錢鋒

Key Laboratory of S mart Manufacturing in Energy Chemical Process, Ministry of Education, East China University of S cience and Technology, S hanghai 200237, China

流程工業(yè)是國民經(jīng)濟的支柱產(chǎn)業(yè)，石化、化工、鋼鐵、有色等是典型的流程制造業(yè)。為了解決流程制造中資源、能源利用率和安全環(huán)保問題，亟需研發(fā)新方法和新系統(tǒng)，推動流程制造綠色化低碳化、高端化高值化和數(shù)字化智能化發(fā)展。當(dāng)前，人工智能已經(jīng)成功應(yīng)用于自動駕駛、圖像處理、機器人、實時輔助決策、智能推薦等諸多領(lǐng)域，并且在知識表示、認(rèn)知理解和自主學(xué)習(xí)等方面展現(xiàn)出了強大的優(yōu)勢。如何將人工智能與流程制造進行深度融合是“流程工業(yè)智能制造”的重點研究方向。近年來，各國政府紛紛發(fā)布與流程工業(yè)智能制造相關(guān)的戰(zhàn)略規(guī)劃，旨在推動流程工業(yè)制造技術(shù)的迭代升級。

鑒于流程工業(yè)面臨著多尺度信息集成、人機物交互以及具有約束的多目標(biāo)優(yōu)化等諸多挑戰(zhàn)，在流程工業(yè)智能制造中研究與應(yīng)用人工智能技術(shù)成為各國學(xué)者們的研究重點。因此，本專題主要聚焦流程制造在信息集成、生產(chǎn)效率、運營管理、生產(chǎn)安全等方面的瓶頸問題，從智能感知、建模優(yōu)化、自主控制、智能決策等多個維度推動人工智能賦能流程制造。

在中國工程院的大力支持下，我們很榮幸邀請到美國、德國、比利時、加拿大、丹麥、韓國、新加坡、瑞典、中國等多個國家的院士和知名學(xué)者介紹流程工業(yè)智能制造相關(guān)的新思想、新理論和新技術(shù)。通過嚴(yán)格而仔細(xì)的同行評審，我們挑選出了9篇論文予以發(fā)表。以下對這些文章進行簡要介紹。

通過開發(fā)化工產(chǎn)品建模方法以及工具，工程師和學(xué)者們能直觀地了解流程制造中各種變量之間的內(nèi)在關(guān)系，并通過數(shù)學(xué)建模來獲取這些關(guān)系的主要特性。一般而言，建模是實現(xiàn)流程智能制造中過程監(jiān)控、自主控制、智能決策以及性能評估等功能的前提條件。在本專題中，丹麥皇家科學(xué)院院士Rafiqul Gani教授、德國馬克斯-普朗克復(fù)雜技術(shù)系統(tǒng)動力學(xué)研究所所長Kai Sundmacher教授等解決了由材料選擇和工藝操作之間的強耦合關(guān)系所引起的復(fù)雜設(shè)計問題。因為材料的屬性需要用數(shù)據(jù)驅(qū)動的模型進行描述，而與工藝相關(guān)的規(guī)則需要基于機理進行描述，所以該工作強調(diào)了混合建模有利于多尺度材料以及過程工藝的設(shè)計。通過關(guān)聯(lián)數(shù)據(jù)驅(qū)動制造、分散制造、區(qū)塊鏈集成這三個方面，清華大學(xué)王笑楠教授等對信息物理生產(chǎn)系統(tǒng)（CPPS）在推動下一代制造中的作用提出了系統(tǒng)性的觀點。此外，提出了通過數(shù)據(jù)驅(qū)動建模，CPPS 有助于提升制造過程的直觀性以及自動化水平。比利時根特大學(xué)教授Christian V.Stevens 等總結(jié)了在過程控制中應(yīng)用機器學(xué)習(xí)實現(xiàn)化學(xué)過程建模的優(yōu)勢、局限、機會和挑戰(zhàn)，在提升基于機器學(xué)習(xí)的建模方法可信度方面提出了三項建議。他們還指出，機器學(xué)習(xí)特別適用于實時優(yōu)化和規(guī)劃等有時間約束的情況。

在實際工業(yè)過程中，傳感設(shè)備所采集的測量值容易受操作環(huán)境、原材料和產(chǎn)品質(zhì)量指標(biāo)的變化等諸多因素的影響。因此，有必要開發(fā)新的過程監(jiān)控技術(shù)來評估流程制造的運行狀態(tài)。中國工程院院士桂衛(wèi)華教授等提出子帶瞬時能譜（SIEP）來定量地表示不同條件下鋁電解槽電壓指定頻段的特性；在SIEP 的基礎(chǔ)上，進一步提出了一種對電池條件敏感的頻率分割方法，從而提高鋁基電解槽電壓監(jiān)測的可靠性和準(zhǔn)確性。由于操作環(huán)境的不斷變化，測量數(shù)據(jù)的分布可能會隨著時間的變化而變化，因此，基于歷史訓(xùn)練數(shù)據(jù)的過程監(jiān)控模型無法實現(xiàn)在線數(shù)據(jù)流的準(zhǔn)確監(jiān)測。鑒于此，中南大學(xué)陽春華教授、中國工程院院士桂衛(wèi)華教授等提出了一種魯棒的轉(zhuǎn)移字典學(xué)習(xí)方法。基于代表性學(xué)習(xí)和域自適應(yīng)轉(zhuǎn)移學(xué)習(xí)的協(xié)同框架，該方法可以消除環(huán)境干擾所引起的分布差異，并且維持工業(yè)過程的監(jiān)測性能。加拿大國家工程院院士黃彪教授等采用了基于演員-評論家策略的強化學(xué)習(xí)方法，來解決流程工業(yè)中對象的實時跟蹤問題。這種方法不僅可以提高監(jiān)測系統(tǒng)在不確定環(huán)境下的魯棒性，而且可以利用較少的由計算機視覺所生成的圖像降低維護成本。

優(yōu)化控制一直是確保流程制造運行效能的閉環(huán)穩(wěn)定性與決策的關(guān)鍵。近年來，隨著工業(yè)系統(tǒng)的規(guī)模逐漸龐大，系統(tǒng)的結(jié)構(gòu)越來越復(fù)雜，引入先進的機器學(xué)習(xí)技術(shù)來優(yōu)化流程工業(yè)決策過程和控制策略是十分必要的。由于煉鐵過程中難以滿足實時響應(yīng)和彈性計算的要求，中國工程院院士孫優(yōu)賢教授等提出了一種基于云服務(wù)和云分發(fā)系統(tǒng)的多目標(biāo)優(yōu)化框架。在此基礎(chǔ)上，作者利用深度學(xué)習(xí)和進化計算，提出了多目標(biāo)優(yōu)化算法對高爐煉鐵過程中的沖突目標(biāo)進行優(yōu)化。從監(jiān)控、控制、優(yōu)化和故障檢測的角度來看，美國康奈爾大學(xué)Fengqi You教授等回顧了考慮隨機不確定性影響的機器學(xué)習(xí)和數(shù)據(jù)驅(qū)動控制在發(fā)電系統(tǒng)中的典型應(yīng)用；作者們指出機器學(xué)習(xí)和數(shù)據(jù)驅(qū)動的控制技術(shù)有助于提高智能發(fā)電系統(tǒng)的可見性、可操作性、靈活性、收益性以及安全性，因此有望成為傳統(tǒng)基于模型方法的可替代方案。瑞典皇家工程科學(xué)院院士Karl Henrik Johansson教授、中國工程院院士柴天佑教授等回顧了流程工業(yè)生產(chǎn)全過程中現(xiàn)有決策、控制和運行管理框架的不足，并且提出了將工業(yè)人工智能、工業(yè)互聯(lián)網(wǎng)與過程領(lǐng)域知識深度融合的設(shè)想，在實現(xiàn)流程工業(yè)智能制造方面具有較大的潛力。

綜上所述，本專題選取的9篇論文從工業(yè)過程建模、過程監(jiān)測與性能評估、智能決策與優(yōu)化控制等方面報道了流程工業(yè)智能制造的最新進展。我們希望本專題的出版能夠幫助學(xué)術(shù)界和工業(yè)界的研究人員和從業(yè)者進一步了解人工智能在流程工業(yè)智能制造中的作用。最后，我們對作者、審稿人、編輯部和客座編輯的辛勤付出表示衷心的感謝！