Гибридное моделирование на основе принципов First-Principles и машинного обучения в AspenONE V12

• Постановка задачи: Сокращение разрыва между теоретическими расчетами аппаратов и их фактическим поведением на заводе, которое подвержено износу, загрязнению и нестандартным режимам работы. Необходимо внедрить искусственный интеллект прямо в ядро технологического симулятора [cite: 18, 19].

• Программное обеспечение: Aspen HYSYS V12.1/V12.2, Aspen Plus, Aspen DMC3 Builder [cite: 18, 19].

• Методы и алгоритмы:

  1. Гибридные модели (Hybrid Models): В версии V12 искусственный интеллект напрямую встроен в среду моделирования. Модели пониженного порядка (Reduced-Order Models), обученные на производственных данных (ML), объединяются с законами сохранения массы и энергии (First-principles) [cite: 18, 19].

  2. Интеграция твердых фаз и серы: Технологии SolidSim (сыпучие материалы) и Sulsim (газоочистка) глубоко интегрированы в HYSYS/Plus, позволяя моделировать твердые и жидкие фазы в единой среде для предотвращения "узких мест" (bottlenecks) [cite: 18].

  3. Deep Learning APC: Использование глубокого обучения для управления технологическим процессом (Advanced Process Control), что делает динамические системы более устойчивыми к возмущениям [cite: 18].

• Процесс валидации: Инженеры калибровали гибридные модели с использованием исторических данных завода, добиваясь беспрецедентной точности совпадения модели с реальностью, чего невозможно было достичь только теоретическими уравнениями [cite: 18, 19].

• Итоговые результаты: Использование гибридных моделей позволяет технологам быстрее выводить новые химические продукты на рынок, применять точные модели в системах планирования и динамической оптимизации, значительно снижая риск эксплуатационных ошибок и повышая маржинальность [cite: 18, 19].

Источник

Источник

Теги

• #AspenHYSYS
• #AspenPlus
• #HybridModeling
• #MachineLearning
• #SolidSim