Simultaneous model identification and optimization in presence of model-plant mismatch

در رویکرد بهینه سازی استاندارد، مدل فرایند اساسی ابتدا در مجموعه ای از شرایط عملیاتی شناسایی می شود و این مدل به روز شده برای محاسبه شرایط مطلوب برای فرآیند مورد استفاده قرار می گیرد. این دو ستاپ ؟؟ روش را می توان با انجام آزمایش های جدید در شرایط عملیات بهینه تکرار تکرار کرد، بر اساس تکرار های قبلی، و سپس شناسایی دوباره و دوباره بهینه سازی تا زمانی که همگرایی رسیده است. با این حال، زمانی که یک عدم سازگاری مدل-گیاهی وجود دارد، مجموعه ای از پارامترها تخمین می زند که خطای پیش بینی را در مسئله شناسایی به حداقل می رساند ممکن است شیب اهداف بهینه را دقیقا پیش بینی نمی کند. در نتیجه، همگرایی دو ستاپ رویکرد تکراری به یک فرایند بهینه نمی تواند تضمین شود. این مقاله روش جدیدی را ارائه می دهد که در آن خروجی های مدل به صراحت برای عدم انطباق اصلاح شده است، به طوری که با برآورد پارامتر به روز، اهداف شناسایی و بهینه سازی به درستی برآورده می شوند. با اصلاح پیشنهادی که به تدریج بر روی تکرارها ادغام شده است، الگوریتم همگرا را به بهترین روش فرایند تضمین کرده و همچنین پس از همگرایی، مدل تصحیح نهایی، به طور دقیق رفتار روند را پیش بینی می کند. روش پیشنهادی در یک چارچوب بهینه سازی به اجرا در می آید با یک پروسس بیو پروسس خوراکی به عنوان یک مطالعه موردی.