Effiziente Prozessoptimierung mittels KI-gestützter Advanced Process Control

Wie Neural ODEs die Grenzen klassischer MPC überwinden und neue Potenziale für die Prozessautomatisierung erschließen

Abstract

Der Beitrag zeigt, wie neuronale gewöhnliche Differentialgleichungen (Neural ODEs) die modellprädiktive Regelung in der Prozessindustrie verbessern können. Der vorgestellte hybride Ansatz verbindet die Dateneffizienz linearer Modelle mit der Abbildung nichtlinearer Dynamiken. Neural ODEs modellieren Prozesse kontinuierlich, integrieren physikalisches Vorwissen und liefern auch bei begrenzter Datenlage robuste Vorhersagen. An einem nichtlinearen Drei-Tank-System zeigt sich, dass eine Neural-ODE-basierte MPC bei gleicher Datenbasis eine höhere Vorhersage- und Regelgüte als eine lineare MPC erreicht.