《化工智能制造概论》是为满足过程工业高端化、绿色化、智能化可持续发展和新材料领域发展的重大需求而组织编写的战略性新兴领域“十四五”高等教育教材。全书共7章，包括智能制造背景与基本内容、工业大数据与数据挖掘、机器学习在智能化工中的应用、智能优化与化工过程综合、先进及智能控制系统、药物和精细化学品的智能制造、化工安全生产智慧化管理。本书重点介绍互联网、大数据、人工智能等新一代信息技术为化工智能制造提供的新方法与制造模式，并在每章引入了工程案例，以强化学生工程观念，培养其分析和解决实际工程问题的能力。
本书可作为化工、材料、制药等相关专业本科生教材，也可作为研究生教材及科技工作者的参考用书。

都健教授任教30年来一直承担“化工过程分析与合成”“化工原理”等课程的教学任务，负责国家质量工程建设项目化工原理“金课”建设、化工过程分析与合成数字化课程建设、中国高等教育学会“十三五”重大攻关子课题——化工在线课程群“化工过程分析与合成”分课程建设。主编的教材有：化工过程分析与综合（中国石油和化学工业出版物（教材类）一等奖，化学工业出版社，2019年）、化工原理（上册）（“十一五”国家 级规划教材，高等教育出版社，2015年，辽宁省首届优秀教材建设奖）、化工原理实验（中国石油和化学工业出版物（教材类）一等奖，化学工业出版社，2017年）。
获宝钢教育基金奖优秀教师奖、辽宁省优秀教师、辽宁省教学名师奖、大连理工大学屈伯川奖教金、大连理工大学教学质量优秀奖、大连理工大学示范教师等。负责的“化工原理”课程2018年获批国家精品在线开放课程。负责的“化工过程分析与合成”课程获批2020年获批首批国家 级一 流本科课程。2020年作为负责人负责的化工原理课程建设获得辽宁省优秀教学成果一等奖。是“化工原理-中国石油化学行业优秀教学团队”的负责人。负责国家自然科学基金项目3项，发表科研论文近100篇，化工三大期刊及本专业TOP 10文章10余篇，2013年获辽宁省技术发明二等奖。

第1章 智能制造背景与基本内容 1
1.1 智能制造的产生与发展 1
1.2 智能制造的基本内容与体系基础及架构 4
1.3 智能制造的关键信息技术 6
1.4 数据驱动下的企业管理与运行 9
1.5 化学工业智能制造现状及面临的挑战 10
本章小结 18
思考题 18
参考文献 18

第2章 工业大数据与数据挖掘 21
2.1 数据挖掘概述 21
2.1.1　数据挖掘过程 22
2.1.2　基本数据类型 23
2.2 工业大数据及其特点 26
2.2.1　流程工业 27
2.2.2　能源工业 28
2.2.3　制药工业 28
2.3 数据特征提取与清洗 29
2.3.1　数据特征提取 30
2.3.2　数据清洗 33
2.4 数据简化转换与预分析 35
2.4.1　数据的简化与转换 35
2.4.2　相似性与距离分析 41
2.4.3　聚类分析 46
2.4.4　异常值分析 49
2.5　应用示例：玉米淀粉食品工业数据处理 54
本章小结 57
思考题 57
参考文献 58

第3章 机器学习在智能化工中的应用 61
3.1　机器学习概述 61
3.2　监督式与无监督学习 67
3.3　决策树方法 68
3.3.1　划分选择 69
3.3.2　剪枝 70
3.3.3　连续与缺失值 70
3.3.4　多变量决策树 72
3.3.5　决策树算例：药物合成中有机分子购买必要性的预测 72
3.4　支持向量机 75
3.4.1　支持向量机定义与分类 75
3.4.2　分割超平面 76
3.4.3　SVM 求解原理 76
3.4.4　间隔和支持向量 77
3.4.5　对偶问题 78
3.4.6　核函数 80
3.4.7　软间隔与正则化 82
3.4.8　支持向量机的优缺点 85
3.4.9　算例 85
3.5　人工神经网络 88
3.5.1　人工神经网络概述 88
3.5.2　神经元 89
3.5.3　神经网络结构 90
3.5.4　感知机与多层网络/ 多层前馈神经网络 91
3.5.5　误差反向传播算法 93
3.5.6　全局最小与局部极小 95
3.5.7　其他常见神经网络 96
3.6　贝叶斯神经网络 98
3.6.1　概率图模型概述 99
3.6.2　频率派与贝叶斯学派 99
3.6.3　贝叶斯定理 100
3.6.4　贝叶斯神经网络 102
3.6.5　贝叶斯神经网络的用途 104
3.6.6　朴素贝叶斯 105
3.6.7　算例 106
3.7　应用示例：反应溶剂与聚合物设计 107
3.7.1　反应溶剂设计 107
3.7.2　聚合物设计 120
本章小结 129
思考题 129
参考文献 129

第4章 智能优化与化工过程综合 133
4.1　智能优化算法概述 133
4.2　遗传算法 134
4.2.1　遗传算法的基本思想和流程 135
4.2.2　遗传算法的收敛性分析 136
4.2.3　遗传算法参数和操作的设计 136
4.3　蚁群算法 138
4.3.1　蚁群算法的基本原理 138
4.3.2　蚁群算法的收敛性分析 140
4.3.3　蚁群算法参数和操作的设计 141
4.4　模拟退火算法 143
4.4.1　模拟退火算法的基本思想和流程 143
4.4.2　模拟退火算法的收敛性分析 145
4.4.3　模拟退火算法参数和操作的设计 146
4.4.4　并行模拟退火算法 147
4.4.5　模拟退火遗传混合算法 147
4.5　禁忌搜索算法 151
4.5.1　禁忌搜索算法的基本思想和流程 151
4.5.2　禁忌搜索算法的收敛性分析 152
4.5.3　禁忌搜索算法参数和操作的设计 154
4.6　应用示例：化工网络综合 156
4.6.1　功热交换网络综合 156
4.6.2　单组分体系质热交换网络综合 161
4.6.3　换热器网络综合 166
本章小结 174
思考题 174
参考文献 175

第5章 先进及智能控制系统 177
5.1　过程控制系统概述 177
5.1.1　过程控制系统的由来 177
5.1.2　过程控制系统特点 178
5.1.3　过程控制系统结构 179
5.1.4　过程控制系统的性能指标 183
5.1.5　过程控制策略 185
5.1.6　过程控制系统的要求和任务 187
5.2　自适应控制系统 191
5.2.1　自适应控制概述 191
5.2.2　模型参考自适应控制 194
5.2.3　自校正控制 197
5.3　模型预测控制 200
5.3.1　模型预测控制概述 200
5.3.2　模型预测控制基本原理 201
5.3.3　动态矩阵控制理论 203
5.4　网络控制系统 209
5.4.1　网络控制系统的一般原理与结构 210
5.4.2　网络控制系统的特点与影响因素 211
5.4.3　集散控制系统 212
5.5　智能控制系统 213
5.5.1　智能控制系统的特点与评价准则 214
5.5.2　智能控制系统的分类 214
5.5.3　复合智能控制系统 215
5.6　质量控制 216
5.6.1　质量波动 218
5.6.2　生产过程的质量状态 218
5.6.3　控制图 220
5.6.4　过程能力 222
5.7　应用示例：精馏塔和萃取精馏控制 224
5.7.1　精馏塔控制 224
5.7.2　萃取精馏流程控制 229
本章小结 233
思考题 233
参考文献 234

第6章 药物和精细化学品的智能制造 237
6.1　药物和精细化学品的分子设计原理 237
6.1.1　计算机辅助分子设计 237
6.1.2　计算机辅助药物设计 239
6.1.3　人工智能在药物设计中的应用 241
6.2　配方产品的智能设计 245
6.2.1　配方的最优化设计原理 246
6.2.2　计算机辅助配方设计 248
6.2.3　人工神经网络在药物配方设计中的应用 250
6.3　工艺过程智能优化和设计 253
6.3.1　高通量自动化筛选技术 253
6.3.2　微通道反应技术 260
6.3.3　机器学习在工艺智能优化中的应用 266
6.4　工业4.0 背景下药物智能制造 270
6.4.1　在线分析与过程控制 272
6.4.2　物料追踪与状态监测 278
6.4.3　信息管理与系统集成 279
6.4.4　在线优化与智慧工厂 280
6.5　应用示例：药物和精细化学品的智能制造 283
6.5.1　基于连续流技术的智能平台 283
6.5.2　机器人自动化多样合成平台 285
6.5.3　机器学习自动化有机合成 290
本章小结 292
思考题 292
参考文献 292

第7章 化工安全生产智慧化管理 297
7.1　“互联网+ 危化安全生产”总体建设方案 297
7.1.1　应用场景 298
7.1.2　工业APP 303
7.1.3　工业机理模型 305
7.2　危化企业安全风险智能化管控平台架构 306
7.3　危化企业安全风险管控应用服务数字化建设 310
7.3.1　危险化学品企业双重预防机制 311
7.3.2　特殊作业许可与作业过程管理系统 320
7.3.3　智能巡检系统 323
7.3.4　人员定位系统 326
7.4　智能化设备全生命周期管理技术 328
7.4.1　设备全生命周期管理系统功能 329
7.4.2　设备资产完整性管理数字化平台设计与应用 332
7.5　应用示例：智能工厂建设与HSE管理智能化建设 335
7.5.1　智能工厂建设 335
7.5.2　HSE 管理智能化建设 338
本章小结 341
思考题 341
参考文献 342