论文

LLM驱动的工作流:从动态过程模型自动生成与整定过程控制策略

An LLM-Driven Workflow for Automated Process Control Strategy Generation and Tuning from Dynamic Process Models

智能体系统Agent Harness

摘要

我们提出一个结构化的LLM驱动工作流,从动态过程模型自动完成多变量控制设计。工作流把设计任务分解为受约束的代码生成步骤:被控对象接口构建、归一化、操作变量—受控变量(MV-CV)配对、控制器规格、闭环仿真、场景生成、性能评估与基于贝叶斯优化(BO)的整定。生成的工件在下游任务推进前被执行与验证,失败的工件以验证反馈修复。该方法在具有压力—温度耦合动力学的非线性气体预热器基准上演示。生成的工作流产出一个物理一致的分散式PI(比例—积分)反馈—前馈控制结构与可执行的整定环境。贝叶斯优化把闭环性能目标——聚合受控变量的设定值跟踪与扰动抑制误差——相对工作流初始生成的控制器降低约26.5%,主要经由压力回路暂态性能的改善。该数字量化的是自动整定阶段,而非与人工设计控制器的比较。结果表明以结构化的LLM代码生成构建可执行控制设计工作流是可行的,同时凸显在更大范围的全厂控制基准上做更广验证的需要。

LLM驱动的工作流:从动态过程模型自动生成与整定过程控制策略:论文配图
图 2:自动化控制系统设计的代理工作流程。用户提供问题描述(以受控变量规范的形式)和开环动态系统模型。用户收到性能总结报告,可以循环进行性能评估,也可以由专用的人工智能代理进行完全自主的实施。 OpenAI GPT-5.4 被用作实施该框架的大语言模型。