AI 能直接操作化工流程软件了?我用一座RTO焚烧炉验证了一下

让AI真正"上手"化工流程软件，能算到什么程度？我让AI直接调用一套稳态流程模拟软件，给它一张"要算一座RTO焚烧炉"的活儿，它自己建模、自己补参数、自己在软件里求解、再自己把结果讲给我听。整个过程没人去点一次鼠标。这篇不讲玄乎的"AI赋能"，只拆三件事：它到底怎么做到的、算出了什么、以及哪些地方不能当真。

封面：AI操作化工仿真，把一座RTO焚烧炉在软件里算通

让 AI 真正"上手"化工流程软件，能算到什么程度？我让 AI 直接调用一套稳态流程模拟软件，给它一张"要算一座 RTO焚烧炉"的活儿，它自己建模、自己补参数、自己在软件里求解、再自己把结果讲给我听。整个过程没人去点一次鼠标。

深夜的工艺工程师，把繁琐操作交给 AI

这篇不讲玄乎的"AI 赋能"，只拆三件事：它到底怎么做到的、算出了什么、以及哪些地方不能当真。

01 真正该问的问题，不是"AI 能不能模拟"，而是"AI 能不能替你把软件用起来"

很多人对"AI + 化工仿真"的理解，停留在让 AI 回答"这个塔该多高、这个换热器面积该多大"。这确实有用，但它只是"顾问"，不是"操作者"。

真正的工程问题往往是这样的：你已经有一套成熟的模拟软件，有物理模型、有物性包、有收敛算法，你希望 AI 去操作这套软件，把一整个工况算完，而不是只在旁边动嘴。这一步的难度，不在"模拟"，而在"让 AI 拿到软件的钥匙"。

02 先搞清楚一个前提：很多模拟软件，根本没给 AI 留"接口"

这次用的软件是 AI Process Simulator（v1.5.2），它的计算体系深度借力开源流程模拟器 DWSIM 的物性与算法生态。第一件要做的事，是搞清楚它到底怎么被程序控制。

常见的路数有三条：COM 组件接口、命令行、AppleScript 脚本。我们把这三条都试了一遍，结果都不通——这款软件没有暴露这些自动化通道。

但模拟软件有个逃不掉的地方：它的工程文件是开放格式。这套软件用 JSON 结构的 .sim 文件存模型，流股、单元、物性、求解结果都写在里面。于是真正的钥匙找到了——不是去"按按钮"，而是直接读写这份文件，再让软件打开、求解、回写。

我们据此搭了一层"MCP"接入：AI 通过一套标准接口，可以打开案例、列出/修改流股参数、读取各单元结果、触发求解。这层接口一通，AI 就从"动嘴"变成了"能上手"。

MCP：AI 与工业软件之间的通用桥梁

知识档案：AI Process Simulator 到底是什么、谁做的、能算什么

在讲案例之前，先把这款软件本身讲清楚。它不像 Aspen、HYSYS 那样是闭源商业软件，而是一款站在开源生态肩膀上的稳态流程模拟器。

它是什么

AI Process Simulator 是一款稳态（steady-state）化工流程模拟器。如果你用过 Aspen HYSYS 或 Aspen Plus，它的操作逻辑会让你很熟悉：在画布上摆放设备、连接物料流股、指定一个物性包（fluid package）、给每个单元固定少数几个变量，然后让求解器把剩下的算出来。

它的特别之处在名字里的"AI"——据开发者公开资料，这款软件是在与 Anthropic 的 Claude 协作下，用现代 C++（C++17/20）和 Qt/QML 构建的；软件内置了一个"AI 收敛顾问"，能在蒸馏塔不收敛时诊断原因并给出修改建议。

谁在做（开发团队）

• 主导开发者：Rueben MacIntyre（M.Eng，化工工程背景）。
• 团队规模：很小的独立项目，公开资料标注为 2–10 人、2026 年创立的个体/小团队。
• 官网：www.ruebenswebsite.ca
• 版本演进：公开记录显示 v1.3.4 把蒸馏塔求解速度提升了 5–10 倍（一个 34 组分、带侧线汽提的塔从 13 分钟降到 9 秒），并内置了 600 多项对照公开数据的校验检查；本文所用为 v1.5.2。

关于它的"开源内核"：它的计算体系并非闭门造车，而是深度兼容并可直接导入 DWSIM 与 COCO/COFE 的案例，并在各流股上与原软件逐流结果一致——包括一个含 55 条流股、41 个单元的油气分离工业基准，复现参考雷德蒸气压（RVP）的误差在 0.01% 以内。

小知识：DWSIM 是谁？

DWSIM是一款开源化工流程模拟器，2004年由化学工程师 Daniel Wagner Oliveira de Medeiros 用一组实现 Peng-Robinson 方程和闪蒸算法的 Excel VBA 宏起步，2008 年在 SourceForge 发布首个公开版本，采用 GPL/LGPL 许可。它完全兼容 CAPE-OPEN 标准，Daniel Wagner 因此获得 2012 年度 CAPE-OPEN 奖。核心用 C# / VB.NET 编写、依托 .NET 与 Mono 实现跨平台（Windows / Linux / macOS / Android / iOS），物性包涵盖 PR、SRK、NRTL、UNIQUAC、GERG-2008、PC-SAFT 等，长期由 Daniel Medeiros 及 Gregor Reichert、Gustavo León 等社区贡献者维护，2021 年起推出商业扩展 DWSIM Pro。

它能算什么（核心能力）

单元操作覆盖很广，包括但不限于：

• 精馏类：严格精馏塔（含吸收塔、汽提塔），求解严格 MESH 方程组；
• 反应器类：五种——转化率反应器、平衡反应器、Gibbs 反应器，以及动力学平推流反应器（PFR）和全混釜（CSTR）；
• 分离与流体设备：液液萃取器、压缩机/膨胀机、换热器、加热器/冷却器、泵、阀门、两相管段、混合器、分流器、两相/三相分离器、循环（Recycle）回路，以及 Adjust/Spec 逻辑块；
• 脚本扩展：一个可用 Python 编写的用户单元，覆盖内置模块未涉及的一切；
• 热力学：工业标准物性方法 SRK、Peng-Robinson、PRSV、NRTL，石油假组分表征，全套闪蒸计算；
• 求解体验：流股随你编辑实时求解，或按需"有序求解全部"；循环回路自动收敛；蒸馏塔内置 AI 收敛顾问。

自带30个Demo案例（领域分布）

光说不练没意思，这款软件自带30个可直接打开/导入的示例，按用途可分为五大领域：

① 原生 .sim案例（直接 File → Open）

② DWSIM / COCO 导入案例（Import DWSIM 或 Import COCO/COFE）

五大领域一览：精馏/分离（8 个）、反应工程（7 个）、油气/炼油（5 个）、换热/设备（5 个）、功能/框架（5 个）。对我们做除尘冷却、RTO 这类气体处理最相关的是 SampleCompressorExpanderDemo.sim（风机/压缩机建模）与 HumidAir.dwxml（空气组分导入）；炼厂整厂案例则可作为复杂流程的参考样板。

03 一个真实案例：让AI算一座RTO蓄热式焚烧炉

方向定了，就找一道真实的题：用一组典型 VOCs 废气参数，算一座 RTO（蓄热式热氧化）焚烧炉的稳态热平衡。废气是 20000 m³/h、25℃、含 1000 ppm 甲苯。

RTO 蓄热式焚烧炉原理示意

先说清楚一个边界：这套软件是稳态求解器，没有 RTO / 蓄热床专用单元。所以 AI 要做的是"等效建模"——把蓄热床映射成换热器、把燃烧室映射成绝热转化反应器、把引风机映射成压缩机，再用一个 Recycle 回路把"高温净化气回收热量去预热废气"这件事闭环起来。

计算在软件里真实求解并收敛：蓄热换热器把废气从 25℃ 预热到约 632℃，燃烧室绝热氧化到约 745℃（甲苯转化率 99%），高温净化气再回收热量降到约 152℃，引风机升压后从烟囱排出约 157℃。Recycle 回路收敛，最大相对误差 4.2×10⁻⁴。

关键结果一览

RTO 仿真关键结果知识卡

04 这件事真正起作用的，是三个变量

看完案例，再说透底层。AI 驱动化工仿真能不能成，不看模型多聪明，而看三件事同时到位。

• 协议：软件愿不愿意、能不能被程序控制。COM、CLI、文件格式、MCP，哪条走得通用哪条；没有现成通道时，开放文件格式往往是最后的钥匙。
• 建模能力：AI 能不能把真实工艺"翻译"成软件里有的单元和物性包，并且自己补齐缺省的工况参数——RTO 没有专用单元，就映射成换热器+转化反应器+压缩机。
• 物理边界：AI 清不清楚哪些是稳态能算的、哪些是稳态算不了的。这次燃烧温度、热回收率能算，但床层切换瞬态、停留时间、DRE 动力学就是稳态软件的边界，硬算就是错。

05 最容易踩的坑：把"稳态等效"当成"精确设计"

一个常见的说法是：AI 连 RTO 都能算了，设计是不是可以交给它了？这话只对了一半。

这次算的是稳态等效模型——蓄热床被等效成换热器、燃烧室被等效成理想转化反应器，切换周期和停留时间都没有建模，DRE 用的是"设定 99% 转化率"而不是燃烧动力学。

所以它能回答"这个工况下热回收率大约多少、烟囱温度大概多少、风机要多大的功率"，用来做方案比选和热平衡校核非常够用。但它回答不了"蓄热床该填多厚、切换频率设多少秒、特定停留时间下 DRE 到底达不达标"——那需要专用 RTO 设计软件或动态/CFD 模拟。

更稳妥的判断是：AI 驱动稳态模拟，适合把"方案初算、趋势判断、热平衡闭合"这类工作加速；涉及设备尺寸、排放达标的最终设计，仍要回到专业工具 + 工程师复核。

06 以后判断"AI能不能算这个"，可以看这套框架

下次遇到类似问题，不必先问 AI 强不强，而是先过四个问题：

• 软件有没有路让程序进去？有 COM/CLI/MCP/开放文件格式，才算"可驱动"；否则只能当顾问。
• 工艺能不能映射成软件里有的单元？缺专用单元时，能不能用已有单元做合理的等效建模。
• 要的指标在不在软件的物理边界内？稳态能算平衡、能算温度压力流量；瞬态、动力学、停留分布往往是边界。
• 参数和物性从哪来？缺省的工况参数要有口径、要能核验，不能靠 AI"猜"了事。

四个都过，就可以放手让 AI 把一整个工况算完；有一个不过，就该停下来补条件，或者把边界说清楚再算。

判断 AI 能否驱动仿真的四问框架

写在最后

真正让化工仿真"被AI驱动"的，不是某个更聪明的模型，而是接口通了、建模能落地、边界被讲清——三件事同时成立，AI才能从"解释器"变成"操作者"。

这条路刚起步，但对化工行业的意义很具体：它能把"让老工程师反复试工况"的体力活，交给机器去试，把人留在做判断和把关的位置上。