维度网讯，美国RLCore推出RLTune实时连续优化平台，可在水和废水设施现有控制系统上增加持续学习智能层，通过带约束的强化学习动态优化运行性能，使化学品和能源消耗降低15-25%，响应时间提升95%，流程效率超过90%。该公司在美国水行业协会（American Water Works Association）ACE26会议上展示了这一产品。

工业系统运行在动态环境中，条件不断变化，包括能源价格和化学品成本波动、进水变化、设备磨损和人员限制。传统控制方法多依赖固定增益或无法从环境中学习的模型，操作员需手动管理由此产生的差距，导致运营效率低下和优化机会损失。据估计，所有工业流程中因可控效率低下每年造成的损失超过1万亿美元。

RLTune位于工厂现有控制栈之上，应用带约束的强化学习，在实际运行条件下持续改进控制决策。平台从实时工厂环境中学习，不断优化工业流程以实现操作员定义的工厂级KPI。Drayton Valley基础设施总经理Shelley Terry表示，合作后工厂控制室中的意外减少，化学品使用量下降，水资源节约量上升，操作员能够专注于更高价值的工作。EPCOR Water Services高级副总裁Frank Mannarino认为，该方法展示了以与公用事业运营相一致的方式引入先进控制和人工智能。

该平台的关键功能包括：持续学习与自适应，可自动适应季节性变化、进水变化、设备磨损和工艺扰动，无需手动重新调试循环；无需数字孪生或复杂物理模型，直接从实际工厂环境中学习；带护栏的优化，操作员可设置护栏并定义渐进式自主，保留覆盖权限；数据记录可提高运行可见性并量化变异性和运行模式；供应商无关，通过OPC-UA连接兼容SCADA、DCS、PLC、历史数据库和IoT网关；支持本地部署，数据保留在现场。

RLCore将这一类别称为实时自主优化（RTAO）。该公司成立于2024年10月，由国际公认的强化学习专家和拥有规模化经验的产品与技术领导者组成。RLTune平台部署于市政、废水和工业设施，帮助操作员建立韧性、减少化学品与能源消耗、提高工艺稳定性，并实时适应变化。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com