基于模型的优化控制技术简介

流程工业或称过程工业（Process Industry），是形成人类物质文明的基础工业。流程工业主要通过物理变化和化学变化实现大宗原料型工业产品的生产、加工、供应、服务。流程工业包括石化、化工、冶金、制药、电力、建材、轻工、造纸、采矿、环保、电力等，是国民经济中占有主导性的行业。流程系统（Process System）是指由被加工的物流或能量流经过的诸单元工序所构成的系统，是一种各单元间根据生产工艺要求互相联结形成的复杂网络。其主要生产过程为连续生产；其相应原料和产品多为均一相（固、液或气体）的物料，而非由零部件组装成的物品；其产品质量多由纯度和各种物理、化学性质表征。

一直以来，建模、模拟和优化技术在流程工业中被高度重视且广泛应用。流程系统的模拟是根据对流程的充分认识和理解，以工艺过程的机理模型为基础，运用数学方法对过程进行建模描述，并通过计算机辅助计算的手段进行过程的热量衡算、物料衡算、设备规模估计和能量分析。流程模拟可为工程设计与改造、流程剖析、优化控制、环境与经济评价和教学培训等提供强有力的手段，不但能从系统整体角度分析和判断工艺流程的好坏，还可以对新开发的工艺流程提供可靠预测。这些均有助于提高工作效率和决策的科学性。而流程系统的实时优化（Real-Time Optimization，RTO）是指结合工艺知识和现场操作数据，通过快速、高效的优化计算技术对操作运行中的生产装置参数进行优化调整，增强其对环境变化、原材料波动、市场变化等的适应能力，保持生产装置始终处于高效、低耗并且安全的最优工作状态的技术。RTO可以通过增加产量，提高产品质量，使生产过程始终运行在最佳工况上；可以通过经济目标的寻优，减少原料和能源的消耗，减少废弃物的排放；可以通过监测、预警、自动调整，延长设备的运行周期，减少催化剂的消耗；可以使得来自计划调度的市场信息在操作层面得到及时的贯彻实施，迅速在生产过程中反映市场供求关系的变化；可以进一步深化工艺人员、操作人员对过程工艺与操作的了解，有助于工艺的改进和操作策略的调整。

流程系统模型化和优化技术从20世纪50年代开始发展起来，至今已经历了四代。1958年美国Kellogg公司推出全球第一个化工模拟程序Flexible Flowsheet，并将其用于单元操作设备的工艺计算。20世纪70年代开始出现了一系列稳态流程模拟软件，如Aspen Plus、PROCESS、SPEEDUP和HYSIM等。这些软件在流程工业领域产生了巨大的影响。20世纪80年代中后期开始，流程模拟和优化技术走向了成熟期。这些软件在功能和可靠性方面不断增强，应用范围不断拓宽，成本大幅下降。随着能源的短缺情况和市场竞争的加剧，国外流程模拟和优化软件转向以生产企业为主，成为流程企业的计算机辅助工程（Computer-Aided Engineering，CAE）核心和计算机集成制造系统（Computer-Integrated Manufacturing System，CIMS）基础，效益明显。稳态模拟和优化技术趋于成熟。国际上流程模拟和优化领域有代表性的而且应用较好的通用软件有PRO/II、Aspen Plus和HYSIM（已被美国Aspen Tech收购）。从20世纪90年代开始，模拟和优化技术从“稳态”和“离线”走向“动态”和“在线”，并向实时优化发展。这一时期，新的模拟和优化软件不断问世。如加拿大HYPROTECH公司的HYSYS、美国Aspen Tech公司的Aspen Custom Modeler和Aspen Dynamics等。

数学模型在流程模拟和优化中处于核心地位。流程系统的数学模型由化工单元模型和各单元间拓扑结构模型两部分组成。流程模拟和优化的目的是根据流程拓扑中已知流股的数据及过程参数，确定包含流程系统输出在内的所有流股的数值，或是根据已知过程流股的状态值计算可满足设计规定的过程参数值。目前，主流的求解方法主要包括序贯模块法（Sequential Modular Approach）、联立方程法（Equation Oriented Method）、联立模块法（Simultaneous Modular Approach）、数据驱动法和人工智能法。

当前，建模、模拟和优化技术的关键作用被进一步挖掘，已经成为流程工业的主导型技术和关键支撑技术。在美国奥巴马政府“先进制造伙伴计划”的引领下，美国的制造业巨头于2010年联合发起成立了智能制造领袖联盟（Smart Manufacturing Leadership Coalition，SMLC）。SMLC认为，智能工厂的智能过程制造包含两个关键的组成部分：模型和优化技术。

一方面，模型在智能过程制造中扮演了关键的角色，建立一个好的模型至关重要。SMLC的报告指出，智能工厂的基础是模型的广泛运用^[2]。利用生产运行数据和专家知识，智能工厂将生产过程的行为和特征上升为各类工艺、业务模型和规则，根据实际需求，调度适用的模型来适应各种生产管理活动的具体需要。

利用模型，智能工厂能够预测未来的过程状态，从而提前感知过程参数的变化趋势。过程工业的生产过程大都具有长周期、大时延等特点，通过过程模型提前预测过程参数的变化趋势能够更好地控制各类过程；在生产计划和调度方面，通过计划和调度模型的广泛应用，能够有效地配置生产过程中消耗的各种资源，包括原料、能量、劳动力等，并产生最大的效用。解决生产计划和调度问题最为关键的是要建立反映过程特性的准确的计划和调度模型。通过对调度模型的求解，能够找到所有可能的计划和调度方案中的最优方案，提升企业的生产效率和整体效益。

此外通过一体化的模型和优化，智能工厂还能够将现有流程工业生产过程的工艺过程、生产过程、管理业务流程高度集成，实现各个管理环节和各流程间的紧密衔接与整体优化，在满足设备、能源、物料约束的前提下，从全局角度实现优化。更理想地，这样的优化能够考虑生产和经营过程的动态特性，能够应对外部经济因素（产品预期、价格预测、市场容量、原材料供应波动等）的变化，能够将质量、效益、环境等综合因素透明、恰当地纳入优化体系之中。

另一方面，大规模的优化技术也不可或缺。智能制造过程不仅需要很好地满足企业管理层的决策需要，产生良好的应用效果，还需要在瞬息万变的市场需求下，在风险与收益当中做出平衡，为企业做出最优决策。因此，在智能过程制造中，下至过程建模及过程综合和设计，上至过程操作、控制、调度及生产计划，无不依赖于强有力的大规模优化技术，以得到具体全面的最优决策。(www.xing528.com)

过程模型描述了过程的基本特点，是智能制造过程的基础。利用实验数据和物理、化学反应机理建立的模型需要进行周期性的更新，以确保模型的精确度。模型更新涉及最优实验设计、参数估计等，由此会产生非线性规划及混合整数非线性规划等大规模优化问题（Biegler，2010）。

在给定的输入输出要求下，过程制造可以采用不同的方法和设备来实现。应在可行方案中，考虑能量的综合应用、公用工程选用等，选择一套最优的生产过程，以实现过程综合。在系统结构给定的条件下，通过相应的优化计算确定各单元设备的最优尺寸、最优结构参数，以达到设计优化（何小荣，2003）。

因充分运用包含过程干扰与变化的现场数据，由实时优化得到的优化结果具有抑制扰动、降低性能损失的作用，因此，当其作为APC系统的设定值时，APC系统根据设定值要求实施相应的最优控制作用，使得生产过程的工艺参数尽量维持在最优操作工况，在底层装置层面保证产品的质量和过程的稳定。

生产计划是关于企业生产运作系统总体方面的计划，是企业在计划期应达到的产品品种、质量、产量和产值等生产任务的计划和对产品生产进度的安排（席裕庚等，2013）。在产品质量、安全管控和能源产耗等约束条件下，引入原料及产品价格的实时波动信息，研发计划调整多周期优化分解方法，是智能过程制造能满足计划和调度间协调、满足市场需求和生产工况频繁变化的有力保障。生产计划和调度在过程层面上将各种资源统筹优化，达到合理安排产品的生产进度、控制产品成本、提高劳动生产率和效益的目的。

供应链是指产品生产和流通过程中所涉及的原材料供应、生产商、分销商、零售商以及最终消费者等成员通过与上游、下游成员的连接组成的网络结构。考虑市场需求、产量计划、生产要求及原料供应等因素，供应链优化能做出合理的生产规划、安排相应的供销方案，以快速高效地适应客户需求变化。

智能过程制造以实现节能降耗减排，提高生产效率、产品质量和附加值，降低生产成本，提高经济效益为目标，采用有效的多目标优化方法，以应对各种内、外部条件变化，实现质量、效益、环境要素的整体优化。这种整体优化将现有流程工业生产过程的工艺过程、生产过程、管理业务流程高度集成，在满足设备、能源、物料约束的前提下，从全局角度实现优化。

从以上几点可以看出，建模、优化、控制等技术涉及智能制造的方方面面。综上所述，我们认为优化控制是智能工厂的中枢神经，它保证了智能工厂总能在给定的约束条件下做出最优的决策，集中体现了工厂的智慧：通过优化控制，分布在工厂各个角落的传感器收集的实时数据能够被运用到决策过程中。而模型是优化控制的基础，过程模型不仅描述了过程的基本特点，同时也可以整合操作员已有的过程经验，最终在决策中加以体现。以下我们将介绍建模优化控制技术在制造业的应用项目，并展望这一领域的技术在未来的智能工厂中的重要作用。