影子操作员：基于工业非线性MPC与布鲁姆分类学的空分过程动态变负荷操作训练
系统与控制
2023-07-07 v1 人机交互
系统与控制
摘要
提出了一种用于空分过程(ASPs)动态变负荷操作的人机交互训练新方法。该方法中开发了影子操作员(SO)，通过工业模型预测控制(IMPC)和布鲁姆分类学来训练ASP操作员。首先，针对动态变负荷操作开发了非线性两层IMPC机器算法。该IMPC使用线性变参数预测模型和迭代多步线性化算法来计算精确的控制决策。其次，建立了一个分层人机协作模型以提高操作训练的有效性。该模型受教育心理学框架（布鲁姆分类学）启发，协助ASP操作员提升其动态操作技能。最后，基于IMPC算法和人机协作模型设计了SO的五种动态训练模式。实际应用结果表明，SO提高了新手操作员技能获取的有效性和动态操作的安全性。
引用
@article{arxiv.2307.03021,
title = {Shadow operator: Effective dynamic load change operation training in air separation processes based on industrial nonlinear MPC and Bloom's taxonomy},
author = {Guanghui Yang and Zhijiang Shao and Rui Wang and Zuhua Xu and Lidan Cui},
journal= {arXiv preprint arXiv:2307.03021},
year = {2023}
}
备注
16 pages, 18 figures