​​一般的控制系统是以被控变量的稳定或产品质量的达标为目的，而与此不太相同的是，在本文提出的策略中，清洁生产的目的是应该在保证原有产品质量指标不变的条件下，针对车间或工段的污染物优化指标作局部的**小量化，将优化的结果用于确定过程控制级各相关控制变量的**设定值。而要达到这个目标，必须要建立与生产过程技术指标、经济指标关联的、含有污染物变量的数学模型，给出合适的使污染物**小量化的优化目标函数，然后可以选择某种优化的算法求解，**通过计算机控制系统实施。这种模型是以往人们常常忽视的，而且也往往更为困难，因为模型的形式更具有多样性，不仅有机理模型、辨识模型等数值模型，而且可能会有语言模型、规则模型等智能模型。近年来，对以人工神经元网络(Artificial Neural Network, ANN)为代表的智能过程建模及其控制系统的研究成为一大热点。这是因为ANN具有很强的学习能力或者说是自适应能力；其本身是非线性的，可以通过学习达到以所要求的非线性形状来模拟对象模型，并且适合多输入多输出系统BBC Steuertafel GRI 300
Koden kgp-920 GPS Navigator 92003073
BBC Steuertafel GNT 352 
ABB 1sd a066431
Clipsal 5350cb
GE sr750 Feeder-Relais 750-p1-g1-s1-hi-a20-r-e
Snt4lp11k 
i1150
ABB 1mrk002133-abr03/1mrk002311-aar02
lf12311 
lf1354
GE 531 x 307
Evc301rpo 
Carel pc02000al0 
83059c
LBB 4442/00
Schneider vx5a1hc2025/atv61/71
Schneider 50607 
A41 512-100/2cma100237r1000
Trane Actia p100 815 01/x-13740081-01
Heller Uni-Pro BF-Haupt 4/A 22.000840-00608 
ac3000
ABB SNAT 7261qcp
Siemens 6es7650-1am31-6xx0
CENTRALINE von Honeywell cliop 831a 
Johnson Controls Metasys dx-9100 8004
Wago 858-508 
A-Eberle Reg-PE/09051890/111.9016.40
ABB cnv-w-3