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

مدل‌سازی جعبه خاکستری توجه فزاینده‌ای را به خود جلب کرده است تا از داده‌ها برای بهبود درک فرآیند استفاده کند. رویه فعلی اغلب از مدل های جعبه سفید برای پیش بینی رفتارهای فرآیندی استفاده می کند. این مدل‌های مکانیکی مبتنی بر درک فیزیکی و مطالعات تجربی هستند، اما گاهی اوقات منجر به عدم تطابق مدل سیستم می‌شوند. مدل‌های جعبه سیاه می‌توانند به عنوان جایگزین عمل کنند، اما اغلب از تعمیم و تفسیرپذیری ضعیف رنج می‌برند. برای ترکیب این دو تکنیک، مدل‌های جعبه خاکستری برای استفاده از داده‌های فرآیند و در عین حال حفظ درجه‌ای از درک فیزیکی سیستم ایجاد می‌شوند. در این مقاله، رویکردی مبتنی بر مدل جعبه خاکستری برای یک راکتور شبیه‌سازی شده اعمال و آزمایش می‌شود. تمام بخش‌های شناخته‌شده فرآیند بر اساس اصول مدل های مکانیکی هستند و بخش‌های ناشناخته باقی‌مانده توسط مدل‌های جعبه سیاه متشکل از یک شبکه عصبی مدل‌سازی می‌شوند. استفاده از مدل‌های جعبه خاکستری می‌تواند سود عملیاتی را برای تمام شرایط در نظر گرفته افزایش دهد.