基於物聯網的複雜工業過程數字孿生系統

來自 搜狐網 的圖片

基於物聯網的複雜工業過程數字孿生系統鋼鐵、冶金、選礦、石化、電力等流程工業中存在着大量的複雜工業過程，該工業過程存在如下複雜性：強非線性、多變量強耦合、未知頻繁變化的干擾、部分模型結構未知、輸入輸出變量階次未知、動態特性未知頻繁變化。

目錄

簡介

目前，該工業過程的運行工況識別、過程控制系統的設定值決策、控制器參數設置仍然依靠操作人員和工程技術人員憑經驗和知識由人工識別、決策和湊試。生產過程的複雜性使得高性能控制系統的現場投用和人工調試會影響正常生產過程，甚至在高溫高壓複雜生產條件下造成異常工況，引發重大安全事故。此外，由於人難以及時、準確的感知工況信息、處理多源異構信息，加之人的主觀和不確定性，難以實現工業過程的高性能控制和運行優化，造成產品質量不穩定、能耗與物耗高。因此在物聯網技術支撐下，建立複雜工業過程的數字孿生系統是實現工業過程優化運行與高性能控制一體化，進而實現高效化、綠色化和智能化生產的關鍵。

複雜工業生產過程中的物質流、信息流、能源流的相互作用，使該工業過程的動態特性隨生產時間而發生未知變化，難以通過傳統基於參數辨識和狀態估計的控制方法和直接現場調試方式建立滿足高性能要求的智能控制系統，因此必須建立該工業動態系統的數字孿生，進行智能控制系統研究。

工業過程動態特性變化導致該過程的輸入、輸出數據處於變化的、開放的、不確定的信息空間，因此，無法採用已有的基於機理模型的系統辨識方法和已有的完備信息空間的深度學習技術建立該工業過程數字孿生模型。

重大需求和難點

針對上述建立複雜工業過程數字孿生系統的重大需求和難點，必須採用會聚研究思想和CPS理念來解決。因此本項目以此確定項目內容和技術方案，將大數據、人工智能、深度學習、物聯網、無線通訊、控制等信息技術與數據無線傳輸裝置、仿真系統、實際工業過程、雲服務器等物理系統深度融合，構造CPS系統，在物聯網環境下採用端邊雲協同方式，將基於機理模型的系統辨識方法與基於大數據的深度學習方法相結合，將離線訓練和在線校正、邊緣小數據訓練和雲端大數據訓練相結合建立實時反映複雜工業過程動態特性變化的數字孿生系統，基於實時數據和數字孿生建立智能控制系統，實現複雜工業過程智能高效生產。