在工业领域，传统过程控制方法如PID（比例-积分-微分控制）、MPC（模型预测控制）、FLC（模糊逻辑控制器）等长期占据主导地位。然而，随着工业系统日益复杂，这些方法开始暴露出其局限性，面对非线性、时变性及高度不确定性等挑战，传统控制方法往往难以达到理想的控制效果，此时，AI技术的出现为过程控制提供了新的解决方案。
AI技术的崛起与工业应用的突破
自1990年代中期以来，神经网络已成功应用于聚合物、软传感器开发等领域。这些工业应用程序明确处理了其训练基地之外的外推问题，为AI在工业领域的应用奠定了坚实基础。近年来，AI和机器学习（ML）的新发展主要由大型科技公司推动，这些新方法如动态建模功能等，在软传感器和混合建模方面取得了可喜的成果。尽管目前尚未看到大规模的工业应用，但AI技术的前景依然广阔。
在过程控制中，AI控制器利用历史和实时数据，努力实现目标，而无需事先了解流程。与FLC不同，AI系统像黑匣子一样运行，提供基于数据的适应性，而无需明确了解流程或操作。这种特性使得AI在复杂多变的工业环境中具有独特的优势。
AI在过程控制中的具体应用与挑战
近年来，AI技术在过程控制中的应用逐渐增多。例如，在2023年ETFA-IEEE第28届新兴技术和工厂自动化国际会议上，一篇关于使用ChatGPT生成PLC/DCS控制逻辑的论文获得了最佳论文奖。该研究表明，AI技术可以显著提高控制工程师的工作效率，并展示出有用的推理技能。
然而，AI在过程控制中的应用也面临着诸多挑战。首先，要从AI应用程序中获得有用的模型，需要大量的“高频”数据。这些数据必须包含大量的移动和超出所需性能边界的大量偏移，以便模型能够准确识别“悬崖边缘”的标称位置。然而，在实际工业环境中，获取这样的高质量数据往往十分困难。
其次，ML模型在插值方面表现良好，但在外推方面却存在局限性。此外，闭环数据经常以奇怪的方式扭曲模型结果，导致模型性能下降。因此，在实际应用中，仍然需要领域专业知识来确保模型名义上反映现实。
再者，对于过程控制应用而言，了解控制阀、仪表范围等的物理限制至关重要。然而，目前的ML应用程序似乎尚未掌握这个概念，这可能导致在实际应用中出现问题。
AI直接控制工厂：无人值守设施的未来
无人值守设施（NUF）是指运营完全自动化或远程操作的设施，通常没有人员在现场。随着AI技术的不断发展，NUF在工业领域的应用前景越来越广阔。AI与先进的模型预测控制和监管控制策略相结合，有望实现高度自动化的工业生产。
例如，2024年5月，两家石油和化工行业的领先公司宣布，他们已成功实现常压蒸馏装置的连续自主运行。该装置由位于川崎的AI系统自主控制，需要同时监控多达930个传感器，并调整13个最终控制元件以稳定原油切换和原油吞吐量变化引起的波动。与以前的人工操作相比，AI系统表现出更高的稳定性和效率。
这是强化学习AI被正式用于直接控制工厂的第一个例子，标志着AI在工业自动化领域取得了重大突破。未来，随着AI技术的不断成熟和应用场景的不断拓展，我们有理由相信，无人值守设施将成为工业领域的主流趋势之一。
总之，AI技术正在深刻改变着工业控制的格局。虽然在实际应用中仍面临诸多挑战和问题，但AI技术的独特优势和广阔前景不容忽视。我们应积极拥抱变化、不断探索创新路径，共同推动工业自动化事业的蓬勃发展。