随着工业化进程的不断推进，化工生产过程趋于复杂化和细致化，对过程优化和控制的要求日益严苛。化工生产过程中的智能优化与控制研究是提高化工生产效率和产品质量的重要手段，旨在通过使用智能化技术和算法，实现化工生产过程的高效运行、质量控制和能源节约。立足于“本质安全”、“经济效益”和“环境效益”的多重目标，青岛科技大学田文德教授团队充分发挥过程系统工程优势，建立多个复杂化工过程机理模型，分析和优化过程各个环节，设计合理的智能优化算法和控制策略，为实际化工装置的清洁生产提供重要理论价值。

近日，青岛科技大学田文德教授团队报道了关于化工过程多尺度优化与智能控制的相关进展。利用机器学习、多尺度模拟、动态模拟等方法在化工清洁生产方面取得突破，在国际知名学术期刊Chemical Engineering Science上发表了1篇题目为“Multi-level optimization of biomass chemical looping gasification process based on composite oxygen carrier”的文章，在Journal of Cleaner Production上发表了3篇题目分别为“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上发表了1篇题目为“Design and variable scale optimization of flare gas recovery process for hydrogen production”的文章。

文章分别提出了基于复合载氧体选择的生物质化学链气化过程多尺度优化策略（如图1）、基于机器学习代理模型构建的甲醇重整过程多目标优化策略（如图2）、基于流程建模与智能筛选的煤焦油化学链气化动态优化控制策略、基于动态模拟与深度学习的煤制乙二醇过程废水智能溯源策略及基于流体力学建模的火炬气回收工艺优化设计策略。采用分子模拟与流程模拟、理论计算与实验测试的多尺度、多策略的新型融合式研究手段，旨在实现复杂化工过程的平稳高效运行。以上5篇文章均以青岛科技大学为第一单位，田文德教授、刘彬讲师分别为论文的通讯作者，崔哲副教授、博士研究生刘子健、博士研究生李哲、硕士研究生孙阳、硕士研究生范晓敏分别为论文的第一作者。

图1生物质化学链气化全局优化策略

图2甲醇重整过程多目标优化策略

以上5项研究成果得到了国家自然科学基金、山东省自然科学基金等项目的资助和支持。

论文链接：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