系统辨识，才是工业智能的灵魂---朱豫才

在各流程工业中，控制和优化最领先的是石化工业。在石化行业，实时优化（RTO）只用机理模型。这也很好理解，在大学的化工系产生了机理模型派，学生毕业后去石化公司工作，继承了导师的衣钵，再自然不过了。

然而，到了工业现场，机理模型派碰到一大堆麻烦。

首先是模型不准，误差太大。前面讲过，设计化工产品和建化工厂是按机理模型的方法做出来的，至今没有比机理模型更好的技术路线。很多化学公司强就强在开发出一些产品的机理模型和相关生产装置的工艺包，使其长期处在化工行业的上游，大赚其钱。虽然机理模型是开发化工产品和生产装置的关键核心技术，但其模型误差是不小的。我们常听说，造一个生产装置要留出几倍（百分之几百）的安全裕度，原因之一就是模型误差大。大概笼统地说，机理模型的误差有百分之几十吧。到了生产现场，实时优化可改进的范围一般在百分之几，所以机理模型的精度就远远不够了。

第二个问题是机理模型的计算量大。该问题是过去40年PSE学术界关注的，有很多建设性的方法，加上近年来GPU芯片的快速发展，可以说计算量大的问题是可以解决的。

第三个问题是在线使用机理模型需要大量的传感器和分析仪，增加了设备投资成本。

这三个问题中，机理模型误差大是最大的困难，至今没有一般的解决方法。主要原因是，实验室环境下发现的物理和化学机理用到工业生产装置上不完全合适，很多工业现场的问题无法妥善处理。我把这种现象叫机理模型的婴儿病。

这就解释了为什么实时优化（RTO）在学术界既高大上又白富美，到了流程工业现场却很骨感。

然而，也有例外。多年前，两个意大利教授研发出一套乙烯裂解炉的机理模型。荷兰的KTI公司将其商业化，开发出一个软件叫SPYRO。（KTI后来被法国的Technip公司收购。）基于机理模型SPYRO软件即可以用来设计乙烯裂解炉，也可以用来进行实时优化。各大自动化公司，包括霍尼韦尔、阿斯本、施耐德等都用SPYRO做乙烯裂解炉实时优化。SPYRO是我了解的最成功的机理模型，模型精度应该是足够高的。（我个人没有用过SPYRO。）

40年过去，只有SPYRO在乙烯炉应用的成功，还不能证明基于机理模型的实时优化方法应用在流程工业各种装置上的可行性。解决问题的方案有两个：第一是研发出各工业装置的精确机理模型；第二是走非机理模型的技术路线。

思考题1：挑战一个大家公认的技术路线，是不是没事儿找事儿？

思考题2：请给出一条新的技术路线。