مدلسازی یک فرآیند غیرخطی صنعتی با هیبرید اصل اول و شبکه های عصبی مصنوعی

مدل سازی جعبه خاکستری توجه فزاینده ای را به خود جلب کرده است تا از داده ها برای بهبود درک فرآیند استفاده کند. رویه فعلی اغلب از مدل های جعبه سفید برای پیش بینی رفتارهای فرآیندی استفاده می کند. این مدل های مکانیکی مبتنی بر درک فیزیکی و مطالعات تجربی هستند، اما گاهی اوقات منجر به عدم تطابق مدل سیستم می شوند. مدل های جعبه سیاه می توانند به عنوان جایگزین عمل کنند، اما اغلب از تعمیم و تفسیرپذیری ضعیف رنج می برند. برای ترکیب این دو تکنیک، مدل های جعبه خاکستری برای استفاده از داده های فرآیند و در عین حال حفظ درجه ای از درک فیزیکی سیستم ایجاد می شوند. در این مقاله، رویکردی مبتنی بر مدل جعبه خاکستری برای یک راکتور شبیه سازی شده اعمال و آزمایش می شود. تمام بخش های شناخته شده فرآیند بر اساس اصول مدل های مکانیکی هستند و بخش های ناشناخته باقی مانده توسط مدل های جعبه سیاه متشکل از یک شبکه عصبی مدل سازی می شوند. استفاده از مدل های جعبه خاکستری می تواند سود عملیاتی را برای تمام شرایط در نظر گرفته افزایش دهد.