CN114372341A - 基于数字孪生的钢铁热轧管控系统及方法 - Google Patents

Abstract

本发明提供了一种基于数字孪生的钢铁热轧管控系统及方法，包括：感知模块：感知物理工厂的环境、设备运行状况和热轧板坯质量属性；数据模块：对感知的环境、设备和热轧板进行数据采集、数据存储、数据融合、数据传递和数据分析；表现模块：基于分析后的数据，通过三维图形渲染和增强现实技术，采用虚拟孪生影像表征现实物理工厂的生产情况；控制模块：根据控制目标和相应的控制规则，基于故障知识库形成决策控制建议，并发出控制指令。本发明基于多尺度卷积神经网络的故障诊断方法来对设备的运行状态进行监测，可以有效地判断出设备的异常情况并匹配相应的故障知识库给出修复建议。

Description

基于数字孪生的钢铁热轧管控系统及方法

技术领域

本发明涉及仿真技术领域，具体地，涉及一种基于数字孪生的钢铁热轧管控系统及方法。

背景技术

数字孪生的概念最早是由美国的阿波罗项目提出，通过虚拟孪生体监测航天飞机的各项指标状况。数字孪生技术指将现实物理世界通过数字化的手段孪生一个近乎一样的虚拟仿真世界，通过生产层面不同控制层的集成与信息交互，综合应用人工智能、边缘计算、数据挖掘技术实现物理世界到虚拟世界的全方位同步映射的仿真过程，主要应用于产品的设计、研发、制造、服务和运维等过程，是一种面向产品全生命周期的管控技术，可降低企业成本提高制造效率。

21世纪以来，随着工业互联网相关技术的蓬勃发展，工业制造智慧化水平得到显著提升，以美国和德国为首的发达国家均提出了信息物理系统的概念，目的是为了实现现实物理世界和虚拟信息世界的完全融合，数字孪生技术作为信息物理系统的代表性支撑技术备受广泛关注。它将产品生产过程中的各项数据实时、准确地映射到虚拟世界中，在虚拟世界中进行综合分析与决策，利用决策结果反向控制物理世界的产品生产过程，实现精益生产，有效减少能源及物料浪费，降低生产过程中的安全隐患，极大提升生产效率，对企业的信息化、智慧化水平提高意义非凡。

数字孪生工厂提供对物理工厂的三维可视化的镜像模型，完全是通过物理工厂的数据映射形成的工厂孪生体，对物理工厂的状态进行实时监控；在结合工厂服务系统的大数据优化功能下，对优化的工厂数据进行仿真，让数字孪生工厂在虚拟制造过程中实现对生产的实现。3D可视化的工厂让仿真更贴近真实，效果更好；在仿真过程中出现的问题直接给出反馈，对作业计划进行指导，排除实际生产过程中的缺陷。

但是，目前数字孪生技术并不成熟，目前多数研究仅仅针对过程建模、数据融合和交互协作方面，基本没有面向服务和生产应用方面的投入，尤其是多数研究仅投入在产品设计阶段，用作产品研发初期，而对于产品实际制造过程和生产管控方面研发投入量微乎其微。另一方面，在传统生产工厂管控上，虽然已基本实现自动化和信息化的管理，但缺少系统仿真分析和决策反馈机制，在不同控制层级上还存在着信息壁垒，无法实现所有信息的互通，在表现上数据可视化的程度也不高，无法以直观的数据图表或立体影像展现生产全过程，也缺少仿真分析和决策模型支撑生产。所以，如何深刻理解数字孪生技术的内涵并有效利用该技术提升生产工厂的智能化管控水平，实现虚拟制造将是亟需解决的重要问题。

专利文献CN107423458A(申请号：201710132969.8)公开了一种钢铁生产仿真系统集成了多种功能操作平台，采用模块化方法来组织，包括场景漫游模块、人机交互模块、生产计划输入模块、生产计划执行模块、仿真系统评价模块，构成整个系统的框架。本发明将虚拟环境技术引入钢铁生产的全过程中，建立了钢铁产线物理模型，使其在设计期间便能直观地了解到设备结构和投产后实际运行的性能和生产效率，对方案进行评价。该专利主要为一种钢铁生产虚拟仿真系统的实现，以虚拟产线预仿真将要执行的生产计划，主要作用为产线的工艺仿真模拟及评价。而本发明主要体现一种基于数字孪生技术的钢铁热轧过程管控系统，强调数字孪生技术的特点-精准实时跟踪和分析评价，系统同时包含了设备监控模块，基于卷积神经网络的故障诊断算法分析设备状态趋势，最后以增强现实和大屏投影的方式来表现同步跟踪或模拟仿真的过程，相较于上述发明在功能上有很大的拓展，技术和表现上更显成熟。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于数字孪生的钢铁热轧管控系统及方法。

根据本发明提供的基于数字孪生的钢铁热轧管控系统，包括：

感知模块：感知物理工厂的环境、设备运行状况和热轧板坯质量属性；

数据模块：对感知的环境、设备和热轧板进行数据采集、数据存储、数据融合、数据传递和数据分析；

表现模块：基于分析后的数据，通过三维图形渲染和增强现实技术，采用虚拟孪生影像表征现实物理工厂的生产情况；

控制模块：基于异构数据的传递和融合，通过数据在信息空间的综合计算分析，基于预设业务规则驱动虚拟场景设备运行和板坯运动与变形，形成全产线实时仿真动画，当设备出现异常状况时，根据控制目标和相应的控制规则，基于故障知识库形成决策控制建议，并发出控制指令。

优选的，异构的生产设备和物料数据以OPCSERVER的方式提供各数据点的实时数据，并且通过TCP/UDP通讯技术实现通信。

优选的，所述数据存储包括：将生产计划数据和设备状态数据传输到通用化数据库进行管理，支持任意时间段内数据的导出，进行设备健康状态趋势分析和历史生产计划模拟重现，采用云中心大数据分析平台服务进行构建，基于分布式架构的存储计算服务构建系统的数据存储层，将收集的生产实绩信息和质量数据信息存储至该服务所包含的分布式数据库中，对外提供数据访问服务。

优选的，所述数据传递基于不同层级间的系统集成，用于多源数据的融合和信息交互。

优选的，所述数据分析包括对计划指令驱动数据的解析和对设备状态趋势数据的分析，将分析的结果传递给表现模块。

优选的，所述表现模块包括：根据数据分析的结果，通过三维点云扫描技术和相应的CAD结构图构造厂区结构和设备模型，通过图形渲染技术及环境贴图纹理渲染出等比虚拟仿真场景，基于粒子效果表现技术表征环境雾、气和水元素；

在不同层级间信号采集、交互和处理过程中也应用粒子效果。

优选的，通过大屏投影和移动增强现实两种方式展现终端，大屏投影投射全产线虚拟影像，具备完整的生产数据和计划调度数据图形化展示功能；

移动增强现实借助可移动小屏终端，基于平面检测或图像特征识别技术识别物理世界设备实体，同步呈现相应的虚拟实体，支持任意设备的点选查看以及视角的切换，支持设备的局部透视或剖视查看，并以2D图形和3D图形相结合的方式展现设备的物理状态数据和健康情况。

根据本发明提供的基于数字孪生的钢铁热轧管控方法，包括：

同步跟踪步骤：通过物理工厂与虚拟工厂的实时交互，基于对驱动数据信号的分析结果，对物理世界的动态变化做出实时响应，在虚拟场景中进行同步仿真跟踪；

计划仿真步骤：调用预设时间段内的生产计划信息，解析后以数据驱动虚拟产线各设备运行，根据历史或未来生产计划的缺陷指导生产；

设备监控步骤：对设备运行状态与潜在故障有关的因素进行监测。

优选的，所述同步跟踪步骤包括：对产线的全方位实时虚拟仿真，对热轧工艺过程，综合考虑工厂布局、生产线工位设备组合、产线计划及轧制顺序，映射为相应的微单元，建立生产流程的数字化模型，并将数字化模型与实际产线和设备的历史、传感、控制、物流信息建立实时一一映射关系，得到实际生产与虚拟生产实时同步的多物理量、多尺度和多维度的数字孪生智能体；

根据生产计划数据、工艺数据和扰动数据规划自身的反应机制，并在全局最优的目标下对各生产单元的行为进行协同控制与优化。

优选的，所述设备监控步骤包括：在产线设置多个数据采集点进行健康诊断和监控，通过对数据的采集与分析，运用多尺度卷积神经网络的故障检测法，将设备某一时刻的速度、电流、电压值，传入训练好的模型，实时预测设备的健康状况。

与现有技术相比，本发明具有如下的有益效果：

1、本发明基于数字孪生技术构建的等价虚拟仿真场景相较于一般管控系统场景在表现上更为详尽立体，支持大屏全局业务数据展现和移动增强现实表现两种方式，在交互上更为人性化，面向现场管理人员和点检人员；

2、本发明以异构系统集成和数据融合的方式打通物理世界和虚拟世界的信息壁垒，并基于上述信息交互的结果实时动态数据驱动虚拟仿真场景的运行，管理人员不再需要亲临生产现场就可以直观地查看全产线不同视角下的生产情况，解决了传统监控系统画面视野局限且信息展示不直观的问题，在决策上更为便捷；

3、本发明具备历史生产计划数据和未实施的生产计划模拟仿真功能，可从精准跟踪功能切换至计划仿真，系统将计划中的生产信息进行解析，基于一定的工艺和业务规则驱动虚拟仿真场景预运行，可及时发现未来计划的不足以及过往计划的缺陷；

4、本发明基于多尺度卷积神经网络的故障诊断方法来对设备的运行状态进行监测，可以有效地判断出设备的异常情况并匹配相应的故障知识库给出修复建议。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为结构和功能示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

实施例1：

如图1，本发明具体实施系统包括如下4层结构：

感知层，其用于感知物理工厂的环境情况、设备的运行状况和热轧板坯质量属性情况等，同时进行异构数据的采集和信息融合，它是数字孪生信息交互的数据源头，后续功能的实现和状态的表现都将依赖于这些数据。

数据层，其用于是四个层级中的核心环节，主要包括数据采集、数据存储、数据传递和数据分析。异构的生产设备和物料数据是以OPCSERVER的方式提供各数据点的实时数据，并且通过TCP/UDP通讯技术实现通信；数据存储的目的是将生产计划数据和设备状态数据传输到通用化数据库进行管理，支持任意时间段内数据的导出，用来作为设备健康状态趋势的分析和历史生产计划的模拟重现，采用云中心大数据分析平台服务的形式进行构建，基于Hadoop分布式架构的存储计算服务构建系统的数据存储层，将从各个系统服务器收集的生产实绩信息和质量数据信息存储至该服务所包含的分布式HBase数据库中，对外提供高速的数据访问服务。数据传递基于不同层级间的系统集成，主要用于多源数据的融合和信息交互；数据分析则是各种生产数据的处理中心，主要包括对计划指令驱动数据的解析和对设备状态趋势数据的分析，之后他将处理分析的结果传递给表现层。

表现层，主要基于三维图形渲染技术和增强现实技术，采用虚拟孪生影像来表征现实物理工厂的生产情况。主要通过三维点云扫描技术和相应的CAD结构图构造厂区主要结构和设备模型，通过图形渲染技术及环境贴图纹理渲染出等比虚拟仿真场景，基于粒子效果表现技术表征环境雾、气和水等元素，同时为提高数据的直观性，在不同层级间信号采集、交互和处理过程也应用了粒子效果。系统在展现终端上主要通过大屏投影和移动增强现实两种方式，大屏投影主要投射全产线虚拟影像，具备完整的生产数据和计划调度数据图形化展示功能；移动增强现实主要借助可移动小屏终端，基于平面检测或图像特征识别技术两种方式识别物理世界设备实体，同步呈现相应的虚拟实体，支持任意设备的点选查看以及视角的切换，支持设备的局部透视或剖视查看，并以2D图形和3D图形相结合的方式展现设备的物理状态数据和健康情况。

控制层，主要基于异构数据的传递和融合，通过数据在信息空间的综合计算分析，基于一定的业务规则驱动虚拟场景设备的运行和板坯的运动与变形，形成全产线实时仿真动画；在设备监控方面，当设备出现异常状况时，考虑相应的控制目标和控制规则，基于故障知识库形成决策控制建议，并发出控制指令。

另外，本发明具体实施系统包括如下3大功能：

精准跟踪功能：即产线的全方位实时虚拟仿真，主要针对热轧工艺过程，综合考虑工厂布局、生产线工位设备组合、产线计划及轧制顺序等数据，将其映射为相应的微单元，建立生产流程的数字化模型，并将数字化模型与实际产线和设备的历史、传感、控制、物流等信息建立实时一一映射关系，实现实际生产与虚拟生产实时同步的多物理量、多尺度和多维度的数字孪生智能体。通过物理工厂与虚拟工厂的实时交互，基于对驱动数据信号的分析结果，及时对物理世界的动态变化做出实时响应，在虚拟场景中做到同步仿真跟踪。该功能同时具备根据生产计划数据、工艺数据和扰动数据等规划自身的反应机制，并在全局最优的目标下对各生产单元的行为进行协同控制与优化的能力。

计划仿真功能：在执行上同精准跟踪功能，区别在于其主要针对数据层所存储的历史生产计划和未实施的生产计划指令信息，通过调用指定时间段内的生产计划信息，并基于一定规则解析并传达给系统执行模块，以数据驱动虚拟产线各设备的运行，从而观察历史或未来生产计划的缺陷，指导生产。

设备监控功能：是对设备运行状态与潜在故障有关的因素进行的监测。产线健康诊断和监控需要设置多个数据采集点，通过对数据的采集与分析，运用多尺度卷积神经网络的故障检测方法，将设备某一时刻的速度、电流、电压等值，传入训练好的模型，可以实时预测设备的健康状况，及时发现故障问题，并反馈相应的解决方案提供参考，有效解决人工方式点检设备状态掌控的针对性、准确性及有效性均不高和对状态异常事件的响应时效性不足的问题。

实施例2：

根据本发明提供的一种基于数字孪生技术的钢铁热轧管控系统及方法，主要针对钢铁热轧工序场景，构建物理工厂等价虚拟仿真场景，基于数字孪生和大数据计算等技术驱动虚拟仿真实体的运行，实现物理工厂生产情况的虚拟孪生精准跟踪、历史和未来生产计划的预仿真和关键生产设备的监控与健康预测，并通过大屏投影或移动增强现实方式表现业务和生产状态二维或三维的可视化数据元素,由此获得工厂的沉浸式交互体验。本实施例主要包括感知层、数据层、表现层和控制层四个层级，在功能上主要分为精准跟踪、计划仿真和设备监控。

其中，本实施例中所述的感知层需要大量的传感器元器件、数据采集设备和信号传输设备，各层设备间通信通过TCP/IP和现场总线的方式去实现，从而感知物理工厂的环境情况、设备的运行状况和热轧板坯质量属性情况等，同时进行异构数据的采集和信息融合。

本实施例所述的数据层包括数据采集、数据存储、数据传递和数据分析四个环节。异构的生产设备和物料数据是以OPCSERVER的方式提供各数据点的实时数据，并且通过TCP/UDP通讯技术实现通信；数据存储环节将生产计划数据和设备状态数据传输到通用化数据库进行管理，支持任意时间段内数据的导出，用来作为设备健康状态趋势的分析和历史生产计划的模拟重现，采用云中心大数据分析平台服务的形式进行构建，基于Hadoop分布式架构的存储计算服务构建系统的数据存储层，将从各个系统服务器收集的生产实绩信息和质量数据信息存储至该服务所包含的分布式HBase数据库中，对外提供高速的数据访问服务。数据传递环节基于不同层级间的系统集成进行多源数据的融合和信息交互；数据分析环节进行对计划指令驱动数据的解析和对设备状态趋势数据的分析，并将处理分析的结果传递给表现层。

本实施例所述的表现层主要基于三维图形渲染技术和增强现实技术，采用虚拟孪生影像来表征现实物理工厂的生产情况。主要具备如下三点：第一，通过三维点云扫描技术和相应的CAD结构图构造厂区主要结构和设备模型，通过图形渲染技术及环境贴图纹理渲染出等比虚拟仿真场景，基于粒子效果表现技术表征环境雾、气和水等元素，同时为提高数据的直观性，在不同层级间信号采集、交互和处理过程也应用了粒子效果。第二，在虚拟孪生场景中使用优化的数字模型、优化的工艺参数和业务过程，使之作为场景驱动的根本动力。第三，需要有业务模型的支撑，通过实际数据的收集以及处理，分析需要解决的对象存在的问题。

表现层主要使用Unity图形引擎进行项目的开发，在引擎中导入由3dMax建模软件中构建设备模型，建立工厂的3D模型，将实际生产过程参数及相关的数据引入到虚拟世界中，在关卡中组合成虚拟产线。引擎中制作生产过程中水和水雾的特效，在关卡中使用触发器，当有板坯经过轧制设备时触发播放水和水雾特效，模拟真实生产环境。以C#为主要开发语言，编写C#脚本，实现从云服务器获取到各设备生产状态信息，设计UI界面，在界面上展示该设备的实时生产数据。

系统在展现终端上主要通过大屏投影和移动增强现实两种方式，大屏投影主要投射全产线虚拟影像，具备完整的生产数据和计划调度数据图形化展示功能；移动增强现实主要借助可移动小屏终端，基于图像特征识别技术识别物理世界设备实体，同步呈现相应的虚拟实体，支持任意设备的切换和设备的局部透视或剖视查看，并以2D图形和3D图形相结合的方式展现设备的物理状态数据和健康情况。

本实施例所述的控制层主要基于异构数据的传递和融合，通过数据在信息空间的综合计算分析，基于一定的业务规则驱动虚拟场景设备的运行和板坯的运动与变形，形成全产线实时仿真动画；在设备监控方面，当设备出现异常状况时，考虑相应的控制目标和控制规则，基于故障知识库形成决策控制建议，并发出控制指令。

本实施例所述的精准跟踪功能和计划仿真功能即产线的全方位虚拟仿真，主要针对热轧工艺过程，将数字化模型与实际产线和设备的历史、传感、控制、物流等信息建立一一映射关系，实现实际生产与虚拟生产实时同步的多物理量、多尺度和多维度的数字孪生智能体。通过物理工厂与虚拟工厂的信息交互，基于对驱动数据信号的分析结果，及时对物理世界的动态变化做出实时响应，在虚拟场景中做到同步仿真跟踪。其中计划仿真功能在于其主要针对数据层所存储的历史生产计划和未实施的生产计划指令信息，通过调用指定时间段内的生产计划信息，并基于一定规则解析并传达给系统执行模块，以数据驱动虚拟产线各设备的运行，从而观察历史或未来生产计划的缺陷，指导生产。

本实施例所述的设备监控功能是对设备运行状态与潜在故障有关的因素进行的监测。产线健康诊断和监控需要设置多个数据采集点，通过对数据的采集与分析，运用多尺度卷积神经网络的故障检测方法，将设备某一时刻的轧制力、速度、电流、辊缝等值，传入训练好的模型，可以实时预测设备的健康状况，及时发现故障问题，并反馈相应的解决方案提供参考。

首先需要在3dMax或其他建模软件中构建设备模型，导出为fbx文件，导入Unity引擎中生成prefab预制体以备调用。在编写C#代码时，将一个prefab文件作为一个对象，把所有用到的模型prefab文件写入一个list或者dictionary容器中形成对象池中，在使用到其中一个或多个模型时从对象池中取出，使用完毕后再放回对象池。这种做法虽然消耗内存空间，但可以提升应用的反应时间，提高应用的运行效率。在线数据监测功能运行时需要获取到工厂设备的各项具体数据。先将工厂设备的实时生产数据通过物联网传输到云服务器，以AR设备的相机作为图像采集设备，采用ASIFT设备局部特征识别方法识别到设备的具体零部件。调用相应C#代码在虚拟空间中通过导入的模型文件生成3D模型，构建该零部件的3D交互场景显示在AR设备的显示屏上。借助于即时定位与地图构建技术，实时构建周围环境，从而获取到物体所在的世界坐标。使用空间锚点技术将虚拟场景固定在空间中，达到虚拟设备叠加在真实生产设备上的显示效果。通过云服务器的通讯协议获取扫描到的设备部位具体生产数据，将数据显示在虚拟世界的数据面板上。同时将获取到的数据与大数据分析得到的正常区间范围进行比对，如果该数值超出正常范围，则虚拟世界中会发出警报，提醒用户进行设备检查。系统将常见设备异常的处理步骤和设备技术手册通过C#代码编写成行为树，形成交互式技术手册。在某项数值异常时，系统匹配技术手册中的异常处理步骤，给用户最快速、合理的排查方案。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于数字孪生的钢铁热轧管控系统，其特征在于，包括：

感知模块：感知物理工厂的环境、设备运行状况和热轧板坯质量属性；

数据模块：对感知的环境、设备和热轧板进行数据采集、数据存储、数据融合、数据传递和数据分析；

表现模块：基于分析后的数据，通过三维图形渲染和增强现实技术，采用虚拟孪生影像表征现实物理工厂的生产情况；

控制模块：基于异构数据的传递和融合，通过数据在信息空间的综合计算分析，基于预设业务规则驱动虚拟场景设备运行和板坯运动与变形，形成全产线实时仿真动画，当设备出现异常状况时，根据控制目标和相应的控制规则，基于故障知识库形成决策控制建议，并发出控制指令。

2.根据权利要求1所述的基于数字孪生的钢铁热轧管控系统，其特征在于，异构的生产设备和物料数据以OPCSERVER的方式提供各数据点的实时数据，并且通过TCP/UDP通讯技术实现通信。

3.根据权利要求1所述的基于数字孪生的钢铁热轧管控系统，其特征在于，所述数据存储包括：将生产计划数据和设备状态数据传输到通用化数据库进行管理，支持任意时间段内数据的导出，进行设备健康状态趋势分析和历史生产计划模拟重现，采用云中心大数据分析平台服务进行构建，基于分布式架构的存储计算服务构建系统的数据存储层，将收集的生产实绩信息和质量数据信息存储至该服务所包含的分布式数据库中，对外提供数据访问服务。

4.根据权利要求1所述的基于数字孪生的钢铁热轧管控系统，其特征在于，所述数据传递基于不同层级间的系统集成，用于多源数据的融合和信息交互。

5.根据权利要求1所述的基于数字孪生的钢铁热轧管控系统，其特征在于，所述数据分析包括对计划指令驱动数据的解析和对设备状态趋势数据的分析，将分析的结果传递给表现模块。

6.根据权利要求1所述的基于数字孪生的钢铁热轧管控系统，其特征在于，所述表现模块包括：根据数据分析的结果，通过三维点云扫描技术和相应的CAD结构图构造厂区结构和设备模型，通过图形渲染技术及环境贴图纹理渲染出等比虚拟仿真场景，基于粒子效果表现技术表征环境雾、气和水元素；

在不同层级间信号采集、交互和处理过程中也应用粒子效果。

7.根据权利要求1所述的基于数字孪生的钢铁热轧管控系统，其特征在于，通过大屏投影和移动增强现实两种方式展现终端，大屏投影投射全产线虚拟影像，具备完整的生产数据和计划调度数据图形化展示功能；

移动增强现实借助可移动小屏终端，基于平面检测或图像特征识别技术识别物理世界设备实体，同步呈现相应的虚拟实体，支持任意设备的点选查看以及视角的切换，支持设备的局部透视或剖视查看，并以2D图形和3D图形相结合的方式展现设备的物理状态数据和健康情况。

8.一种基于数字孪生的钢铁热轧管控方法，其特征在于，采用权利要求1所述的基于数字孪生的钢铁热轧管控系统，包括：

同步跟踪步骤：通过物理工厂与虚拟工厂的实时交互，基于对驱动数据信号的分析结果，对物理世界的动态变化做出实时响应，在虚拟场景中进行同步仿真跟踪；

计划仿真步骤：调用预设时间段内的生产计划信息，解析后以数据驱动虚拟产线各设备运行，根据历史或未来生产计划的缺陷指导生产；

设备监控步骤：对设备运行状态与潜在故障有关的因素进行监测。

9.根据权利要求8所述的基于数字孪生的钢铁热轧管控方法，其特征在于，所述同步跟踪步骤包括：对产线的全方位实时虚拟仿真，对热轧工艺过程，综合考虑工厂布局、生产线工位设备组合、产线计划及轧制顺序，映射为相应的微单元，建立生产流程的数字化模型，并将数字化模型与实际产线和设备的历史、传感、控制、物流信息建立实时一一映射关系，得到实际生产与虚拟生产实时同步的多物理量、多尺度和多维度的数字孪生智能体；

根据生产计划数据、工艺数据和扰动数据规划自身的反应机制，并在全局最优的目标下对各生产单元的行为进行协同控制与优化。

10.根据权利要求8所述的基于数字孪生的钢铁热轧管控方法，其特征在于，所述设备监控步骤包括：在产线设置多个数据采集点进行健康诊断和监控，通过对数据的采集与分析，运用多尺度卷积神经网络的故障检测法，将设备某一时刻的速度、电流、电压值，传入训练好的模型，实时预测设备的健康状况。

Images