基于物联网的复杂工业过程数字孪生系统查看源代码讨论查看历史

来自 搜狐网 的图片

基于物联网的复杂工业过程数字孪生系统钢铁、冶金、选矿、石化、电力等流程工业中存在着大量的复杂工业过程，该工业过程存在如下复杂性：强非线性、多变量强耦合、未知频繁变化的干扰、部分模型结构未知、输入输出变量阶次未知、动态特性未知频繁变化。

简介

目前，该工业过程的运行工况识别、过程控制系统的设定值决策、控制器参数设置仍然依靠操作人员和工程技术人员凭经验和知识由人工识别、决策和凑试。生产过程的复杂性使得高性能控制系统的现场投用和人工调试会影响正常生产过程，甚至在高温高压复杂生产条件下造成异常工况，引发重大安全事故。此外，由于人难以及时、准确的感知工况信息、处理多源异构信息，加之人的主观和不确定性，难以实现工业过程的高性能控制和运行优化，造成产品质量不稳定、能耗与物耗高。因此在物联网技术支撑下，建立复杂工业过程的数字孪生系统是实现工业过程优化运行与高性能控制一体化，进而实现高效化、绿色化和智能化生产的关键。

复杂工业生产过程中的物质流、信息流、能源流的相互作用，使该工业过程的动态特性随生产时间而发生未知变化，难以通过传统基于参数辨识和状态估计的控制方法和直接现场调试方式建立满足高性能要求的智能控制系统，因此必须建立该工业动态系统的数字孪生，进行智能控制系统研究。

工业过程动态特性变化导致该过程的输入、输出数据处于变化的、开放的、不确定的信息空间，因此，无法采用已有的基于机理模型的系统辨识方法和已有的完备信息空间的深度学习技术建立该工业过程数字孪生模型。

重大需求和难点

针对上述建立复杂工业过程数字孪生系统的重大需求和难点，必须采用会聚研究思想和CPS理念来解决。因此本项目以此确定项目内容和技术方案，将大数据、人工智能、深度学习、物联网、无线通讯、控制等信息技术与数据无线传输装置、仿真系统、实际工业过程、云服务器等物理系统深度融合，构造CPS系统，在物联网环境下采用端边云协同方式，将基于机理模型的系统辨识方法与基于大数据的深度学习方法相结合，将离线训练和在线校正、边缘小数据训练和云端大数据训练相结合建立实时反映复杂工业过程动态特性变化的数字孪生系统，基于实时数据和数字孪生建立智能控制系统，实现复杂工业过程智能高效生产。