九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

流程工業(yè)主要包括化工、冶金、石化、造紙、電力等行業(yè), 其生產(chǎn)過程中, 原料通過化學(xué)、物理、相變等反應(yīng)或變化, 經(jīng)連續(xù)加工生成新的物質(zhì)。流程行業(yè)不僅為機(jī)械、軍工等領(lǐng)域提供原材料與電力能源支持,也是國(guó)民經(jīng)濟(jì)與人民生活的重要保障。因此, 流程工業(yè)生產(chǎn)不僅對(duì)企業(yè)至關(guān)重要, 也是我國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的重要支柱產(chǎn)業(yè), 在保障國(guó)家重大工程建設(shè)和帶動(dòng)國(guó)民經(jīng)濟(jì)增長(zhǎng)等方面起著不可替代的作用。相比于離散制造工業(yè), 流程工業(yè)具有以下幾個(gè)特點(diǎn):

1) 原料物化屬性復(fù)雜且難以測(cè)量, 涉及眾多工藝, 每一個(gè)工藝的設(shè)備特征、工藝配方、原料屬性和操作參數(shù)都與生產(chǎn)性能指標(biāo)有著密切聯(lián)系, 且加工工藝多為復(fù)雜的物理過程和化學(xué)反應(yīng), 導(dǎo)致生產(chǎn)過程難以建模。

2) 對(duì)流程工業(yè)而言, 為了制造某一產(chǎn)品, 原料必須通過由不同功能工序串聯(lián)起來的制造流程, 在整體協(xié)同下組織生產(chǎn), 其整體運(yùn)行的全局最優(yōu)是一個(gè)多流程耦合關(guān)聯(lián)、多目標(biāo)沖突的復(fù)雜動(dòng)態(tài)優(yōu)化命題。

3) 不同于離散工業(yè)在質(zhì)量缺陷時(shí)可以通過更換零件解決, 流程工業(yè)體量大, 容錯(cuò)率低, 一旦發(fā)生異常或故障將使一批產(chǎn)品無(wú)效, 造成巨大的經(jīng)濟(jì)損失, 嚴(yán)重時(shí)可能造成人員傷亡與生態(tài)環(huán)境破壞, 因此亟需經(jīng)營(yíng)決策優(yōu)化的自感知、自計(jì)算、自組織和自維護(hù)功能。傳統(tǒng)的流程工業(yè)生產(chǎn)往往依靠工人經(jīng)驗(yàn), 關(guān)鍵工藝質(zhì)量預(yù)測(cè)與操作決策依賴工作人員的知識(shí)儲(chǔ)備和認(rèn)知水平, 嚴(yán)重制約了生產(chǎn)過程的安全高效運(yùn)行。經(jīng)過幾十年的發(fā)展, 通過信息化、數(shù)字化等手段, 我國(guó)流程工業(yè)產(chǎn)業(yè)結(jié)構(gòu)逐步優(yōu)化, 關(guān)鍵技術(shù)不斷取得突破, 對(duì)許多生產(chǎn)工序有了較完善的模型與控制系統(tǒng)。然而流程工業(yè)物理化學(xué)反應(yīng)復(fù)雜, 工序間能質(zhì)流嚴(yán)重耦合, 性能指標(biāo)影響因素眾多, 生產(chǎn)異常和故障后果嚴(yán)重, 因此, 對(duì)物質(zhì)流、能量流和信息流的集成和高效調(diào)控成了現(xiàn)有制造模式亟待解決的難題。

正是由于以上問題, 現(xiàn)階段我國(guó)流程工業(yè)面臨資源利用效率偏低、能耗物耗較高、產(chǎn)品質(zhì)量較差、生產(chǎn)成本高、 “三廢”排放量較大和環(huán)境污染較嚴(yán)重等問題。近年來流程工業(yè)生產(chǎn)事故時(shí)有發(fā)生, 不僅使企業(yè)經(jīng)濟(jì)效益受損, 而且污染環(huán)境, 危及人民生命財(cái)產(chǎn)安全。構(gòu)建流程行業(yè)的數(shù)字孿生系統(tǒng), 通過數(shù)字孿生體與工業(yè)實(shí)體的平行運(yùn)行、實(shí)時(shí)交互與迭代優(yōu)化, 實(shí)現(xiàn)生產(chǎn)過程精準(zhǔn)預(yù)測(cè)與控制、生產(chǎn)自組織優(yōu)化調(diào)度、設(shè)備全生命周期管理、產(chǎn)品質(zhì)量追溯與管控等功能, 可以大幅提升流程行業(yè)生產(chǎn)質(zhì)量和效益, 促進(jìn)流程行業(yè)高質(zhì)量發(fā)展。

1.1數(shù)字孿生發(fā)展

隨著大數(shù)據(jù)、云計(jì)算、人工智能等相關(guān)技術(shù)的進(jìn)步, 數(shù)字孿生作為信息物理系統(tǒng)(Cyber-physical system, CPS) 系統(tǒng)的重要組成部分, 正處于快速發(fā)展的階段。數(shù)字孿生概念的提出是在2003 年美國(guó)密歇根大學(xué)的Grieves 教授所開設(shè)的產(chǎn)品全生命周期管理(Product lifecycle management, PLM)課程上, 當(dāng)時(shí)稱之為 “與物理產(chǎn)品等價(jià)的虛擬數(shù)字化表達(dá)”, 隨后在2003 ~ 2010 年間, 數(shù)字孿生被稱為 “鏡像的空間模型”, 直到2011 年, 在文獻(xiàn)中, 作者提出了新的名詞: 數(shù)字孿生體, 該名詞正式產(chǎn)生并一直沿用至今。此后, 美國(guó)空軍研究實(shí)驗(yàn)室與美國(guó)國(guó)家航空航天局(National Aeronautics and Space Administration, NASA) 在2011年開展合作, 提出了飛行器的數(shù)字孿生體概念, 并定義了數(shù)字孿生。NASA 在2012年, 發(fā)布 “建模、仿真、信息技術(shù)和處理”路線圖, 將數(shù)字孿生概念帶入公眾視野。2013 年, 美國(guó)空軍發(fā)布《全球地平線》頂層科技規(guī)劃文件, 將數(shù)字線索和數(shù)字孿生并列視為 “改變游戲規(guī)則”的顛覆性機(jī)遇, 并于2014 年組織洛馬、波音、諾格、通用電氣、普惠等公司開展了一系列應(yīng)用研究項(xiàng)目。從此, 數(shù)字孿生理論與技術(shù)體系初步建立并對(duì)外推廣。在國(guó)內(nèi), 2017 中國(guó)科學(xué)技術(shù)協(xié)會(huì)智能制造學(xué)術(shù)聯(lián)合體在世界智能制造大會(huì)上將數(shù)字孿生列為世界智能制造十大科技進(jìn)展之一。由此可以看出, 數(shù)字孿生概念的起源距今不到20 年,現(xiàn)階段的數(shù)字孿生技術(shù)正處于理論逐漸成型、應(yīng)用飛速發(fā)展的階段。

1.2 數(shù)字孿生邊界定義

對(duì)于數(shù)字孿生的體系結(jié)構(gòu)、建設(shè)規(guī)范, 至今并沒有完全成熟、統(tǒng)一的標(biāo)準(zhǔn)。根據(jù)數(shù)字孿生特點(diǎn)與應(yīng)用背景, 有研究者提出了數(shù)字孿生的三維結(jié)構(gòu)與五維模型對(duì)數(shù)字孿生相關(guān)概念、層級(jí)進(jìn)行了總結(jié)與歸納。為了能更準(zhǔn)確更客觀地理解數(shù)字孿生, 本文采用邊界法, 通過區(qū)分?jǐn)?shù)字孿生與相關(guān)概念, 定義數(shù)字孿生的基本內(nèi)涵與功能邊界。

1.2.1 CPS與數(shù)字孿生

CPS 通過集成先進(jìn)的感知、計(jì)算、通信、控制等信息技術(shù)和自動(dòng)控制技術(shù), 構(gòu)建了物理空間與信息空間中人、機(jī)、物、環(huán)境、信息等要素相互映射、適時(shí)交互、高效協(xié)同的復(fù)雜系統(tǒng), 實(shí)現(xiàn)系統(tǒng)內(nèi)資源配置和運(yùn)行的按需響應(yīng)、快速迭代、動(dòng)態(tài)優(yōu)化, 從而支撐信息化和工業(yè)化的深度融合。CPS 的內(nèi)涵是虛實(shí)雙向的動(dòng)態(tài)連接, 簡(jiǎn)單來說, CPS 就是用P (物理)來獲得C (信息), 從而用C 來控制P。而數(shù)字孿生,是從物理實(shí)體對(duì)象鏡像出一個(gè)信息化的數(shù)字孿生體, 正是CPS概念中從P (物理) 得到C (信息) 的過程, 因此數(shù)字孿生是建設(shè)CPS 的基礎(chǔ), 是CPS發(fā)展的必經(jīng)階段, 是CPS 的核心關(guān)鍵技術(shù)。提出使用數(shù)字孿生構(gòu)架用于構(gòu)建基于云平臺(tái)的CPS, 明確了數(shù)字孿生是構(gòu)建CPS 的關(guān)鍵一步。從數(shù)字孿生的角度來說, 數(shù)字孿生試圖在虛擬世界中盡可能地模擬物理世界真實(shí)發(fā)生的一切, 但數(shù)字孿生并非一定要用于CPS, 它有時(shí)候只是用來顯示而不作為控制。

1.2.2 工業(yè)互聯(lián)網(wǎng)與數(shù)字孿生

數(shù)字孿生技術(shù)的關(guān)鍵在于孿生, 即數(shù)字孿生體和物理實(shí)體一樣是實(shí)時(shí)并行運(yùn)行的。這樣的性質(zhì)使得數(shù)字孿生體對(duì)企業(yè)或工廠提供對(duì)外對(duì)內(nèi)的服務(wù)應(yīng)用具有與生俱來的優(yōu)勢(shì)。因而數(shù)字孿生常常與產(chǎn)品全生命周期服務(wù)緊密相連。而工業(yè)互聯(lián)網(wǎng), 指的是通過邊緣層、IAAS (Infrastructure as a service) 層、PAAS (Platform as a service) 層、SAAS (Software as a service) 層的架構(gòu), 結(jié)合微服務(wù)組件開發(fā)工業(yè)APP(Application) 為客戶提供各式各樣的應(yīng)用服務(wù)與解決方案。因此, 工業(yè)互聯(lián)網(wǎng)和數(shù)字孿生有著密不可分的關(guān)系, 工業(yè)互聯(lián)網(wǎng)是數(shù)字孿生的延伸, 是數(shù)字孿生的孵化床，數(shù)字孿生技術(shù)則給工業(yè)互聯(lián)網(wǎng)生態(tài)帶來持續(xù)的改進(jìn)優(yōu)化, 拓展了工業(yè)互聯(lián)網(wǎng)應(yīng)用層面的可能性。

1.2.3 建模與數(shù)字孿生

建模有各種分類, 與數(shù)字孿生相關(guān)的建?？煞譃槿S幾何建模與仿真建模。三維幾何建模是數(shù)字孿生的重要部分, 為數(shù)字孿生體提供更直觀的展示。仿真建模與數(shù)字孿生在某些方面非常相似, 從宏觀層面上都是由實(shí)到虛的過程, 但是兩者也有差距,首先, 仿真建模更傾向于對(duì)實(shí)體進(jìn)行抽象, 而數(shù)字孿生是對(duì)實(shí)體的復(fù)刻, 即仿真建模是把一個(gè)問題簡(jiǎn)單化, 聚焦在想要研究的關(guān)鍵問題上, 而數(shù)字孿生則傾向于把一個(gè)問題綜合化, 使不同領(lǐng)域的問題在同一個(gè)模型上研究。其次, 大多數(shù)的建模仿真是對(duì)一個(gè)獨(dú)立單元進(jìn)行的, 而數(shù)字孿生涉及到多耦合的整個(gè)生產(chǎn)線, 并貫穿設(shè)計(jì)、制造、維護(hù)的整個(gè)過程,因此數(shù)字孿生需要有多維度多尺度的建模, 從而能在多個(gè)層級(jí)下對(duì)模型進(jìn)行耦合。此外, 數(shù)字孿生體是動(dòng)態(tài)的, 需要與物理實(shí)體層的數(shù)據(jù)進(jìn)行實(shí)時(shí)交互,虛實(shí)融合, 對(duì)模型迭代進(jìn)化。

1.2.4 數(shù)字化工廠與數(shù)字孿生

數(shù)字工廠以產(chǎn)品全生命周期的相關(guān)數(shù)據(jù)為基礎(chǔ), 在計(jì)算機(jī)虛擬環(huán)境中, 對(duì)整個(gè)生產(chǎn)過程進(jìn)行仿真、評(píng)估和優(yōu)化, 并進(jìn)一步擴(kuò)展到整個(gè)產(chǎn)品生命周期的新型生產(chǎn)組織方式。從含義上來說, 數(shù)字工廠是對(duì)工業(yè)數(shù)據(jù)的搜集歸類, 建立信息平臺(tái), 從而對(duì)整個(gè)企業(yè)在制造、管理與營(yíng)銷等方面的可靠性、經(jīng)濟(jì)性、質(zhì)量等有足夠的數(shù)據(jù)分析支持, 另一方面,數(shù)字工廠通常在離散工業(yè)中通過三維建模與仿真,為產(chǎn)品設(shè)計(jì)到產(chǎn)品生產(chǎn)提供有關(guān)空間、尺寸的解決方案。在流程行業(yè)中, 相比數(shù)字工廠, 數(shù)字孿生有兩個(gè)不同, 首先是其聚焦不同, 數(shù)字孿生聚焦于工業(yè)生產(chǎn)線, 不涉及過多的企業(yè)管理層面。其次是功能不同, 在流程工業(yè)中, 由于生產(chǎn)過程存在大量復(fù)雜的物理化學(xué)反應(yīng), 其數(shù)字孿生體的構(gòu)建不僅涉及數(shù)字化三維建模, 更是需要對(duì)流程工業(yè)進(jìn)行機(jī)理或者數(shù)據(jù)驅(qū)動(dòng)的建模, 通過對(duì)物理實(shí)體的全維度擬合,達(dá)到自主運(yùn)行的功能, 從而為流程工業(yè)提供更合適的解決方案。

第1 節(jié)對(duì)流程工業(yè)的特點(diǎn)與難點(diǎn)、數(shù)字孿生的定義概念進(jìn)行了介紹, 本節(jié)介紹流程工業(yè)過程的抽象數(shù)學(xué)模型, 并結(jié)合數(shù)字孿生模型, 闡述兩者如何在統(tǒng)一框架下進(jìn)行融合, 從而達(dá)到流程工業(yè)物理實(shí)體與數(shù)字孿生體的迭代優(yōu)化, 解決流程工業(yè)的建模難與協(xié)同優(yōu)化難問題。

2.1 統(tǒng)一的物理實(shí)體與數(shù)字孿孿生體抽象模型定義

如第1 節(jié)所述, 流程工業(yè)最主要的難點(diǎn)在于流程工業(yè)建模復(fù)雜, 從而導(dǎo)致其預(yù)測(cè)困難、優(yōu)化困難。建模復(fù)雜的原因有兩個(gè)方面, 其一是單工序的建模復(fù)雜; 其二是工序間耦合關(guān)系復(fù)雜。而數(shù)字孿生技術(shù), 正是解決這一問題的關(guān)鍵手段。

如圖1 所示, 現(xiàn)階段, 業(yè)界普遍將一個(gè)流程生產(chǎn)線分為ERP (Enterprise resource planning)、MES (Manufacturing execution system)、PCS(Process control system) 三層。三個(gè)層次之間存在著聚集與解聚的關(guān)系。例如PCS 層一般以分、秒作為采集周期; MES 層數(shù)據(jù)一般以班次、天作為計(jì)算周期; ERP 層一般以月、季度作為周期, 邊界數(shù)據(jù)可以累積加和向上聚集。

圖 1 流程工業(yè)抽象結(jié)構(gòu)

結(jié)合流程工業(yè)的分層,如圖2 所示, 本文將流程工業(yè)生產(chǎn)線抽象成一個(gè)樹結(jié)構(gòu), 從上至下, 隨著樹的深度增加, 其節(jié)點(diǎn)涉及生產(chǎn)線范圍越小, 耦合性越高。

圖 2 流程工業(yè)樹結(jié)構(gòu)

對(duì)于樹結(jié)構(gòu)中的任意一棵深度為2 的子樹, 其父節(jié)點(diǎn)對(duì)應(yīng)的物理實(shí)體, 是由子節(jié)點(diǎn)對(duì)應(yīng)的物理實(shí)體構(gòu)成的。其構(gòu)成方式為各個(gè)子節(jié)點(diǎn)之間連接形成的有向無(wú)環(huán)圖。定義這樣的一個(gè)子樹的所有葉子節(jié)點(diǎn)組成的該有向無(wú)環(huán)圖為一個(gè)層級(jí), 其中的每個(gè)葉子節(jié)點(diǎn)為一個(gè)單元。每一個(gè)葉子節(jié)點(diǎn)單元可以表示為如下所示的數(shù)學(xué)抽象:

其中, u是流程工業(yè)物理實(shí)體的數(shù)學(xué)抽象, fu是物理實(shí)體的輸出, x1; x2分別代表流程工業(yè)中的操作參數(shù)與過程參數(shù)。在物理實(shí)體層, 同一層級(jí)中各個(gè)單元通過物質(zhì)流、能量流的方式進(jìn)行耦合, 在抽象結(jié)構(gòu)中, 我們定義其以參數(shù)的方式進(jìn)行耦合。對(duì)于有向無(wú)環(huán)圖中的每一個(gè)耦合關(guān)系, 其參數(shù)耦合指的是前序單元的部分輸出作為后續(xù)單元的操作參數(shù)進(jìn)行輸入。

在這樣的以參數(shù)耦合作為耦合方式的抽象關(guān)系中, 數(shù)字孿生體可以定義為式(2)。其輸入輸出與物理實(shí)體層的數(shù)學(xué)抽象模型一致, 均是以參數(shù)的形式,唯一的區(qū)別在于其映射函數(shù) , 前者依靠物理層的實(shí)際運(yùn)行而產(chǎn)生映射結(jié)果, 后者采用建立的數(shù)字孿生體得到映射結(jié)果。

其中, v是數(shù)字孿生體的數(shù)學(xué)抽象, fv是數(shù)字孿生體的輸出。

2.2 理想狀態(tài)下的強(qiáng)耦合協(xié)同優(yōu)化解決方法

理想狀態(tài)下, 一個(gè)數(shù)字孿生體是物理實(shí)體的完全復(fù)刻, 其數(shù)學(xué)內(nèi)涵為

式(3) 表明, 任何一個(gè)單元的流程, 在全部變量空間中, 由物理實(shí)體運(yùn)行得到的輸出和數(shù)字孿生體的輸出都保持一致。因此, 對(duì)于這樣一個(gè)單元數(shù)字孿生體, 可以通過優(yōu)化算法獲得最優(yōu)解, 從而完成對(duì)該單元流程的優(yōu)化。在此基礎(chǔ)上, 使用通過參數(shù)耦合的數(shù)字孿生體可以解決由于復(fù)雜耦合特性造成的流程工業(yè)協(xié)同優(yōu)化難問題。以由四個(gè)單元構(gòu)成的工業(yè)流程為例, 如圖3所示, 假設(shè)所有數(shù)字孿生體都處于理想狀態(tài)下。具體可以分為如下兩種情況:

圖 3 理想數(shù)字孿生體的協(xié)同優(yōu)化

情況1): 所有單元的理想數(shù)字孿生體均存在。在該情況下, 對(duì)于該層級(jí)流程的協(xié)同優(yōu)化問題, 只需要考慮數(shù)字孿生模型, 從后向前, 根據(jù)依賴關(guān)系反向進(jìn)行優(yōu)化, 可以確定所得解為全局最優(yōu)解。

情況2): 只有部分單元的理想數(shù)字孿生體存在。對(duì)于這一類情況, 由于無(wú)法獲得全局最優(yōu)解, 通常對(duì)指定單元進(jìn)行優(yōu)化, 以獲得整體流程的局部最優(yōu)解。

2.3 非理想狀態(tài)下的數(shù)字孿生體優(yōu)化方案

在現(xiàn)實(shí)情況下, 數(shù)字孿生體往往不能與真實(shí)物理實(shí)體建立完全的映射關(guān)系, 因此如何構(gòu)建一個(gè)盡可能理想的數(shù)字孿生體非常重要。有關(guān)如何構(gòu)建單元級(jí)數(shù)字孿生體在第3.2 節(jié)中有詳細(xì)介紹。本節(jié)主要介紹如何通過全流程數(shù)字孿生體來對(duì)單元數(shù)字孿生體進(jìn)行反饋優(yōu)化。例如, 在圖4 中, 為了對(duì)單元2進(jìn)行優(yōu)化, 使用單元2 的數(shù)字孿生體與物理實(shí)體模型平行運(yùn)行, 將單元2 的前序單元使用物理實(shí)體層的數(shù)據(jù)進(jìn)行輸入, 根據(jù)單元2 的數(shù)字孿生體的輸出與物理實(shí)體層單元2 的輸出進(jìn)行比較, 對(duì)偏差進(jìn)行反饋優(yōu)化。

圖 4 數(shù)字孿生體的反饋優(yōu)化

在如圖5所示的流程生產(chǎn)線持續(xù)運(yùn)行過程中, 可以看出, 整個(gè)數(shù)字孿生體與物理實(shí)體保持了平行運(yùn)行、實(shí)時(shí)交互與迭代優(yōu)化的過程, 物理實(shí)體的生產(chǎn)過程使數(shù)字孿生體不斷地優(yōu)化迭代, 同時(shí)數(shù)字孿生體又通過提供操作參數(shù)推薦、產(chǎn)品生命周期管理等解決方案對(duì)物理實(shí)體生產(chǎn)線進(jìn)行改善, 兩者互相促進(jìn), 共同進(jìn)化。

圖 5 虛實(shí)交互數(shù)字孿生體

2.4 數(shù)字孿生技術(shù)在流程行業(yè)的價(jià)值

通過上述的流程行業(yè)數(shù)字孿生生產(chǎn)線構(gòu)建與優(yōu)化方案, 將物理實(shí)體流程上的耦合轉(zhuǎn)化成各個(gè)數(shù)字孿生體參數(shù)間的耦合, 解決了流程工業(yè)耦合復(fù)雜而造成的協(xié)同優(yōu)化難題。通過全流程的物理實(shí)體對(duì)單個(gè)數(shù)字孿生體提供反饋優(yōu)化, 提高單元級(jí)數(shù)字孿生體的構(gòu)建精度, 此外, 這種更新迭代機(jī)制也解決了流程行業(yè)模型動(dòng)態(tài)演變問題。最后, 多維度建模的數(shù)字孿生體相互耦合, 得到自主運(yùn)行的數(shù)字孿生體,從而快速生成面向生產(chǎn)決策優(yōu)化的自感知、自計(jì)算、自組織和自維護(hù)解決方案。

數(shù)字孿生是在大數(shù)據(jù)、云計(jì)算、人工智能發(fā)展的浪潮中孕育而生, 因此可以說這三者是數(shù)字孿生技術(shù)的基石。已有較多的學(xué)者對(duì)數(shù)字孿生研究現(xiàn)狀做出總結(jié)。但是大多數(shù)是針對(duì)數(shù)字孿生的整體生態(tài), 沒有聚焦到特定領(lǐng)域上, 而數(shù)字孿生應(yīng)用領(lǐng)域廣闊, 在不同的領(lǐng)域往往會(huì)與不同的技術(shù)相結(jié)合。例如在離散工業(yè)中, 有學(xué)者利用多尺度融合建模、融合模型的狀態(tài)評(píng)估、數(shù)據(jù)采集與傳輸、全壽命周期數(shù)據(jù)管理、虛擬現(xiàn)實(shí)以及高性能運(yùn)算等技術(shù)構(gòu)建數(shù)字孿生系統(tǒng)。

本文總結(jié)以上相關(guān)研究成果, 并結(jié)合在流程行業(yè)領(lǐng)域的研究與應(yīng)用情況, 以數(shù)據(jù)從物理實(shí)體到數(shù)字孿生體的數(shù)據(jù)流先后順序, 將數(shù)字孿生系統(tǒng)構(gòu)建問題分為感知、集成、傳輸、建模、顯示、服務(wù)等基本過程, 如圖6所示。其中數(shù)據(jù)的感知、集成、傳輸技術(shù)為數(shù)字孿生技術(shù)提供基本保證, 已發(fā)展較為成熟,而數(shù)字孿生體的構(gòu)建、增強(qiáng)式交互及其轉(zhuǎn)化應(yīng)用的方案在流程行業(yè)中非常欠缺, 限制了流程行業(yè)數(shù)字孿生技術(shù)的發(fā)展, 需要學(xué)術(shù)界和產(chǎn)業(yè)界投入更多精力聯(lián)合攻關(guān)。

圖 6 數(shù)字孿生關(guān)鍵技術(shù)

3.1 數(shù)據(jù)基礎(chǔ)技術(shù)

數(shù)字孿生的發(fā)展少不了數(shù)據(jù)作為基礎(chǔ)支撐, 有關(guān)數(shù)據(jù)的基礎(chǔ)技術(shù)主要包括數(shù)據(jù)感知、多源異構(gòu)數(shù)據(jù)集成與數(shù)據(jù)傳輸技術(shù)。

3.1.1 數(shù)據(jù)感知

為了建立功能完備的數(shù)字孿生體, 需要大量準(zhǔn)確的相關(guān)數(shù)據(jù), 數(shù)據(jù)的感知決定了數(shù)字孿生體最終的效果。流程工業(yè)現(xiàn)場(chǎng)數(shù)據(jù)可通過分布式控制(Distributed control system, DCS)系統(tǒng)、可編程邏輯控制器(Programmable logic controller, PLC) 系統(tǒng)、智能檢測(cè)儀表等進(jìn)行采集。近10 年來, 隨著深度學(xué)習(xí)的發(fā)展, 大量的圖像、聲音和文字中攜帶的信息可以被充分挖掘, 大大擴(kuò)充了信息來源, 各類圖像、聲音采集設(shè)備也廣泛使用到數(shù)據(jù)采集中。隨著傳感器成本的下降、傳感器性能和通訊技術(shù)的提升,傳感器與終端節(jié)點(diǎn)的連接數(shù)也大幅提升, 采樣頻率得到提高, 數(shù)據(jù)大量增加, 為數(shù)字孿生帶來更多的可能性。

針對(duì)流程工業(yè), 傳感器的發(fā)展方向主要包括以下三個(gè)方面:

 1) 智能化: 一方面完成多種傳感功能與數(shù)據(jù)處理、儲(chǔ)存、雙向通信的集成, 實(shí)現(xiàn)信號(hào)探測(cè)、邏輯判斷、功能計(jì)算等基本任務(wù); 另一方面讓傳感器實(shí)現(xiàn)內(nèi)部自檢、自校準(zhǔn)、自補(bǔ)償、自診斷等功能,完成數(shù)據(jù)在邊緣側(cè)的采集、清理、加工、集合, 從而提升有效信息占比, 節(jié)約傳輸流量。

2) 微型化: 隨著集成微電子機(jī)械加工技術(shù)的日趨成熟, 微機(jī)電系統(tǒng)(Micro-electro-mechanical system, MEMS) 大量使用在傳感器制造過程中, 為傳感器微型化發(fā)展提供了重要的技術(shù)支撐, 使傳感器在降低能耗、提高精度方面有巨大提升。

3) 新材料: 除了傳統(tǒng)的半導(dǎo)體材料、光纖材料外, 新型的生物傳感器、納米傳感器等新型材料傳感器技術(shù)正處于快速發(fā)展階段。部分新材料由于有抗高溫、耐腐蝕等特點(diǎn)可以很好地運(yùn)用到流程工業(yè)中, 對(duì)以往只能通過軟測(cè)量方法得到的過程變量進(jìn)行測(cè)量。此外, 巡檢機(jī)器人的廣泛應(yīng)用為惡劣環(huán)境下的數(shù)據(jù)采集提供了新的方案。

3.1.2 多源異構(gòu)數(shù)據(jù)集成

數(shù)字孿生系統(tǒng)建設(shè)過程中, 獲取的數(shù)據(jù)形式多樣, 既包括圖像、聲音等非結(jié)構(gòu)化數(shù)據(jù), 也包括溫度、壓力、流量、成分等結(jié)構(gòu)化數(shù)據(jù)。另外, 還有大量由產(chǎn)品生命周期管理系統(tǒng)(PLM)、應(yīng)用程序生命周期管理系統(tǒng)(Application lifecycle management,ALM)、服務(wù)生命周期管理系統(tǒng)(Service lifecycle management, SLM)等系統(tǒng)產(chǎn)生的半結(jié)構(gòu)化數(shù)據(jù)。而流程工業(yè)的數(shù)據(jù), 在此基礎(chǔ)上存在著更為復(fù)雜的特點(diǎn), 主要體現(xiàn)在數(shù)據(jù)的多采樣率特性。

多采樣率過程是指變量同時(shí)具有多個(gè)采樣率的工業(yè)過程, 其在流程工業(yè)中很常見。如電信號(hào)和機(jī)械信號(hào)的采樣間隔通常在秒級(jí)甚至毫秒級(jí), 而溫度、流量、壓力等過程變量的采樣間隔通常在分鐘級(jí), 至于生產(chǎn)性能指標(biāo)相關(guān)的數(shù)據(jù)往往需要通過實(shí)驗(yàn)室化驗(yàn)分析才能得到, 這些變量的采樣間隔一般在小時(shí)級(jí)甚至天級(jí)。這樣的特性使得傳統(tǒng)的對(duì)均一采樣間隔的建模分析手段在遇到多來源的數(shù)據(jù)時(shí)會(huì)有很大問題。對(duì)此, 表1列舉了幾種典型的方法來對(duì)多采樣率問題進(jìn)行升采樣與降采樣, 主要分為單維估計(jì)法和多維估計(jì)法。

除此之外, 結(jié)合具體數(shù)據(jù), 大量的學(xué)者采用更為復(fù)雜的方法對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行集成。例如使用概率主成分分析(Probabilistic principal component analysis, PPCA)， 因子分析(Factor analysis,FA)等概率框架下的統(tǒng)計(jì)學(xué)習(xí)方法對(duì)二采樣率數(shù)據(jù)進(jìn)行集成。采用信息融合策略融合多個(gè)卡爾曼濾波器對(duì)多采樣率數(shù)據(jù)進(jìn)行融合等。介紹了使用TOSCA (Topology and orchestration specification for cloud applications)將分析算法與數(shù)據(jù)集成相互關(guān)聯(lián)起來, 從而完成自動(dòng)化的數(shù)據(jù)配置。針對(duì)電網(wǎng)系統(tǒng), 將不同系統(tǒng)收集的電網(wǎng)數(shù)據(jù)融合使用, 大幅提升了建模效果。將圖像、文本轉(zhuǎn)換為向量表達(dá)形式的結(jié)構(gòu)化數(shù)據(jù), 從而進(jìn)行建模的方法也可作為借鑒應(yīng)用于工業(yè)中。

通過上述的多源異構(gòu)數(shù)據(jù)集成, 將多個(gè)系統(tǒng)轉(zhuǎn)換連接至數(shù)據(jù)平臺(tái)上, 從而用于數(shù)字孿生體的構(gòu)建與融合, 對(duì)數(shù)字孿生體的整體構(gòu)建有較大提升。

3.1.3 數(shù)據(jù)傳輸

從集中式控制、集散控制到現(xiàn)場(chǎng)總線控制系統(tǒng),數(shù)據(jù)傳輸能力的發(fā)展決定了工業(yè)自動(dòng)化系統(tǒng)的實(shí)現(xiàn)模式與性能上限。結(jié)合現(xiàn)階段的CPS 系統(tǒng)以及工業(yè)互聯(lián)網(wǎng)現(xiàn)狀, 建設(shè)數(shù)字孿生系統(tǒng)需要先進(jìn)可靠的數(shù)據(jù)傳輸技術(shù), 需具備更高的帶寬、低延時(shí)、安全性等特性。其中第五代移動(dòng)通信網(wǎng)絡(luò)(5G) 技術(shù)因其低延時(shí)、大帶寬、泛在網(wǎng)、低功耗的特點(diǎn), 被認(rèn)為是第四次工業(yè)革命的重要一環(huán)。5G 三大應(yīng)用場(chǎng)景是增強(qiáng)移動(dòng)寬帶(Enhanced mobile broadband, eMBB)、海量機(jī)器類通信(Massive machine type of communication,mMTC) 和超可靠低時(shí)延通信(Ultra reliable low latency communication, uRLLC), 其發(fā)展可以為數(shù)字孿生帶來以下突破:

1) 增強(qiáng)移動(dòng)寬帶:

可以支持更高清虛實(shí)交互, 提升數(shù)字孿生三維模型的虛擬現(xiàn)實(shí)(Virtual reality, VR)/增強(qiáng)現(xiàn)實(shí)(Augmented reality, AR) 交互功能;

2) 海量機(jī)器類通信:

5G 提供低功耗大連接的支持, 可以解決多類型大批量傳感器末端節(jié)點(diǎn)互聯(lián)、全面感知的需求,為工業(yè)流程的供應(yīng)鏈管理等提供基礎(chǔ);

3) 高可靠低延時(shí)：

可以滿足數(shù)字孿生體與工業(yè)實(shí)體實(shí)時(shí)同步與交互的需求, 有效完成流程工業(yè)對(duì)控制操作等任務(wù)。因此5G 是建設(shè)的工業(yè)互聯(lián)網(wǎng)關(guān)鍵基礎(chǔ)設(shè)施, 是實(shí)現(xiàn)數(shù)字孿生的必要技術(shù)。

3.2 數(shù)字孿生體模型構(gòu)建

數(shù)字孿生體的構(gòu)建流程主要包含以下4 個(gè)步驟: 1) 數(shù)字孿生體需求分析。首先明確生產(chǎn)流程包含的設(shè)備對(duì)象的合集, 其次明確各設(shè)備數(shù)字孿生對(duì)生產(chǎn)流程各階段的指導(dǎo)意義, 再次明確已有數(shù)據(jù)、新增數(shù)據(jù)需求等, 最后完成需求分析與策略研究。2) 幾何屬性數(shù)字化復(fù)刻。首先獲取各對(duì)象的幾何結(jié)構(gòu)、空間運(yùn)動(dòng)、幾何關(guān)聯(lián)等幾何屬性建立3D 模型,之后結(jié)合實(shí)體對(duì)象的空間運(yùn)動(dòng)規(guī)律, 對(duì)運(yùn)行效果渲染優(yōu)化, 最后進(jìn)行匹配連接, 實(shí)現(xiàn)幾何屬性數(shù)字化精準(zhǔn)復(fù)刻。3) 內(nèi)核模型構(gòu)建。結(jié)合傳熱學(xué)、流體力學(xué)等理論與人工智能等方法, 建立多模型融合與多尺度多維度的數(shù)字孿生內(nèi)核模型。4) 數(shù)字孿生模型測(cè)試驗(yàn)證。通過建立模型精度及可信度評(píng)測(cè)算法與融合客觀檢測(cè)數(shù)據(jù)及先驗(yàn)知識(shí), 構(gòu)建孿生體模型評(píng)估驗(yàn)證平臺(tái), 對(duì)孿生體的精度與穩(wěn)定性進(jìn)行測(cè)試。其中數(shù)字孿生體內(nèi)核模型的構(gòu)建是整個(gè)數(shù)字孿生體穩(wěn)定運(yùn)行的關(guān)鍵, 是有效的數(shù)字孿生服務(wù)應(yīng)用的保證。對(duì)于單元級(jí)數(shù)字孿生體的構(gòu)建, 主要包括多尺度多維度的建模, 與多模型融合, 并通過流程中的多單元耦合完成數(shù)字孿生體的迭代更新。

1) 多模型融合

為保障數(shù)字孿生體能夠有效解決流程行業(yè)復(fù)雜耦合的協(xié)同優(yōu)化問題, 需要保證建立的數(shù)字孿生體有足夠的模型精度以及盡可能大的變量覆蓋區(qū)間。為此, 建立單元級(jí)數(shù)字孿生體時(shí)需要采用多模型融合的方法, 一方面通過累加多個(gè)模型對(duì)全變量空間進(jìn)行覆蓋, 另一方面通過平均多個(gè)模型提高模型的精度與可靠性。工業(yè)領(lǐng)域常見的模型包括基于知識(shí)的模型、機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型。表2展示了三者的優(yōu)缺點(diǎn), 現(xiàn)階段隨著大數(shù)據(jù)、人工智能的興起,數(shù)據(jù)驅(qū)動(dòng)模型在復(fù)雜模型場(chǎng)景下有更好的效果。但由于基于數(shù)據(jù)建模需要大量數(shù)據(jù)支撐且沒有可解釋性, 在許多情況下, 機(jī)理模型仍然作為一種先驗(yàn)?zāi)Ｐ偷玫綇V泛應(yīng)用?；谥R(shí)的模型因其建模效果差, 往往只用于對(duì)特殊情況的判斷, 從而對(duì)整體模型進(jìn)行補(bǔ)充。由于多模型融合的優(yōu)越性, 已有大量學(xué)者通過多模型融合建立了流程工業(yè)單元級(jí)模型。對(duì)于模型融合的方法, 常見的包括對(duì)不同變量空間的多模型分段覆蓋以及對(duì)于同一變量空間的多模型加權(quán)平均。此外, 提出了一種基于語(yǔ)義特征融合的異構(gòu)模型集成方法,有效地將各種類型的語(yǔ)義特征和幾何特征集成到模型中。提出一個(gè)基于兩層模型的具有深層特征選擇程序的多模型框架。 針對(duì)高爐冶煉過程的最優(yōu)控制, 作者提出多模型集成的專家系統(tǒng), 在應(yīng)用中取得了增加產(chǎn)量和降低能耗的實(shí)際效果。

2) 多尺度多維度建模

為了建立精準(zhǔn)完備的數(shù)字孿生體, 不僅要在多時(shí)空尺度上對(duì)實(shí)體對(duì)象進(jìn)行建模, 還要從幾何、物理、化學(xué)、行為、規(guī)則等多個(gè)維度對(duì)實(shí)體對(duì)象的特征進(jìn)行刻畫。多尺度建?？煞譃殚L(zhǎng)度尺度、時(shí)間尺度以及耦合范圍三個(gè)方面, 能夠連接不同尺度的物理過程以模擬眾多的科學(xué)問題。其中長(zhǎng)度尺度和時(shí)間尺度的建模主要為了建立多精度等級(jí)的模型, 在不同的應(yīng)用場(chǎng)景下提供不同精度等級(jí)的模型從而達(dá)到效率與精度的協(xié)調(diào)。例如, 在文獻(xiàn)中, 作者在長(zhǎng)度方面建立宏觀與微觀尺度模型, 在耦合范圍方面建立上至整個(gè)生產(chǎn)鏈、下至兩個(gè)工位之間的耦合模型, 提出了一種有 “自我意識(shí)”的數(shù)字孿生模型, 通過一種獨(dú)創(chuàng)的過程控制方法, 使用大數(shù)據(jù)分析方法來處理過程空間的多維性和大尺寸,其技術(shù)特點(diǎn)可以較好地符合流程工業(yè)生產(chǎn)需要。對(duì)于模型尺度的劃分, 一方面要考慮單元級(jí)模型的精度, 另一方面要考慮跨單元間的耦合程度, 如果兩個(gè)單元的耦合程度很高, 往往需要將兩個(gè)單元耦合在一起建立整體模型, 因而需要對(duì)具體工業(yè)生產(chǎn)流程具體分析。

3.3 增強(qiáng)式交互

物理實(shí)體是實(shí)際存在的客觀對(duì)象, 操作人員可以直觀方便地與之交互。而數(shù)字孿生體是構(gòu)建于信息空間的虛擬對(duì)象, 難以與操作人員形成類似物理空間中的交互與理解。為了使孿生體在顯示形態(tài)與交互便利性上更接近于物理實(shí)體, 增強(qiáng)式交互技術(shù)廣泛運(yùn)用在數(shù)字孿生系統(tǒng)的對(duì)外顯示與交互中, 主要技術(shù)包括虛擬現(xiàn)實(shí)(VR)、增強(qiáng)現(xiàn)實(shí)(AR)與混合現(xiàn)實(shí)(Mixed reality, MR), 三者合稱為3R技術(shù)。對(duì)3R 技術(shù)的對(duì)比如表3 所示。

對(duì)于3R 系統(tǒng)中的相關(guān)技術(shù)研究也在快速的發(fā)展, 主要包括視角的選擇與變換。已有多種AR 技術(shù)在工業(yè)中得到應(yīng)用, 包括對(duì)產(chǎn)品的設(shè)計(jì)、調(diào)試、維護(hù)等。文獻(xiàn)中, 作者介紹了通過手持拍攝設(shè)備對(duì)生產(chǎn)線進(jìn)行3D 重建, 獲得數(shù)字孿生可視化模型, 并可在佩戴式設(shè)備中進(jìn)行VR 交互, 該方法能夠有效控制數(shù)字孿生三維模型的開發(fā)成本, 促進(jìn)數(shù)字孿生技術(shù)在中小企業(yè)的應(yīng)用。

3.4 轉(zhuǎn)化應(yīng)用

數(shù)字孿生作為一項(xiàng)技術(shù), 將其轉(zhuǎn)化應(yīng)用、為企業(yè)創(chuàng)造價(jià)值才能真正體現(xiàn)這項(xiàng)技術(shù)的價(jià)值。現(xiàn)階段的數(shù)字孿生技術(shù)大多基于云計(jì)算、SAAS (Softwareas-a-service) 平臺(tái)的構(gòu)架, 通過App 軟件, 為客戶提供服務(wù)應(yīng)用與解決方案。SAAS 是一種通過網(wǎng)絡(luò)提供軟件的模式, 廠商將應(yīng)用軟件統(tǒng)一部署在自己的服務(wù)器上, 客戶可以根據(jù)自己實(shí)際需求, 通過互聯(lián)網(wǎng)向廠商定購(gòu)所需的應(yīng)用軟件服務(wù), 按定購(gòu)的服務(wù)多少和時(shí)間長(zhǎng)短向廠商支付費(fèi)用, 并通過互聯(lián)網(wǎng)獲得廠商提供的服務(wù)。這種模式大大減少了中小型企業(yè)購(gòu)買、構(gòu)建以及維護(hù)基礎(chǔ)設(shè)施和應(yīng)用程序的需要, 減少了對(duì)信息技術(shù)(Information technology,IT) 的投資, 并可以獲得更穩(wěn)定、更有效的服務(wù)應(yīng)用?，F(xiàn)階段這種模式在離散行業(yè)、智慧城市中有大量的應(yīng)用, 但是對(duì)于流程工業(yè), 由于相關(guān)企業(yè)需求復(fù)雜, 行業(yè)專業(yè)性強(qiáng), 開發(fā)SAAS 平臺(tái)的IT人員并不懂相關(guān)領(lǐng)域知識(shí), 而常年工作在生產(chǎn)線的工人們也對(duì)IT技術(shù)不了解, 因此如何構(gòu)建能夠支持流程工業(yè)應(yīng)用的中臺(tái)系統(tǒng)極為關(guān)鍵。常見的各類應(yīng)用包括數(shù)字化學(xué)習(xí)工廠、生產(chǎn)過程控制、生產(chǎn)自組織運(yùn)行與調(diào)度、產(chǎn)品生命周期管理和設(shè)備故障診斷等。

從廣義上來說, 數(shù)字孿生的應(yīng)用場(chǎng)景有制造過程數(shù)字孿生、智慧城市、復(fù)雜裝備數(shù)字孿生、醫(yī)療數(shù)字孿生等, 本文聚焦流程工業(yè), 以煉鐵生產(chǎn)線為例建立數(shù)字孿生系統(tǒng), 其技術(shù)架構(gòu)如圖7 所示。本節(jié)結(jié)合該數(shù)字孿生煉鐵生產(chǎn)線, 介紹如何構(gòu)建煉鐵生產(chǎn)線的數(shù)字孿生體, 并從數(shù)字化學(xué)習(xí)工廠、煉鐵過程協(xié)同優(yōu)化、煉鐵過程故障診斷與設(shè)備維護(hù)和煉鐵過程自組織運(yùn)行四個(gè)方面展示數(shù)字孿生技術(shù)如何在實(shí)際工業(yè)中應(yīng)用。

圖 7 煉鐵生產(chǎn)線數(shù)字孿生系統(tǒng)技術(shù)架構(gòu)圖

4.1 煉鐵生產(chǎn)線數(shù)字孿生體的建立

在建立煉鐵生產(chǎn)線數(shù)字孿生體的過程中, 主要包括四個(gè)階段, 分別是: 煉鐵流程/設(shè)備數(shù)字孿生體需求分析、煉鐵流程/設(shè)備幾何屬性數(shù)字化復(fù)刻、煉鐵流程/設(shè)備運(yùn)行機(jī)理多時(shí)空尺度建模以及煉鐵流程/設(shè)備孿生模型測(cè)試驗(yàn)證。

4.1.1 煉鐵流程/設(shè)備數(shù)字孿生體需求分析

主要有四個(gè)階段, 首先明確設(shè)備對(duì)象: 包括物料貯存過程中的儲(chǔ)存、混勻及運(yùn)輸設(shè)備; 燒結(jié)過程中的配料、混合、布料、燒結(jié)和破碎篩分設(shè)備; 造球過程中的脫水、潤(rùn)磨、造球和焙燒設(shè)備; 高爐煉鐵過程中的上料、布料、鼓風(fēng)、打孔、熱風(fēng)和TRT 設(shè)備。其次明確煉鐵流程/設(shè)備數(shù)字孿生體對(duì)煉鐵流程各階段生產(chǎn)的指導(dǎo)意義。再次明確已有的煉鐵流程各階段機(jī)理模型、可改造和獲取的數(shù)據(jù)、新增檢測(cè)數(shù)據(jù)需求等。最后完成煉鐵全生命周期的數(shù)字孿生體需求分析與策略研究。

4.1.2 煉鐵流程/設(shè)備幾何屬性數(shù)字化復(fù)刻

1) 結(jié)合現(xiàn)有測(cè)量方法, 完成煉鐵流程/設(shè)備實(shí)體對(duì)象的幾何結(jié)構(gòu)、空間運(yùn)動(dòng)、幾何關(guān)聯(lián)等幾何屬性獲取。2) 通過對(duì)已有3D 重建和渲染優(yōu)化引擎的功能分析, 做出符合最優(yōu)性原則的合理決策。3) 結(jié)合煉鐵流程/設(shè)備實(shí)體對(duì)象的空間運(yùn)動(dòng)規(guī)律, 利用3D 重建工具, 實(shí)現(xiàn)煉鐵流程/設(shè)備空間幾何模型的重建; 針對(duì)模型重建過程中存在計(jì)算資源有限的問題, 對(duì)煉鐵流程/設(shè)備空間幾何模型進(jìn)行渲染優(yōu)化。接, 從而實(shí)現(xiàn)煉鐵流程/設(shè)備幾何屬性數(shù)字化精準(zhǔn)復(fù)刻。

4.1.3 煉鐵流程/設(shè)備運(yùn)行機(jī)理多時(shí)空尺度建模

在完成煉鐵流程/設(shè)備幾何屬性數(shù)字化復(fù)刻的基礎(chǔ)上結(jié)合流體力學(xué)、傳熱學(xué)等理論與人工智能、大數(shù)據(jù)處理等方法對(duì)煉鐵流程/設(shè)備中的運(yùn)行機(jī)理與規(guī)律進(jìn)行深入研究, 從而建立機(jī)理和數(shù)據(jù)驅(qū)動(dòng)的煉鐵流程/設(shè)備多時(shí)空尺度模型, 能夠在時(shí)間尺度和空間尺度上全方位地精確描述出煉鐵過程中關(guān)鍵工序和主要設(shè)備的運(yùn)行狀態(tài)與物料流通的變化情況, 全面刻畫出實(shí)際煉鐵過程中輸出量與輸入量之間的準(zhǔn)確關(guān)系。煉鐵生產(chǎn)線數(shù)字孿生體的構(gòu)建可劃分為三個(gè)層次, 即流程級(jí)、工序級(jí)與設(shè)備級(jí)。

流程級(jí)數(shù)字孿生體, 多為多個(gè)工序級(jí)數(shù)字孿生體耦合而成, 基本不涉及單元級(jí)孿生體的構(gòu)建問題。工序級(jí)數(shù)字孿生體, 其組成設(shè)備形式多樣, 如料場(chǎng)的數(shù)字孿生體, 其在生產(chǎn)邏輯與物理實(shí)體上已經(jīng)是一個(gè)耦合性緊密的單元, 并且其建模是可行的, 如果再將其解耦會(huì)大大增加耦合參數(shù)規(guī)模, 因此不對(duì)其進(jìn)行解耦。而類似一混、二混等設(shè)備, 其通常是一個(gè)設(shè)備組, 設(shè)備組內(nèi)部的單個(gè)設(shè)備建模簡(jiǎn)單, 且耦合性較弱, 因此可以對(duì)其進(jìn)行設(shè)備層的解耦。由此看出, 在實(shí)際建立數(shù)字孿生體的過程中, 對(duì)物理實(shí)體層中的設(shè)備需要考慮其之間的耦合程度與建模復(fù)4) 對(duì)煉鐵流程中各設(shè)備空間幾何模型進(jìn)行匹配連雜程度從而確定數(shù)字孿生體單元的粒度。

4.1.4 煉鐵流程/設(shè)備孿生模型測(cè)試驗(yàn)證

數(shù)字孿生模型的驗(yàn)證主要從兩個(gè)方面, 其一是通過建立模型精度及可信度評(píng)測(cè)算法, 對(duì)煉鐵流程/設(shè)備孿生模型的運(yùn)行效果進(jìn)行驗(yàn)證; 其二是通過融合客觀檢測(cè)數(shù)據(jù)及先驗(yàn)知識(shí), 構(gòu)建孿生體模型評(píng)估驗(yàn)證平臺(tái), 實(shí)現(xiàn)孿生體構(gòu)建過程全方位多角度交叉驗(yàn)證。只有通過了測(cè)驗(yàn)的數(shù)字孿生體才可用于與真實(shí)物理系統(tǒng)的平行運(yùn)行, 指導(dǎo)生產(chǎn)過程。

4.2 數(shù)字化學(xué)習(xí)工廠

數(shù)字化學(xué)習(xí)工廠是以工作為導(dǎo)向, 面向未來制造業(yè)教育、培訓(xùn)和研究的學(xué)習(xí)環(huán)境。其廣泛使用了數(shù)字孿生技術(shù), 將以往的學(xué)習(xí)者在物理世界中實(shí)踐學(xué)習(xí)的模式, 轉(zhuǎn)向?qū)W習(xí)者通過增強(qiáng)式交互的手段在虛擬空間中進(jìn)行實(shí)踐學(xué)習(xí)的模式, 為學(xué)生求職以及工程師的職務(wù)提升提供幫助。煉鐵系統(tǒng)的數(shù)字化學(xué)習(xí)工廠通過分析煉鐵流程/設(shè)備的幾何結(jié)構(gòu)和組成,利用CAD (Computer aided design) 軟件解析關(guān)鍵的結(jié)構(gòu)參數(shù), 結(jié)合設(shè)計(jì)圖紙和實(shí)景拍攝照片, 采用3Dsmax 軟件建立空間幾何模型, 并在Polygon Cruncher、3DS VIZ、Autodesk VIZ 等軟件平臺(tái)上對(duì)三維模型進(jìn)行優(yōu)化。其次, 利用Unity3D 建立煉鐵過程中的交互模擬和物料運(yùn)動(dòng)全過程模擬, 并實(shí)時(shí)讀取現(xiàn)場(chǎng)或其數(shù)字孿生體運(yùn)行數(shù)據(jù), 重構(gòu)出隨現(xiàn)場(chǎng)運(yùn)行過程實(shí)時(shí)變化的高爐料面形狀、軟熔帶位置和形狀等關(guān)鍵信息, 建立完整的集合模型。在此基礎(chǔ)上采用RealFlow 實(shí)現(xiàn)流體模擬, 利用ANSYS、CFD、Fluent 等CAE (Computer aided engineering)分析軟件對(duì)煉鐵流程/設(shè)備的運(yùn)行機(jī)理、能量交換、多場(chǎng)耦合演變規(guī)律等進(jìn)行建模及數(shù)值模擬仿真,為幾何模型賦予內(nèi)核。最終基于UGUI 構(gòu)建3D 交互界面, 實(shí)現(xiàn)大型高爐煉鐵生產(chǎn)線數(shù)字孿生體的開發(fā), 該數(shù)字孿生體可代替高成本的物理模型以及生產(chǎn)環(huán)境惡劣的工作現(xiàn)場(chǎng)作為煉鐵生產(chǎn)線的演示與講解工具, 并可擴(kuò)展為VR 環(huán)境, 實(shí)現(xiàn)煉鐵生產(chǎn)線與工人、學(xué)習(xí)人員在虛擬空間中的交互。

4.3 煉鐵過程協(xié)同優(yōu)化

煉鐵生產(chǎn)線過程涉及多項(xiàng)優(yōu)化過程, 包括物料配方優(yōu)化、工藝參數(shù)優(yōu)化以及生產(chǎn)過程的優(yōu)化控制。物料配方優(yōu)化可以保證鋼鐵企業(yè)合理地選擇、利用鐵礦石資源, 確保各個(gè)環(huán)節(jié)產(chǎn)品質(zhì)量, 同時(shí)降低鋼鐵生產(chǎn)成本、降低污染物排放, 從而增強(qiáng)企業(yè)競(jìng)爭(zhēng)力。為實(shí)現(xiàn)這一系列目標(biāo), 鋼鐵企業(yè)需要將采購(gòu)、配礦、產(chǎn)出評(píng)價(jià)三個(gè)環(huán)節(jié)緊密地結(jié)合起來。傳統(tǒng)方法使用專家系統(tǒng)與實(shí)驗(yàn)數(shù)據(jù)結(jié)合的方法進(jìn)行物料配方優(yōu)化的初步試驗(yàn), 但仍存在實(shí)時(shí)物料信息獲取困難、多級(jí)配料間能質(zhì)流耦合復(fù)雜和精細(xì)智能優(yōu)化配料困難的問題, 不能有效打破環(huán)節(jié)之間的壁壘。煉鐵生產(chǎn)過程整體工序繁多, 工藝機(jī)理極其復(fù)雜, 存在多分布參數(shù)、大滯后、高度非線性、強(qiáng)耦合、嚴(yán)重時(shí)變等建模和控制難點(diǎn)。因此, 煉鐵生產(chǎn)過程運(yùn)行優(yōu)化控制系統(tǒng)是煉鐵生產(chǎn)全流程的中樞系統(tǒng), 其控制功能和控制策略的正確性, 直接關(guān)系到煉鐵生產(chǎn)功能和性能, 也是確保生產(chǎn)過程高效運(yùn)行, 提高生產(chǎn)效率, 提升產(chǎn)品質(zhì)量, 降低生產(chǎn)運(yùn)行成本的重要途徑。而工藝參數(shù)優(yōu)化針對(duì)工藝控制模型精度不足的問題, 基于數(shù)據(jù)或機(jī)理模型向工人推薦優(yōu)化的操作參數(shù), 包括對(duì)燒結(jié)過程的燒結(jié)礦質(zhì)量、高爐布料矩陣和鐵水質(zhì)量等關(guān)鍵工藝進(jìn)行建模。在此基礎(chǔ)上, 構(gòu)建以燒結(jié)礦質(zhì)量穩(wěn)定為優(yōu)化目標(biāo)的燒結(jié)過程工藝參數(shù)優(yōu)化模型、以最小化真實(shí)料面形狀與期望料面形狀的偏差為目標(biāo)的布料矩陣單目標(biāo)優(yōu)化模型和以最小化鐵水硅含量預(yù)測(cè)值與期望設(shè)定值的偏差為目標(biāo)的高爐鐵水質(zhì)量?jī)?yōu)化模型。

傳統(tǒng)的工業(yè)生產(chǎn)線中, 物料配方優(yōu)化、生產(chǎn)控制與操作參數(shù)優(yōu)化都是依靠單模型進(jìn)行優(yōu)化, 因而對(duì)于涉及多工序、多時(shí)空尺度的生產(chǎn)流程無(wú)法有效優(yōu)化。通過數(shù)字孿生技術(shù), 可將整個(gè)優(yōu)化問題從原先脫離整體的局部?jī)?yōu)化轉(zhuǎn)變?yōu)槎嗔鞒恬詈系娜謪f(xié)同優(yōu)化。以配料優(yōu)化為例, 煉鐵流程的配料包含混勻料場(chǎng)配料、燒結(jié)配料和高爐配料三個(gè)層次的配料,三次配料不僅要滿足各自工序的要求, 還要考慮前后工序的復(fù)雜耦合作用。通過使用數(shù)字孿生體獲取不同配料情況下的海量虛擬數(shù)據(jù), 并將其與工業(yè)現(xiàn)場(chǎng)的實(shí)際感知數(shù)據(jù)進(jìn)行融合, 實(shí)現(xiàn)鐵前工藝配料工序監(jiān)控覆蓋。同時(shí)利用新型數(shù)據(jù)挖掘和數(shù)據(jù)庫(kù)管理相關(guān)技術(shù), 實(shí)現(xiàn)高效的數(shù)據(jù)清洗、數(shù)據(jù)降維、數(shù)據(jù)關(guān)聯(lián)等, 為鐵前工藝各測(cè)量變量間的未知耦合關(guān)系分析評(píng)價(jià), 為潛在配料優(yōu)化目標(biāo)和優(yōu)化約束條件的挖掘構(gòu)建提供指導(dǎo), 用以實(shí)現(xiàn)一定范圍內(nèi)鐵前工藝優(yōu)化配料在線自主分析處理。最后通過針對(duì)數(shù)字孿生體的優(yōu)化算法, 結(jié)合之前分析得到的約束條件, 對(duì)混勻料場(chǎng)配料、燒結(jié)配料和高爐配料構(gòu)成的三元數(shù)字孿生體進(jìn)行全局優(yōu)化, 從而完成物料配方的協(xié)同優(yōu)化。通過類似的解決方案設(shè)計(jì)流程, 可以實(shí)現(xiàn)煉鐵生產(chǎn)過程中鐵水質(zhì)量、燃料比、污染排放等運(yùn)行指標(biāo)的多工序、多目標(biāo)協(xié)調(diào)智能運(yùn)行優(yōu)化控制, 保證煉鐵生產(chǎn)過程優(yōu)化運(yùn)行, 達(dá)到節(jié)能、降耗、減排的“綠色冶煉、清潔生產(chǎn)”的目的。

4.4 煉鐵過程故障診斷與設(shè)備維護(hù)

煉鐵過程設(shè)備的異?；蚬收蠈?duì)煉鐵生產(chǎn)危害嚴(yán)重, 會(huì)引起煉鐵質(zhì)量和產(chǎn)量下降、能耗和排放增加、高爐停產(chǎn)休風(fēng)等不良后果, 甚至引發(fā)人員傷亡在內(nèi)的重大安全事故。因此, 迫切需要對(duì)煉鐵設(shè)備異?；蚬收线M(jìn)行預(yù)警和診斷?；跀?shù)字孿生技術(shù)的設(shè)備異常/故障預(yù)警、診斷溯源, 能夠降低大型煉鐵系統(tǒng)設(shè)備診斷的難度, 提高診斷的準(zhǔn)確性與可靠性, 保障煉鐵設(shè)備可靠運(yùn)行。同時(shí)依靠數(shù)字孿生體的耦合關(guān)系, 在實(shí)際生產(chǎn)線運(yùn)行過程中, 對(duì)數(shù)字孿生體進(jìn)行動(dòng)態(tài)更新與異值反饋, 從而保證模型的精度與時(shí)效。此外, 通過工業(yè)物聯(lián)網(wǎng)、巡檢機(jī)器人、云計(jì)算平臺(tái)的集成運(yùn)用, 對(duì)現(xiàn)場(chǎng)狀態(tài)進(jìn)行集中監(jiān)控和遠(yuǎn)程運(yùn)維, 提高運(yùn)維的智能化與自動(dòng)化, 減輕人力負(fù)擔(dān), 降低運(yùn)維成本。

除了故障診斷, 數(shù)字孿生體還可用于對(duì)設(shè)備的性能退化情況與剩余使用壽命進(jìn)行預(yù)測(cè)。首先, 建立煉鐵設(shè)備性能退化數(shù)據(jù)庫(kù)。由于高可靠性設(shè)備的性能退化歷史數(shù)據(jù)樣本不充足, 因此需要充分利用各種可能的途徑來擴(kuò)展數(shù)據(jù)量, 包括使用高相似度設(shè)備的性能退化數(shù)據(jù)和加速試驗(yàn)數(shù)據(jù)、以及數(shù)字孿生體性能退化模型的仿真數(shù)據(jù)。其次, 構(gòu)建性能退化模型庫(kù)。由于樣本數(shù)據(jù)量有限且數(shù)據(jù)來源多樣,建立性能退化模型需要融合數(shù)據(jù)與退化機(jī)理, 綜合高相似度設(shè)備和孿生模型與當(dāng)前設(shè)備個(gè)體的共有特征, 同時(shí)充分體現(xiàn)當(dāng)前設(shè)備個(gè)體的專有特征。最后,利用性能退化模型實(shí)現(xiàn)剩余壽命預(yù)測(cè), 即依據(jù)在線數(shù)據(jù)估計(jì)退化模型參數(shù), 進(jìn)而預(yù)測(cè)性能參量, 并將預(yù)測(cè)得到的性能參量與數(shù)字孿生體相結(jié)合, 保證數(shù)字孿生體模型隨著設(shè)備性能退化的動(dòng)態(tài)變化。

4.5 煉鐵過程自組織運(yùn)行

自組織運(yùn)行和調(diào)度是煉鐵生產(chǎn)有序進(jìn)行的關(guān)鍵, 也是生產(chǎn)過程決策優(yōu)化、管控、性能提升的核心技術(shù)手段。在基于數(shù)字孿生驅(qū)動(dòng)的煉鐵生產(chǎn)自組織運(yùn)行和調(diào)度下, 生產(chǎn)調(diào)度要素能夠?qū)崿F(xiàn)物理世界和虛擬世界之間相互映射, 實(shí)現(xiàn)全流程、全業(yè)務(wù)數(shù)據(jù)之間的集成和融合, 使得物理世界主動(dòng)感知煉鐵生產(chǎn)運(yùn)行狀態(tài), 利用虛擬世界自組織、自學(xué)習(xí)、自仿真機(jī)制, 及時(shí)對(duì)生產(chǎn)調(diào)度方案和決策評(píng)估進(jìn)行調(diào)整,快速、精準(zhǔn)地確定異常范圍, 具有更好的自適應(yīng)、擾動(dòng)響應(yīng)和異常解決能力。同時(shí), 數(shù)字孿生體的增強(qiáng)式交互技術(shù)可以將復(fù)雜的運(yùn)行調(diào)度過程在數(shù)字孿生體上以多維度、多視角的方式呈現(xiàn)。相關(guān)人員通過數(shù)字孿生體獲得物理世界的信息, 不同業(yè)務(wù)的工人獲得不同的信息?；跀?shù)字孿生的煉鐵生產(chǎn)線主要包括生產(chǎn)要素管理、生產(chǎn)活動(dòng)計(jì)劃、生產(chǎn)過程三個(gè)方面的自組織運(yùn)行與調(diào)度優(yōu)化。第1個(gè)階段是對(duì)生產(chǎn)要素管理的迭代優(yōu)化過程, 反映了數(shù)字孿生煉鐵生產(chǎn)中煉鐵生產(chǎn)與煉鐵服務(wù)系統(tǒng)的交互過程, 其中煉鐵生產(chǎn)服務(wù)系統(tǒng)起主導(dǎo)作用。通過對(duì)生產(chǎn)要素管理的迭代優(yōu)化, 得到最初始的生產(chǎn)計(jì)劃。第2個(gè)階段是對(duì)生產(chǎn)計(jì)劃的迭代優(yōu)化過程, 反映了數(shù)字孿生煉鐵生產(chǎn)中服務(wù)系統(tǒng)與虛擬煉鐵生產(chǎn)的交互過程,在該過程中, 虛擬煉鐵生產(chǎn)起主導(dǎo)作用。通過第2個(gè)階段得到優(yōu)化后的預(yù)定義的生產(chǎn)計(jì)劃。第3 個(gè)階段是對(duì)煉鐵生產(chǎn)過程的實(shí)時(shí)迭代優(yōu)化過程, 反映了數(shù)字孿生煉鐵生產(chǎn)中的物理對(duì)象與虛擬對(duì)象的交互過程, 其中物理對(duì)象起主導(dǎo)作用。通過三個(gè)階段的迭代優(yōu)化, 孿生數(shù)據(jù)不斷更新與擴(kuò)充, 并對(duì)煉鐵生產(chǎn)過程優(yōu)化方法進(jìn)行不斷更新和完善。流程行業(yè)生產(chǎn)線的自組織運(yùn)行與調(diào)度是由于涉及流程廣, 對(duì)模型精度要求高, 其基礎(chǔ)需要完備的數(shù)字孿生體的建立和完善的虛實(shí)數(shù)據(jù)量的積累, 是現(xiàn)階段亟需克服的難點(diǎn)。

流程工業(yè)具有生產(chǎn)過程復(fù)雜、過程建模繁瑣、工序間耦合強(qiáng)、全局優(yōu)化困難等特點(diǎn), 使得流程工業(yè)面臨資源利用效率偏低、能耗物耗較高、生產(chǎn)成本高、環(huán)境污染較嚴(yán)重等問題。本文針對(duì)流程工業(yè)生產(chǎn)過程特點(diǎn), 提出數(shù)字孿生技術(shù)在流程工業(yè)運(yùn)用的愿景功能, 介紹如何通過數(shù)字孿生解決流程工業(yè)建模復(fù)雜和協(xié)同優(yōu)化難的問題, 探討了構(gòu)建流程工業(yè)數(shù)字孿生系統(tǒng)的關(guān)鍵技術(shù), 并以煉鐵生產(chǎn)線為例,展示了數(shù)字孿生技術(shù)在其中提供的數(shù)字化學(xué)習(xí)工廠、煉鐵過程協(xié)同優(yōu)化、煉鐵過程故障診斷與設(shè)備維護(hù)、煉鐵過程自組織運(yùn)行等解決方案, 為流程工業(yè)數(shù)字孿生系統(tǒng)的研究開發(fā)與推廣應(yīng)用提供案例。虛實(shí)結(jié)合的數(shù)字孿生系統(tǒng), 可以為流程工業(yè)提供從產(chǎn)品生產(chǎn)到企業(yè)規(guī)劃的一系列應(yīng)用, 有效提高生產(chǎn)質(zhì)量,實(shí)現(xiàn)節(jié)能減排, 促進(jìn)企業(yè)高質(zhì)量發(fā)展。在未來幾年,我們亟需進(jìn)一步研究提高流程工業(yè)數(shù)字孿生體精度、數(shù)字孿生體與物理實(shí)體自主交互安全性等問題, 并促進(jìn)數(shù)字孿生技術(shù)在流程工業(yè)的應(yīng)用推廣, 推動(dòng)流程工業(yè)數(shù)字孿生技術(shù)的發(fā)展。