CN112415914A - 一种基于数字孪生的高炉鼓风与trt启停机仿真控制方法 - Google Patents

一种基于数字孪生的高炉鼓风与trt启停机仿真控制方法 Download PDF

Info

Publication number
CN112415914A
CN112415914A CN202011268444.5A CN202011268444A CN112415914A CN 112415914 A CN112415914 A CN 112415914A CN 202011268444 A CN202011268444 A CN 202011268444A CN 112415914 A CN112415914 A CN 112415914A
Authority
CN
China
Prior art keywords
input
output
trt
model
blast furnace
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011268444.5A
Other languages
English (en)
Inventor
吴平
楼嗣威
柴秋子
龚亦昕
李创
刘唐丁
沈新荣
杨春节
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Zeta Technology Co ltd
Original Assignee
Hangzhou Zeta Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Zeta Technology Co ltd filed Critical Hangzhou Zeta Technology Co ltd
Priority to CN202011268444.5A priority Critical patent/CN112415914A/zh
Publication of CN112415914A publication Critical patent/CN112415914A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B5/00—Making pig-iron in the blast furnace
    • C21B5/06—Making pig-iron in the blast furnace using top gas in the blast furnace process
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Materials Engineering (AREA)
  • Operations Research (AREA)
  • Organic Chemistry (AREA)
  • Algebra (AREA)
  • Metallurgy (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Manufacture Of Iron (AREA)

Abstract

本发明公开了一种基于数字孪生的高炉鼓风与TRT启停机仿真控制方法，在建模阶段，使用基于正常工况下采集到的输入和输出数据，通过偏最小二乘回归(PLSR)建立模型；根据实际现场的控制策略和控制范围，构建基于PID的控制算法和策略；根据实际设备的外观和内部运行状态，基于Unity3D进行三维建模；最后，根据现场使用人员的需求与显示效果，设计相应的前端显示页面。在在线部分使用部分，现场人员通过在web页面输入控制器参数，随后由PLSR模型和基于PID的控制算法共同确定相应启、停机控制方法；其后根据PLSR模型得出的仿真数据，三维模型进行相应动作并且web端也对其中的运行状态和关键数据进行显示。

Description

一种基于数字孪生的高炉鼓风与TRT启停机仿真控制方法
技术领域
本发明涉及数字孪生与过程控制技术领域，具体涉及一种基于数字孪生的高炉鼓风与TRT启停机仿真控制方法。
背景技术
如今，数字化的概念已经进入了每一个企业，这不仅要求企业自身数字化，还要求企业在未来需要更多地开发与设计具有数字化的产品。对于企业的数字化转型，其中的基础就是，便是数字孪生技术。
目前，国际范围中国际标准化组织(ISO)的相关标准ISO_DIS_23247，已经提出了数字孪生制造的参考性框架。国内，《数字孪生体技术白皮书》也于2019年发布。其中，数字孪生体的定义为：数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过性能和状态优化和指令发送来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进相关方在物理实体对象生命周期内的决策。
在基于数据孪生体的工业过程监测系统中，其主要框架可包括：数字建模、测量与控制、模拟仿真、数据分析、数字资产和人机交互。数字建模是指将实际的物理对象转换为计算机能够识别的数字模型。目前，通常采用一些三维建模软件，譬如：CAD、Uinty3D、建筑信息模型等。测量与控制，其可通过传感器等实现数字体与物理对象之间的数据的传递和信息的交互，包括：停止，加速，关闭和开启等动作。这使得我们可以更加充分的对物理世界进行感知，还能对物理世界传递信息，并且更高地驱动物理世界。模拟仿真可通过完整的信息预测未来的。数据分析过程是基于当前的信息推测设备的运行状态。数据资产，指对数据的积累、管理、追溯和共享的特性，数字孪生可从中得到持续地增长。人机交互是操作人员和数字模型的直观可视化页面，这里可以展示了数字孪生体的数据、状态，此外我们也可对其进行操作，并对物理对象进行干预。
如今，现在流程工业，往往具有流程长、工序复杂和规模巨大等特点，这使得现场操作人员往往无法对整个流程有整体的了解，这对于人员的培训，工程师的设备诊断带来极大的困难。此外，如今大多数基于数字孪生的技术中，大部分只关注实时的数据显示，并且其建立的三维模型往往无法对不同情况进行动作，这也对三维模型资源造成了浪费。
发明内容
针对上述现有技术中存在的缺陷，本发明提供了一种基于数字孪生的高炉鼓风与TRT启停机仿真控制方法。该方法将数字孪生技术与高炉鼓风与TRT启停机仿真控制相结合，专注于高炉炼铁流程中各个工业流程的仿真控制和数字孪生体的构造。
为了实现上述发明目的，本发明所采用的技术方案为：
一种基于数字孪生的高炉鼓风与TRT启停机仿真控制方法，包括以下步骤：
步骤1：采集正常工况下的输入和输出数据，得到第k个采样时刻的1*m输入向量uk以及1*q输出向量yk，经过n次采样后，得到输入数据矩阵U＝[u1,u2,…,un]T∈Rn*m以及输出数据矩阵Y＝[y1,y2,…,yn]T∈Rn*q，其中m和q分别为采集到的输入和输出向量的变量数，n为总采样数，[.]T表示矩阵的转置，Rn*m和Rn*q分别表示n行m列和n行q列数据矩阵；
步骤2：采用偏最小二乘回归(PLSR)方法探索输入数据矩阵U和输出数据矩阵Y之间的线性关系，并完成PLSR模型的构建。
步骤3：采集实时的输入向量unew，根据步骤2中建立的PLSR模型预测当前时刻的输出向量ynew，供现场工程师参考；
步骤4：建立基于PID的控制算法与策略，可实现在不同控制参数情况下，对系统的控制仿真；随后，将控制器输出导入PLSR模型即可得到高炉、鼓风机及TRT设备在起、停机等不同运行阶段的数据预测；最后，根据现场的设备启停机情况，分别设定控制器输出的上下限及相关控制方法，以达到和现场一致；
步骤5：使用Unity3D软件，实现对高炉、鼓风机及TRT设备的三维建模，并能够根据PLSR模型预测的相关数据控制设备的运行状态；
步骤6：设计相关的前端显示页面，包括：控制器控制参数的输入框，PLSR模型仿真启停控制按钮，三维模型的示意图展示，以及部分关键参数的控制仿真曲线。
上述技术方案中，进一步地，PLSR模型可由以下方法构建：
系统输入输出的基本关系表示如下：
JPLS(w，c)＝max wTUTYc
s.t.||w||＝1，||c||＝1 (公式1)
其中，w和c均为权重向量；
采用NIPALS算法求解上式，具体方法为：通过一个随机设定的初始化输出得分向量r开始，重复以下的步骤，直到收敛，此处收敛条件为相邻两个循环所求得r的差值小于10-8。
7)w＝UTr/(rTr)；
8)||w||＝1；
9)t＝Uw；
10)c＝YTt/(tTt)；
11)||c||＝1；
12)r＝Yc；
其中，t为输入得分向量。
最终，通过该算法，每个循环中的权重向量w和c及得分向量t和r被导出；随后，使用得分向量t和r来构建模型；输入和输出矩阵均可被分解为低维隐变量空间：
U＝TPT+E0 (公式2)
Y＝RQT+F0 (公式3)
其中，T和R为输入和输出得分矩阵，P和Q分别为输入和输出负荷矩阵，E0为输入残差，F0为输出残差。然后，在T和R之间建立回归模型：
R＝TB+F1 (公式4)
这里B为回归系数矩阵，F1为残差。
最终，完整的PLSR模型可以表述为：
Y＝U(PBQT)+F (公式5)
其中，F为残差。
进一步地，所述PID为离散的位置式PID控制器，所述的基于PID的控制算法与策略表示如下：
x(k)＝Kp(err(k)+Ki∑err(k)+Kd(err(k)-err(k-1))) (公式6)
其中，x(k)为第k时刻控制器输入，Kp、Ki和Kd分别表示控制器三个参数，err(k)和err(k-1)分别表示当前和前一时刻输出与设定值的偏差。
特别值得注意的是，在本发明中控制器的输入往往具有实际意义，例如表示阀门开度，而阀门开度往往只能在5～95之间波动，所以这里加入了限幅环节，保证控制器输入处在合理区间。
进一步地，所述步骤5中，高炉、鼓风机及TRT设备的三维建模均采用Unity3D完成，所有模型均来源于实际现场设备，在外观上做到和现场设备一致，并拥有透视功能，实现对设备的全面解析。
对于高炉设备，内部的物料燃烧效果和热气流动情况需要详细表明。对于鼓风机设备，其中热风流动，不同转速下热风的流动情况需详细表明。对于TRT设备，其中的转子及静叶页面的转动情况也需要能够详细显示。并且期间的设备之间的阀门开闭情况都需要可以通过数据交互实现。
本发明的有益效果在于：
本发明将数字孪生技术与高炉鼓风与TRT启停机仿真控制方法相结合，专注于同时展示数字孪生技术对于数据显示的优越性，更为清晰地显示过程中各个变量的数值，并且结合高炉鼓风与TRT启停机仿真控制方法，使得其可以更好的展现相关工艺的控制流程。其中，PLSR建模方法和PID控制算法和策略也为整个控制流程的实现奠定了基础。
本发明还可以从Web端输入控制器参数和算法模型进行交互，实现对高炉鼓风与TRT启停机工况进行仿真，三维模型端也会依据相应变量的数值变化，实现了对三维资源的充分利用。
附图说明
图1为本发明总体方案实现流程图。
具体实施方式
以下结合附图和具体实施例对本发明做进一步阐述。
本实施例公开一种基于数字孪生的高炉鼓风与TRT启停机仿真控制方法，主要是面向炼钢厂中使用。在整个方案中，需要收集整个流程中各个部位的关键参数进行模型构建，需要根据实际情况进行PID控制算法和策略的构造，需要将炼铁过程中的高炉、鼓风机和TRT设备进行细致三维建模，需要设计直观的前端显示页面等。总体方案实现流程图，如图1所示。
具体包括以下步骤：
步骤1：采集正常工况下的过程输入和输出样本数据，得到第k个采样时刻的1*m输入向量uk以及1*q输出向量yk，经过n次采样后，得到输入数据矩阵U＝[u1，u2，…，un]T∈Rn*m以及输出数据矩阵Y＝[y1，y2，…，yn]T∈Rn*q，其中k为时刻数，m分别为采集到的输入和输出向量的变量数，n为总采样数，[.]T表示矩阵的转置，Rn*m和Rn*q分别表示n行m列和n行q列数据矩阵；
步骤2：采用偏最小二乘回归(PLSR)方法探索输入数据U和输出数据Y之间的线性关系，并完成PLSR模型的构建。
其中PLSR模型可由以下方法构建：
系统输入输出的基本关系表示如下：
JPLS(w，c)＝max wTUTYc
s.t.||w||＝1，||c||＝1 (公式1)
其中，w和c均为权重向量；
采用NIPALS算法求解上式，具体方法为：随机设定一个初始化输出得分向量r，重复以下步骤，直到收敛，收敛条件为相邻两个循环所求得r的差值小于10-8；
1)w＝UTr/(rTr)；
2)||w||＝1；
3)t＝Uw；
4)c＝YTt/(tTt)；
5)||c||＝1；
6)r＝Yc；
其中，t为输入得分向量。通过该算法，每个循环中的权重向量w和c及得分向量t和r被导出；随后，使用得分向量t和r来构建模型；输入和输出矩阵均可被分解为低维隐变量空间：
U＝TPT+E0 (公式2)
Y＝UQT+F0 (公式3)
其中，T和R为输入和输出得分矩阵，分别由上述算法中所求得的t和r组成；P和Q分别为输入和输出负荷矩阵，E0为输入残差，F0为输出残差。然后，在T和R之间建立回归模型：
R＝TB+F1 (公式4)
这里B为回归系数矩阵，F1为残差。
最终，完整的PLSR模型可以表述为：
Y＝U(PBQT)+F (公式5)
其中，F为残差。
步骤3：采集实时的输入向量unew，根据步骤2中建立的PLSR模型预测当前时刻的输出向量ynew，供现场工程师参考；
步骤4：建立基于PID的控制算法与策略，可实现在不同控制参数情况下，对系统的控制仿真；随后，将控制器输出导入PLSR模型即可得到高炉、鼓风机及TRT设备在起、停机等不同运行阶段的数据预测；最后，根据现场的设备启停机情况，分别设定控制器输出的上下限及相关控制方法，以达到和现场一致。
其中PID控制器为离散的位置式PID控制器，基于PID的控制算法与策略，可表示如下：
x(k)＝Kp(err(k)+Ki∑err(k)+Kd(err(k)-err(k-1))) (公式6)
其中，x(k)为第k时刻控制器输入，Kp、Ki和Kd分别表示控制器三个参数，err(k)和err(k-1)分别表示当前和前一时刻输出与设定值的偏差。
特别值得注意的是，在此案例中控制器的输入往往具有实际意义，例如表示阀门开度，而阀门开度往往只能在5～95之间波动，所以这里我们加入了限幅环节，保证控制器输入处在合理区间。当仿真中发现变量数值高于95则约束其为95；若发现变量数值低于5则约束其为5。
步骤5：使用Unity3D软件，实现对高炉、鼓风机及TRT设备的三维建模，做到外观一致并能够根据相关数据控制设备的运行状态。
此处高炉、鼓风机及TRT设备的三维建模均采用Unity3D完成，所有模型均来源于实际现场设备，在外观上做到和现场设备高度复现，并拥有透视功能，实现对设备的全面解析。
对于高炉设备，内部的物料燃烧效果和热气流动情况需要详细表明。对于鼓风机设备，其中热风流动，不同转速下热风的流动情况需详细表明。对于TRT设备，其中的转子及静叶页面的转动情况也需要能够详细显示。并且期间的设备之间的阀门开闭情况都需要可以通过数据交互实现。
步骤6：设计相关的前端显示页面，包括：控制器控制参数的输入框，仿真启、停控制按钮，三维模型的示意图展示以及部分关键参数的控制仿真曲线。
以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围中。

Claims (4)

1.一种基于数字孪生的高炉鼓风与TRT启停机仿真控制方法，其特征在于，包括以下步骤：
步骤1：采集正常工况下的输入和输出数据，得到第k个采样时刻的1*m输入向量uk以及1*q输出向量yk，经过n次采样后，得到输入数据矩阵U＝[u1，u2，...，un]T∈Rn*m以及输出数据矩阵Y＝[y1，y2，...，yn]T∈Rn*q，其中m和q分别为采集到的输入和输出向量的变量数，n为总采样数，[.]T表示矩阵的转置，Rn*m和Rn*q分别表示n行m列和n行q列数据矩阵；
步骤2：采用偏最小二乘回归PLSR方法探索输入数据矩阵U和输出数据矩阵Y之间的线性关系，并完成PLSR模型的构建；
步骤3：采集实时的输入向量unew，根据步骤2中建立的PLSR模型预测当前时刻的输出向量ynew；
步骤4：建立基于PID的控制算法与策略，可实现在不同控制参数情况下，对系统的控制仿真；随后，将控制器输出导入PLSR模型即可得到高炉、鼓风机及TRT设备在起、停机等不同运行阶段的数据预测；最后，根据现场的设备启停机情况，分别设定控制器输出的上下限及相关控制方法，以达到和现场一致；
步骤5：使用Unity3D软件，实现对高炉、鼓风机及TRT设备的三维建模，并能够根据PLSR模型预测的相关数据控制设备的运行状态；
步骤6：设计相关的前端显示页面，包括：控制器控制参数的输入框，PLSR模型仿真启停控制按钮，三维模型的示意图展示，以及控制仿真曲线。
2.根据权利要求1所述的基于数字孪生的高炉鼓风与TRT启停机仿真控制方法，其特征在于：所述步骤2中，PLSR模型的构建方法如下：
系统输入输出的基本关系表示如下：
JPLS(w，c)＝max wTUTYc
s.t.||w||＝1，||c||＝1 (公式1)
其中，w和c均为权重向量；
采用NIPALS算法求解上式，具体方法为：随机设定一个初始化输出得分向量r，重复以下步骤，直到收敛，收敛条件为相邻两个循环所求得r的差值小于10-8；
1)w＝UTr/(rTr)；
2)||w||＝1；
3)t＝Uw；
4)c＝YTt/(tTt)；
5)||c||＝1；
6)r＝Yc；
其中，t为输入得分向量；
最终，通过该算法，每个循环中的权重向量w和c及得分向量t和r被导出；随后，使用得分向量t和r来构建模型；输入和输出矩阵均可被分解为低维隐变量空间：
U＝TPT+E0 (公式2)
Y＝RQT+F0 (公式3)
其中，T和R为输入和输出得分矩阵，分别由上述算法中所求得的t和r组成，P和Q分别为输入和输出负荷矩阵，E0为输入残差，F0为输出残差；然后，在T和R之间建立回归模型：
R＝TB+F1 (公式4)
其中，B为回归系数矩阵，F1为残差；
最终，完整的PLSR模型可以表述为：
Y＝U(PBQT)+F (公式5)
其中，F为残差。
3.根据权利要求1所述的基于数字孪生的高炉鼓风与TRT启停机仿真控制方法，其特征在于：步骤4中，所述PID为离散的位置式PID控制器，所述的基于PID的控制算法与策略表示如下：
x(k)＝Kp(err(k)+Ki∑err(k)+Kd(err(k)-err(k-1))) (公式6)
其中，x(k)为第k时刻控制器输入，对控制器输入加入限幅环节，Kp、Ki和Kd分别表示控制器中比例、积分和微分三个参数，err(k)和err(k-1)分别表示当前和前一时刻输出与设定值的偏差。
4.根据权利要求1所述的基于数字孪生的高炉鼓风与TRT启停机仿真控制方法，其特征在于：所述步骤5中，高炉、鼓风机及TRT设备的三维建模均采用Unity3D完成，所有模型均来源于实际现场设备，在外观上做到和现场设备一致，并拥有透视功能，实现对设备的全面解析；此外，对于模型间的管道，内部流动的气体通过数值控制流速，并用不同颜色来区分热气与冷气；对于TRT设备，转子转动速度通过数值调节。
CN202011268444.5A 2020-11-13 2020-11-13 一种基于数字孪生的高炉鼓风与trt启停机仿真控制方法 Pending CN112415914A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011268444.5A CN112415914A (zh) 2020-11-13 2020-11-13 一种基于数字孪生的高炉鼓风与trt启停机仿真控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011268444.5A CN112415914A (zh) 2020-11-13 2020-11-13 一种基于数字孪生的高炉鼓风与trt启停机仿真控制方法

Publications (1)

Publication Number Publication Date
CN112415914A true CN112415914A (zh) 2021-02-26

Family

ID=74832630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011268444.5A Pending CN112415914A (zh) 2020-11-13 2020-11-13 一种基于数字孪生的高炉鼓风与trt启停机仿真控制方法

Country Status (1)

Country Link
CN (1) CN112415914A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113718071A (zh) * 2021-09-02 2021-11-30 杭州哲达科技股份有限公司 高炉鼓风机的控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111413887A (zh) * 2020-03-17 2020-07-14 浙江大学 一种复杂产品装配生产线数字孪生系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111413887A (zh) * 2020-03-17 2020-07-14 浙江大学 一种复杂产品装配生产线数字孪生系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
常鹏: "《基于数据驱动的间歇过程建模及故障监测》", 31 August 2019 *
石泉;唐珏;储满生: "基于大数据挖掘和数字孪生的智能化高炉炼铁技术", 《第十届中国金属学会青年学术年会暨第四届辽宁青年科学家论坛会议指南》 *
颜光: "偏最小二乘回归在高炉炼铁中的应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113718071A (zh) * 2021-09-02 2021-11-30 杭州哲达科技股份有限公司 高炉鼓风机的控制方法
CN113718071B (zh) * 2021-09-02 2022-09-06 杭州哲达科技股份有限公司 高炉鼓风机的控制方法

Similar Documents

Publication Publication Date Title
CN107529667B (zh) 混合现实核电站仿真和分析系统
JP5568828B2 (ja) 設備監視制御システムおよび設備監視制御方法
CN115062478A (zh) 基于数字孪生的动态车间生产排程调度方法、系统及介质
JP2009053938A (ja) 複数モデルに基づく設備診断システム及びその設備診断方法
Hoc Strategies in controlling a continuous process with long response latencies: needs for computer support to diagnosis
CN107291830A (zh) 一种设备知识库的创建方法
Jiang et al. Classification of silicon content variation trend based on fusion of multilevel features in blast furnace ironmaking
CN101872161A (zh) 一种基于虚拟现实的流程工业重点装置交互控制方法
CN116681250A (zh) 一种基于人工智能的建筑工程进度监管系统
CN112415914A (zh) 一种基于数字孪生的高炉鼓风与trt启停机仿真控制方法
CN116822380B (zh) 一种基于数字孪生在铜冶炼过程中尾气回收利用的协同优化方法
CN106681151A (zh) 基于时序分析的变桨距风机多模态运行优化控制装置及运行方法
Zheng et al. Human-cyber-physical system for production and operation decision optimization in smart steel plants
Wang Application of artificial intelligence technology in mechanical and electronic engineering
Krausková et al. Use of artificial intelligence in the field of sustainable architecture: current knowledge
Tryputen et al. Laboratory bench to analyze of automatic control system with a fuzzy controller
CN105634356B (zh) 基于plc的多电机调速系统神经网络广义逆内模实现方法
CN114397861A (zh) 反应精馏智能工厂模拟测试系统及开发方法
Hwang et al. Design and evaluation of computerized operating procedures in nuclear power plants
Liu Research on the Design of Digital Twin System for Construction Safety
Horváth et al. New product model representation for decisions in engineering systems
CN103645633B (zh) 一种变换炉系统的炉温自学习控制方法
CN103488090B (zh) 群智机器学习的焚烧炉有害物排放达标控制系统及方法
Pistikopoulos et al. The quest towards the integration of process control, process operations, and process operability–Industrial need or academic curiosity?
Wang et al. Manipulator joint fault localization for intelligent flexible manufacturing based on reinforcement learning and robot dynamics

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210226