔助過程工程 (IAPE

2、) 系統(tǒng)優(yōu)化引 言隨著過程工業(yè)企業(yè)向大型化、集成化和連續(xù)化方向發(fā)展，人們對生 產(chǎn)過程優(yōu)質(zhì)、高產(chǎn)、低消耗、安全和環(huán)境等方面提出了更高的要求，特 別是在當(dāng)前能源和資源緊缺，國際市場競爭激烈的情況下，如何實現(xiàn) 生產(chǎn)過程的最優(yōu)化，最大限度地提高生產(chǎn)效率，是過程工業(yè)面臨的 嚴(yán)峻挑戰(zhàn)。經(jīng)典的化學(xué)工程學(xué)以單元操作和“三傳一反”為基礎(chǔ)，著重研究各 個單元過程和設(shè)備的特性，積累了豐富的知識和經(jīng)驗。而對由多種單 元過程和裝置組成的綜合系統(tǒng)，如大型石油化工企業(yè)和多品種牌號 的精細(xì)化工過程的整體綜合特性，則研究較少。二十世紀(jì)科學(xué)技術(shù) 發(fā)展的一個重要特征，是各個學(xué)科領(lǐng)域的相互滲透和相互支撐。過 程系統(tǒng)工程作為化學(xué)工程中

3、的一個新興交叉子學(xué)科，是在系統(tǒng)工程、 化學(xué)工程、過程控制、信息技術(shù)、計算機(jī)技術(shù)等學(xué)科發(fā)展的基礎(chǔ)上萌 生并發(fā)展起來的。一方面，它對化工流程中化學(xué)反應(yīng)、分離過程、能 量交換過程等各單元子過程追求集成和優(yōu)化，尋求最佳的技術(shù)經(jīng)濟(jì)目 標(biāo)；另一方面，它采用數(shù)學(xué)模擬和物理模擬相結(jié)合的方法，從信息、任務(wù)、和方法等多種角度的集成對過程系統(tǒng)進(jìn)行最優(yōu)設(shè)計，實施最優(yōu) 操作、最優(yōu)控制，實現(xiàn)過程系統(tǒng)的綜合整體優(yōu)化。其中，工藝設(shè)計與 過程控制已相對較為成熟，而對企業(yè)生存和發(fā)展至關(guān)重要的經(jīng)營管理 技術(shù)和生產(chǎn)運(yùn)行的全過程全生命周期的集成優(yōu)化，是目前過程系統(tǒng)工 程領(lǐng)域的最新研究前沿，有待于深入開拓。1過程系統(tǒng)集成優(yōu)化八十年代初期

4、，在計算機(jī)、自動化、信息技術(shù)迅速發(fā)展的推動 下，工業(yè)系統(tǒng)工程界提出一種新的組織企業(yè)生產(chǎn)的哲理和運(yùn)行模式一 計算機(jī)集成制造系統(tǒng)(Computer Integrated Manufacturing System, CIMS)，利用計 算機(jī)進(jìn)行信息集成，對生產(chǎn)過程的各子系統(tǒng)實施綜合集成，以縮短新 產(chǎn)品研制、產(chǎn)品生產(chǎn)和交貨周期，提高產(chǎn)品質(zhì)量，降低成本。國際學(xué)術(shù) 界和工程界將此視為21世紀(jì)占主導(dǎo)地位的新型生產(chǎn)方式。過程工業(yè)大多屬連續(xù)式物料反應(yīng)和加工過程，與機(jī)電行業(yè)的工件 型離散生產(chǎn)模式有所不同，其生產(chǎn)的組織和調(diào)度也有很大差別。與優(yōu) 質(zhì)低耗有關(guān)的優(yōu)化操作問題，以及與安全生產(chǎn)和環(huán)境風(fēng)險控制有關(guān)的 過程運(yùn)行控

5、制問題，是過程系統(tǒng)工程中兩大特點和難點。為此，過程 工業(yè)界引入CIMS概念時提出了 一種分級分布式自動化管理和計算機(jī)控 制一體化的綜合性過程系統(tǒng)，稱為計算機(jī)集成過程系統(tǒng)(Computer Integrated Process System, CIPS)。CIPS的目標(biāo)就是 要將從 基礎(chǔ)的 過程控 制和操 作直到公司高層管理決策集成在一起，形成一個管理一控制一體化的 高效能高柔性的智能生產(chǎn)系統(tǒng)1,這將成為二十一世紀(jì)過程系統(tǒng)工 程領(lǐng)域最具活力的研究方向之一。其基本方法是：從生產(chǎn)運(yùn)營整體出 發(fā)，將企業(yè)的生產(chǎn)、營銷和管理的各種信息集成起來；將人員、設(shè) 備、材料、資金及信息等資源合理組織、有效利用，同時

6、綜合分析系 統(tǒng)內(nèi)部和外界因素的變化，借此不斷地調(diào)整企業(yè)內(nèi)部的活動以適應(yīng)這 些變化，使過程系統(tǒng)達(dá)到設(shè)計、運(yùn)行和經(jīng)營管理的最優(yōu)目標(biāo)。近二十年來，人們開發(fā)了化工過程運(yùn)行中各種局部功能的計算機(jī) 輔助運(yùn)行(Computer-Aided Process Operation, CAPO)系統(tǒng)，如調(diào)度排 產(chǎn)、數(shù)據(jù)采集和校正、在線模擬、故障診斷、運(yùn)行調(diào)優(yōu)等。 CAPO介于最基礎(chǔ)的過程控制和最上層的計算機(jī)管理信息系統(tǒng)(MIS)以及 決策支持系統(tǒng)(DSS)之間的廣大領(lǐng)域，是連接過程控制和決策管理之 間的橋梁。它們分別對局部層次的運(yùn)行優(yōu)化起到了積極的作用。然 而，CAPO的加和不等于系統(tǒng)集成，局部優(yōu)化不一定全局最優(yōu)。

7、故此有必 要將各CAPO功能塊集成起來，形成計算機(jī)集成過程運(yùn)行系統(tǒng)(Computer Integrated Process Operation System, CIPOS)。 這里所強(qiáng)調(diào)的“集成”包括 以下三個方面：(1)信息集成：信息集成是CIPOS的關(guān)鍵。能對過程工業(yè)這一復(fù)雜 大系統(tǒng)進(jìn)行準(zhǔn)確和完整的信息應(yīng)該包括過程數(shù)據(jù)、模型和經(jīng)驗等多種 表達(dá)形式的知識。信息分為局部信息和全局信息兩種。為保持系統(tǒng) 的一致性，并使不同的管理。開發(fā)和使用人員共享信息，必須對全局 信息實現(xiàn)集成，保證系統(tǒng)的開發(fā)效率和運(yùn)行性能。任務(wù)集成：CI P O S中各部分優(yōu)化任務(wù)是相互關(guān)聯(lián)的，它們 應(yīng)該被置于一個統(tǒng)一的集成的框

8、架之中，使不同的決策過程能夠協(xié)調(diào) 一致，從而保證整體決策的全面和有效。(3)方法集成：為實現(xiàn)各種任務(wù)和決策，需各種優(yōu)化工具和方 法，如何實現(xiàn)對適當(dāng)問題和適當(dāng)步驟采用適當(dāng)?shù)姆椒?，以及如何避?因引入的各種方法導(dǎo)致不同的求解模塊之間的溝通障礙，也是必須 認(rèn)真解決的問題。盡管計算機(jī)已在過程模擬和分析、設(shè)備選型和評價、分離序列和 能量系統(tǒng)的合成。操作優(yōu)化及生產(chǎn)調(diào)度等各方面發(fā)揮著重要的作用， 但計算機(jī)通常被理解成“計算機(jī)器”而被認(rèn)為它解決的是“ 一組方程的 數(shù)值解”。隨著過程系統(tǒng)日益龐大和復(fù)雜程度增加，計算機(jī)系統(tǒng)把握過 程全局的能力顯得日益薄弱。另一方面，過程系統(tǒng)的物理和化學(xué)機(jī)理 的解析模型越來越難以獲

9、得。這給過程系統(tǒng)工程界提出了 一個嚴(yán)峻的 問題：當(dāng)我們對系統(tǒng)的認(rèn)識不足以構(gòu)造清晰的數(shù)字模型時，如何運(yùn)用 領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗和知識對系統(tǒng)有正確的把握，使計算機(jī)能正 確處理這些定性的和半定量的信息，建立適合于過程的模型以使系統(tǒng) 安全、正常優(yōu)質(zhì)地運(yùn)行？基于知識的系統(tǒng)的不斷發(fā)展，開辟了 一個新 的研究方向一將人工智能的技術(shù)引入化工過程系統(tǒng)，使CIPOS不但具 有“數(shù)值計算”的能力，還有人類常識、專業(yè)知識和專家推理判斷的“智 能”，從而使系統(tǒng)更多地具有人類專家的素質(zhì)和性能來運(yùn)行企業(yè)的生 產(chǎn)過程。2智能輔助的過程系統(tǒng)優(yōu)化八十年代以來，人工智能和系統(tǒng)科學(xué)迅速發(fā)展，出現(xiàn)了一個新的 交叉學(xué)科和工程技術(shù)領(lǐng)域一

10、智能輔助過程工程(Intelligence-Aided Process Engineering, IAPE ) 4,5。 它將人工智能和系統(tǒng)科學(xué)的最新成果應(yīng)用于過 程系統(tǒng)的設(shè)計、合成、建模、優(yōu)化、管理和控制，研究常規(guī)數(shù)據(jù)與信 息一致性表述和處理的途徑，充分利用專家知識，回歸模型方程、操 作經(jīng)驗、事故案例等非結(jié)構(gòu)化知識和模糊信息，改進(jìn)和擴(kuò)展現(xiàn)有的模 型化方法、優(yōu)化算法和控制策略，提高工業(yè)過程模型化和集成優(yōu)化的 水平。工程師可靈活運(yùn)用定性或粗略定量的信息作出決策而不必經(jīng)過復(fù) 雜的數(shù)學(xué)計算。其中經(jīng)驗式推理是應(yīng)用得最為廣泛的一種。人類專 家能夠在很大的彈性范圍內(nèi)運(yùn)用已有的知識和經(jīng)驗尋求解決方案。一 個

11、對企業(yè)運(yùn)行和生產(chǎn)有意義的決策，從來就不可能僅僅依靠數(shù)學(xué)模型 的求解而無視人類專家的分析論證意見。計算機(jī)應(yīng)該而且可以學(xué)習(xí)人 類專家的這種能力，將不同形式的知識變成計算機(jī)處理步驟以適應(yīng)廣 泛復(fù)雜的問題。智能技術(shù)包括知識庫系統(tǒng)、模糊邏輯、人工神經(jīng)網(wǎng) 絡(luò)、仿生優(yōu)化算法等，如圖1所示。它們已成功地解決了許多實際工程 問題。以下將主要結(jié)合作者的研究工作介紹幾個方面的應(yīng)用。Machine LearningKnowledge &Data Input* Rough and/or Fuzzy I_kData Preprocessing，F(xiàn)uzzy SystemBi-direction Data Bus* Arti

12、ficial Neural Network仲 Evolutionary AlgorithmsExpert SystemProcedural Post-processingOutputFigure 1 A schematic of intelligent systems2.1人工神經(jīng)網(wǎng)絡(luò)在過程系統(tǒng)優(yōu)化中的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模仿人類通過大腦感知認(rèn)識復(fù)雜問題的具體過程特 征，經(jīng)反復(fù)學(xué)習(xí)和“試錯”，從而最終把握過程系統(tǒng)的輸入輸出關(guān)系特 征。采用人工神經(jīng)網(wǎng)絡(luò)表明了在認(rèn)知和表達(dá)復(fù)雜系統(tǒng)時機(jī)理模型的局 限性，是一種對認(rèn)知方式的“返樸歸真二過程系統(tǒng)優(yōu)化通常是通過非線性數(shù)學(xué)規(guī)劃方法來求解。由于常規(guī) 的數(shù)學(xué)規(guī)劃方法

13、需要精確完備的數(shù)學(xué)模型并進(jìn)行大量的搜索和計算， 計算方法較為復(fù)雜、計算時間很長，實際上很難用于工業(yè)過程在線調(diào) 優(yōu)。當(dāng)過程變量之間沒有完整的數(shù)學(xué)模型時，優(yōu)化就更為困難。神經(jīng)網(wǎng)絡(luò)可用于機(jī)理復(fù)雜且難以認(rèn)識清楚，但輸入/輸出數(shù)據(jù)容 易獲得的過程系統(tǒng)的建模和仿真問題。作為黑箱模型，神經(jīng)網(wǎng)絡(luò)的建 立不依賴于先驗知識。研究表明，網(wǎng)絡(luò)的輸入輸出結(jié)構(gòu)是可變的，可 不同于實際系統(tǒng)的輸入輸出結(jié)構(gòu)。許多研究者將神經(jīng)網(wǎng)絡(luò)用于過程系 統(tǒng)的仿真。我們曾采用前饋神經(jīng)網(wǎng)絡(luò)對紙漿制漿過程建模和優(yōu)化。使 網(wǎng)絡(luò)從工廠DCS系統(tǒng)的實際運(yùn)行記錄中學(xué)習(xí)知識，節(jié)省了大量的勞動 去開發(fā)機(jī)理模型或基于規(guī)則的專家系統(tǒng)。在此基礎(chǔ)上，我們提出了一 種

14、新的神經(jīng)網(wǎng)絡(luò)輸入輸出結(jié)構(gòu)6它與實際系統(tǒng)的結(jié)構(gòu)不同，可將需要 控制的變量參數(shù)設(shè)為網(wǎng)絡(luò)的輸入，而操作控制變量則作為網(wǎng)絡(luò)的輸 出。在一定的范圍內(nèi)，網(wǎng)絡(luò)經(jīng)過學(xué)習(xí)后，可根據(jù)實際系統(tǒng)的要求直接 調(diào)節(jié)操作變量，使神經(jīng)網(wǎng)絡(luò)模型可直接用于優(yōu)化計算。這為開發(fā)應(yīng)用 現(xiàn)場數(shù)據(jù)的過程調(diào)優(yōu)、咨詢系統(tǒng)開辟了新的途徑。對動態(tài)模擬和穩(wěn)態(tài) 操作優(yōu)化兩種方案進(jìn)行的模型考察均表明該方法可取得滿意的結(jié)果 6, 7。人工神經(jīng)網(wǎng)絡(luò)還可以用來作過程系統(tǒng)的最優(yōu)設(shè)計，文獻(xiàn)3用人工 神經(jīng)網(wǎng)絡(luò)作加氫反應(yīng)器優(yōu)化設(shè)計，文獻(xiàn)9將人工神經(jīng)網(wǎng)絡(luò)用于催化劑 組分的設(shè)計，文獻(xiàn)A。將Hopfield網(wǎng)用于換熱網(wǎng)絡(luò)的最優(yōu)設(shè)計，將能量 函數(shù)的最優(yōu)值與問題的最小值相對應(yīng)

15、，使神經(jīng)網(wǎng)絡(luò)的輸出與問題的解 相對應(yīng)，網(wǎng)絡(luò)運(yùn)行的穩(wěn)定解即為最優(yōu)解。2.2基于模糊邏輯的專家系統(tǒng)在過程系統(tǒng)優(yōu)化中的應(yīng)用專家系統(tǒng)通常是由一組規(guī)則組成的知識庫系統(tǒng)。它包含有特定領(lǐng) 域的專家經(jīng)驗和專門知識，并運(yùn)用這些知識解決過程的實際問題。早 期的專家系統(tǒng)采用了符號運(yùn)算和序貫推理策略，難以解決含有大量數(shù) 量運(yùn)算的工程問題。近來的發(fā)展方向是基于模糊邏輯的專家系統(tǒng)，用 模糊集表述人類語言形式的知識和信息，以及工程問題中大量存在的 不精確的數(shù)量概念和數(shù)據(jù)。經(jīng)模糊集表征的知識和規(guī)則將為專家系統(tǒng) 的量化分析和平行推理開辟廣闊的前景?；谀：壿嫷男⌒蛯＜蚁?統(tǒng)用于電子裝置以及工業(yè)過程中單元裝置的控制，在文獻(xiàn):1

16、1 中已有 詳細(xì)的介紹。作者開發(fā)的基于模糊邏輯的分離過程合成設(shè)計專家系 統(tǒng)也獲得了滿意的結(jié)果。模糊系統(tǒng)理論在模型方程的建立、評價和篩選中承認(rèn)和接受模型 方程的不精確性，并引入相應(yīng)的處理方法。這更接近于人類專家在進(jìn) 行工程技術(shù)工作中所采用的多方案比較、定性分析和定量比較并舉、 綜合評判的模式。這使得建模過程利用更多的信息量。過程工業(yè)生產(chǎn)的原材料組成復(fù)雜，操作波動性大，變量關(guān)系復(fù)雜。從生產(chǎn)現(xiàn)場采集或由實驗測定的 數(shù)據(jù)，以及由此得出的經(jīng)驗關(guān)聯(lián)式或 計算模型，都有不同程度的誤差和冗余。來自不同研究者、不同場合 的數(shù)據(jù)、模型亦常有沖突。常規(guī)的模擬和優(yōu)化技術(shù)不能接受冗余的、 沖突的、模糊的數(shù)據(jù)和方程，一般

17、的方法是進(jìn)行數(shù)據(jù)校正和模型篩 選，確定一套協(xié)調(diào)的數(shù)據(jù)和一組適定的方程，由此作為模擬和優(yōu)化的 基礎(chǔ)。其代價是在處理過程中丟失了大量有價值的信息，從而使模擬 和優(yōu)化的結(jié)果與實際過程的誤差增大。作者13提出用模糊邏輯表述和 處理系統(tǒng)變量間的不精確近似關(guān)系，使模型方程間的沖突和不協(xié)調(diào)性 趨于最小，模糊目標(biāo)函數(shù)趨于最大，將模型求解問題和優(yōu)化問題均轉(zhuǎn) 化為隸屬度函數(shù)的極值問題。由于模糊優(yōu)化方法中過程約束表示為 “軟約束”，操作靠近邊界時，隸屬度函數(shù)迅速降低，優(yōu)化程序?qū)詣?迫使系統(tǒng)離開邊界，這種方法能較好地運(yùn)用于不精確的、認(rèn)識不充分 的系統(tǒng)中。2.3進(jìn)化算法在系統(tǒng)優(yōu)化中的應(yīng)用由于過程系統(tǒng)日趨大型化、復(fù)雜

18、化，系統(tǒng)模型空間時常呈現(xiàn)非連續(xù) 性、局部多峰性、以及離散變量等。這對常規(guī)優(yōu)化算法提出了挑戰(zhàn)。 這方面一個突出的進(jìn)展是仿生優(yōu)化算法。仿生優(yōu)化算法屬于隨機(jī)搜索 算法，采用生物進(jìn)化論中“優(yōu)勝劣汰”的法則，實現(xiàn)大規(guī)模群體的平行 搜索演進(jìn)，避免了局部極值點的問題。比較流行的有遺傳算法、進(jìn)化 規(guī)劃等。作者12根據(jù)遺傳算法的原理，在對不精確系統(tǒng)的優(yōu)化時采 用遺傳算法，問題歸結(jié)為求模糊模型隸屬度函數(shù)的最大值，即模糊系 統(tǒng)空間的搜索問題。由于遺傳算法僅提取目標(biāo)函數(shù)值的信息，因而對 模糊系統(tǒng)的不精確性及病態(tài)結(jié)構(gòu)并不敏感。在化工過程初始設(shè)計、換熱網(wǎng)絡(luò)合成、生產(chǎn)調(diào)度等系統(tǒng)優(yōu)化問 題中，混合整數(shù)非線性規(guī)劃（MINLP）

19、算法是當(dāng)今研究的熱點之一。然 而，MINLP模型的建立有賴于專家的領(lǐng)域經(jīng)驗，而MINLP的求解至今仍未 有成熟滿意的方法。作者14最近針對換熱網(wǎng)絡(luò)同步最優(yōu)綜合的問題 提出了 一種新的優(yōu)化策略，提出了改進(jìn)的遺傳算法求解MINLP問題。 可將網(wǎng)絡(luò)結(jié)構(gòu)與變量同時優(yōu)化。在用遺傳算法進(jìn)行優(yōu)化時，采取了連 續(xù)化遺傳因子、多樣性保護(hù)因子和調(diào)整適應(yīng)值的方法，使其具有尋找 全局最優(yōu)解的能力，在處理大規(guī)模換熱網(wǎng)絡(luò)綜合問題中獲得成功。 這為MINLP的求解開辟了 一條新的途徑。3結(jié)束語化學(xué)工程學(xué)在其發(fā)展的100年時間中，從其它科學(xué)技術(shù)中吸取了 豐富的營養(yǎng)。當(dāng)代系統(tǒng)科學(xué)和信息技術(shù)的豐碩成果，為下一世紀(jì)過程 系統(tǒng)工程的

20、迅速發(fā)展奠定了堅實的基礎(chǔ)。人工智能的思想和方法應(yīng)用 于工程技術(shù)領(lǐng)域，是計算機(jī)科學(xué)應(yīng)用于工程技術(shù)領(lǐng)域的一個更高層次 上的螺旋式前進(jìn)。然而，有必要指出，人工智能本身是人類智能的產(chǎn) 物，是輔助人們認(rèn)識和改造客觀世界的工具和手段。它們的作用是輔 助性的而非決定性的，真正起決定作用的是人類專家。針對我國過程 工業(yè)調(diào)優(yōu)和控制基礎(chǔ)較差的現(xiàn)狀，在推行計算機(jī)集成過程系統(tǒng)中應(yīng)用 基于人工智能的優(yōu)化方法，屬于“軟工程”的范疇，對現(xiàn)有工業(yè)裝置， 測量和控制儀表的改造和投資較少，將對我國過程工業(yè)的生產(chǎn)方式從 粗放型向集約型轉(zhuǎn)變起到積極的作用。參考文獻(xiàn)Bassett M H, Dave P. Computers & Ch

21、emical Engineering, 1996, 20 (8):821844楊友麒.計算機(jī)與應(yīng)用化學(xué)，1995, 12 (3):161169楊愛東.基于對象/Agent的計算機(jī)集成過程運(yùn)行系統(tǒng)研究：學(xué)位論文.大連：大連理工大學(xué)，1997Astrom K J, McAroy T J. J Process Control, 1992, 2 (3):115127錢宇. 化工進(jìn)展，1997,1:1520Qian Y, Tessier P. Chem Eng Technol, 1995, 18 (5):337342Qian Y. Computers and Applied Chemistry, 1995,4:99102楊林昱，沈靜珠.第七屆全國化學(xué)工程論文報告會論文集.北京，1994, 1113 1116吳肖群. 第七屆全國化學(xué)工程論文報告會論文集.北京，1994, 1136 1139麻 德 賢.Computer Chem Monograph Series 4-Computers and Applied Chem, 19941995, 103105錢宇.化 工 進(jìn)展，1995， (4):50-54; (5):34-38; (6):25-29.Qian Y, Lien K M. Computers & Chemical Engineering, 1995, 19 (11)