連続クロマト分離プロセスの強化学習による統合型デュアル適応制御

科学分野:

• 化学工学
• プロセス制御
• 人工知能

背景:

• 連続クロマトグラフィープロセスは、複雑な非線形ダイナミクスと相互依存性を示します。
• 循環操作と可変相互作用により、リアルタイム制御は困難です。
• プロセス変動の増加は、持続的なパフォーマンスのための適応制御戦略を必要とします。

研究 の 目的:

• 連続クロマトグラフィーシステムの適応操作のための強化学習（RL）制御フレームワークを開発すること。
• 動的および不確実な動作条件下でパフォーマンスを維持する堅牢な制御を可能にすること。
• 製品純度、収率、運用効率などの主要業績評価指標を改善すること。

主な方法:

• メカニズムシミュレーション環境を使用して、強化学習（RL）コントローラーを開発およびトレーニングしました。
• RLエージェントは、観測されたシステム状態に基づいて複数のプロセス入力を調整することを学習しました。
• 純度、収率、効率のバランスをとるために、位相依存の報酬定式化が実装されました。

主要な成果:

• RLコントローラーは、供給変動、流量変動、測定ノイズにもかかわらず、目標純度を維持することに成功しました。
• 循環定常状態（CSS）は10プロセスのサイクル内で達成されました。
• プロセスの収率は86％から91％に向上し、製品回収率は公称操作と比較して79％増加しました。

結論:

• 強化学習は、複雑な多変数クロマトグラフィーシステムに対して堅牢で適応性のある制御ソリューションを提供します。
• 開発されたRLフレームワークは、インテリジェントで適応性のあるプロセス操作を促進します。
• このアプローチは、連続クロマトグラフィープロセスにおけるパフォーマンスと効率を向上させるための道を提供します。