隨著工業(yè)化進程的不斷推進，化工生產過程趨于復雜化和細致化，對過程優(yōu)化和控制的要求日益嚴苛。化工生產過程中的智能優(yōu)化與控制研究是提高化工生產效率和產品質量的重要手段，旨在通過使用智能化技術和算法，實現(xiàn)化工生產過程的高效運行、質量控制和能源節(jié)約。立足于“本質安全”、“經濟效益”和“環(huán)境效益”的多重目標，青島科技大學田文德教授團隊充分發(fā)揮過程系統(tǒng)工程優(yōu)勢，建立多個復雜化工過程機理模型，分析和優(yōu)化過程各個環(huán)節(jié)，設計合理的智能優(yōu)化算法和控制策略，為實際化工裝置的清潔生產提供重要理論價值。
近日，青島科技大學田文德教授團隊報道了關于化工過程多尺度優(yōu)化與智能控制的相關進展。利用機器學習、多尺度模擬、動態(tài)模擬等方法在化工清潔生產方面取得突破，在國際知名學術期刊Chemical Engineering Science上發(fā)表了1篇題目為“Multi-level optimization of biomass chemical looping gasification process based on composite oxygen carrier”的文章，在Journal of Cleaner Production上發(fā)表了3篇題目分別為“A machine learning proxy based multi-objective optimization method for low-carbon hydrogen production”, “Dynamic optimal control of coal tar chemical looping gasification based on process modelling and intelligent screening”和“Traceability analysis of wastewater in coal to ethylene glycol process based on dynamic simulation and deep learning”的文章，在Process Safety and Environmental Protection上發(fā)表了1篇題目為“Design and variable scale optimization of flare gas recovery process for hydrogen production”的文章。
文章分別提出了基于復合載氧體選擇的生物質化學鏈氣化過程多尺度優(yōu)化策略（如圖1）、基于機器學習代理模型構建的甲醇重整過程多目標優(yōu)化策略（如圖2）、基于流程建模與智能篩選的煤焦油化學鏈氣化動態(tài)優(yōu)化控制策略、基于動態(tài)模擬與深度學習的煤制乙二醇過程廢水智能溯源策略及基于流體力學建模的火炬氣回收工藝優(yōu)化設計策略。采用分子模擬與流程模擬、理論計算與實驗測試的多尺度、多策略的新型融合式研究手段，旨在實現(xiàn)復雜化工過程的平穩(wěn)高效運行。以上5篇文章均以青島科技大學為第一單位，田文德教授、劉彬講師分別為論文的通訊作者，崔哲副教授、博士研究生劉子健、博士研究生李哲、碩士研究生孫陽、碩士研究生范曉敏分別為論文的第一作者。
圖1生物質化學鏈氣化全局優(yōu)化策略
圖2甲醇重整過程多目標優(yōu)化策略
以上5項研究成果得到了國家自然科學基金、山東省自然科學基金等項目的資助和支持。
論文鏈接：https://doi.org/10.1016/j.ces.2024.119727
https://doi.org/10.1016/j.jclepro.2024.141377
https://doi.org/10.1016/j.jclepro.2024.141266
https://doi.org/10.1016/j.jclepro.2024.141133
https://doi.org/10.1016/j.psep.2024.02.033
