机器学习能否识别复杂工程系统动力学的主导定律？：一项化学工程研究

机器学习近来已被用于识别物理系统动力学的主导方程。在流体动力学和化学动力学等系统上应用的有前景结果启发了在这些方法对复杂工程系统上的进一步研究。这些系统的动力学在设计和操作中起着关键作用。因此，了解可能驱动系统复杂动力学的机制将是有利的。在这项工作中，我们的研究问题旨在解决关于新颖机器学习方法在识别工程系统主导动力学方程方面的适用性和有用性的这一开放问题。我们聚焦于蒸馏塔，它是化学工程中普遍存在的单元操作并表现出复杂动力学，即其动力学是启发式与基础物理定律的结合。我们测试了稀疏非线性动力学识别（SINDy）方法，因为它能够产生具有可用于动力学物理解释的项的白盒模型。动力学的时间序列数据由使用 ASPEN Dynamics 的蒸馏塔仿真生成。一个 promising 的结果是动态仿真的方程数量从 ASPEN 中的数千个减少到仅 13 个——每个状态变量一个。在扰动范围内的系统测试数据上预测精度很高，但在扰动范围外方程表现不佳。在物理定律提取方面，一些项可解释为与菲克扩散定律（含浓度项）和亨利定律（含浓度与压强项之比）相关。尽管一些项可解释，我们得出结论：需要更多研究将工程系统与机器学习方法结合以增进对未知动力学主导定律的理解。