主题：【原创】化工过程控制的实践 -- 润树

虽然人工智能是在数字计算机发明以后才得到很大的发展，但这个概念在一百多年前就出现了。而专家系统作为人工智能的一个重要分支，则完全是计算机出现以后的产物。它们是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。这里的专家，可以是任何在该领域长期工作而积累了丰富知识和经验的工人，农民和技术人员，而不必是有高学位的饱学之士。人们对人工智能究竟能走多远一直持怀疑的态度，其命运忽天忽地难以确定，但专家系统实实在在为人类解决了很多问题，却是无可置疑的。

不同的领域有不同的专家系统，目前应用较多的领域包括医学，教育，会计，金融服务，过程控制，制造业等等。我们日常生活中也常和它们打交道，像汽车故障自动诊断，语言教学程序，报税软件，以至汽车上的全球定位导航系统，等等，都可看着是专家系统的应用。

既然是模拟专家来解决问题，那当然就要模拟人通过大脑用知识和逻辑来进行推理的过程。专家系统里的知识表示是通过知识库来实现的。知识库不同于一般意义的数据库，里面所存贮的知识，是该领域里的专家知识经验的积累，常常是用一些框架，规则和语言符号系统把它们表示出来。比如一个用于化工过程故障诊断的专家系统，它的知识库里面，就可能包括这样一些框架和规则:

1．中间贮罐A的体积贮量是它的液位百分比乘以它的最大贮量。

2．如果管道A上的液体流量阀门开度是0%，那么该管道里的流量是0。

3．如果管道A上的液体流量阀门开度是100%，那么在其两端压差不变的情况 下，该管道里的流量达到了最大值。

4。如果精馏塔A的塔压大于0.5个工程大气压就处于液泛操作状态。

5．精馏塔的塔顶和塔底出口流量之和必须等于其进料流量之和。

6。焚化炉的进料管道中的有机物成分与氧气成分在某组合范围内将形成自燃状态。

为了诊断/预报出生产中的故障，这个专家系统必须实时运行，即通过该系统与过程的控制系统的接口获取实时数据，来进行分析判断。比如，运用以上知识库，可作以下判断，并据此采取相应措施：

1．如果中间贮罐A的进口流量中断，那么系统可以根据其现有贮量和其出口流量来计算还能向下游过程提供多长时间的物料。

2．管道A下游将受到何种影响。

3．该过程已出于约束条件操作，应采取什么措施解除此约束。

4．当塔压差接近0.5个工程大气压，报警或采取其它措施。

5．如物料不平衡，超出某预设限度，显示仪表故障报警（还需要其它信息才能判断究竟是哪个仪表的故障/误差）。

6．在焚化炉的进料管道中的有机物成分与氧气成分的组合接近自燃范围是报警或采取预设措施。

当然，实际的系统要复杂得多，可能有成千上万的框架和规则，他们之间还会构成一定的关联，可能采取的措施和解决方案也是多样的。不过这只是增加了系统开发的难度和所需的时间，只要投入人力物力，总是可以实现的。所幸的是，在计算机编程技术高度发达的今天，人们不必再去写针对特殊系统的源程序，而是利用针对普遍应用的商业软件开发系统。在过程工业领域，Gensym 公司的G2得到了较为广泛的应用。作为实时通用专家系统的开发平台，它的概念框架说明如图6.1所示。

图6.1 G2系统框架图

G2旗下还有针对不同工业应用的软件产品。比如G2 Optegrity，适用于对化工生产中的非正常操作状态进行预估，诊断，和提供解决方案。作为一个简单的应用，我们来看一个对加热炉的燃烧效率进行检测诊断的专家系统 （由Gensym的用户提供），如图6.2所示。

图6.2 加热炉燃烧效率监测系统

该加热炉以天然气作为燃料，与空气中的氧气产生燃烧反应，对通过炉体的管道中的物料加热，使其达到所需温度。从天然气的流量测量，可以计算出它在单位时间内提供的热量。同时，可以由过程物料的流量，入口和出口温度计算出得到了有效利用的热量。由于燃烧炉的烟道气要带走一些热量，有效利用的热量必然要小于燃烧热量，它们的比值就是作为衡量加热炉工作的热效率。老式的燃烧炉，一般都是通过手动调节烟道气的档板的开度，来改变进入炉膛的空气流量。空气流量如果太小，将造成天然气不完全燃烧的现象，不但会使热效率降低，而且可能带来安全隐患。相反，空气流量太大，烟道气就会带走更多的热量，同样会使热效率降低。现在这个专家系统实时地计算出热效率，并且追踪它的变化趋势，就可以向操作工提供有用的信息，比如：

“加热炉F-101现在的热效率是85.4%，预计在30分钟内将降低到83%以下。请检查炉膛压力，烟道气氧气含量以及档板开度，以确定是否可以通过改变空气流量来改善热效率。”

从这里我们可以推测，这个燃烧炉没有在线烟道气氧气检测仪。如果能安装一个这样的检测仪，而且可以自动调节空气流量，那么设计一个闭环控制回路，将烟道气氧气控制在一个最低值，即可自动将燃烧效率保持在理想状态。