基于动态过程模型的LLM驱动自动控制策略生成与调优工作流

研究者提出一种结构化大语言模型驱动的工作流，用于从动态过程模型自动生成多变量控制策略。工作流将设计任务分解为约束代码生成步骤，包括接口构建、归一化、MV-CV配对、控制器规格、仿真、场景生成、性能评估和贝叶斯优化调优。在非线性气体预热器基准上验证，生成物理一致的PI反馈-前馈控制结构，贝叶斯优化使闭环性能目标降低约26.5%（主要改善压力回路瞬态性能）。该研究展示了LLM代码生成用于构建可执行控制设计工作流的可行性。

传统过程控制设计依赖专家手动分析和调优，该工作流利用LLM自动生成并验证可执行代码，首次在非线性基准上实现从模型到调优的端到端自动化，且贝叶斯优化进一步显著降低性能目标，有望减少对人工经验的依赖。

工作流将控制设计分解为可独立验证的代码生成子任务，每步产生的对象需通过执行才能进入下一步，失败时根据验证反馈修复；最终通过贝叶斯优化自动搜索最优控制器参数，形成闭环自动优化。

该工作流可自动化控制设计流程，减少工程师在控制器参数调整上的手动试错时间，可能降低控制系统的开发与维护成本；但当前仅在单个非线性基准上验证，尚未证明通用性。

• 开发LLM驱动的控制设计助手，集成到Matlab/Simulink或Python控制库中，自动生成PI控制器代码。
• 面向化工、能源行业提供自动化控制策略生成服务，减少人工设计周期。
• 将贝叶斯优化模块嵌入现有过程控制仿真平台，实现参数自动调优。

• 该方法在更大规模、多环路工业过程上的表现未经测试。
• 对不同类型非线性动态模型的泛化能力未知。
• LLM代码生成的质量和修复次数是否随问题复杂度显著增加？
• 工作流中LLM模型的选择对最终性能的影响程度未报告。