CN116009494A - 一种产线的冷凝隧道的控制系统及方法 - Google Patents
一种产线的冷凝隧道的控制系统及方法 Download PDFInfo
- Publication number
- CN116009494A CN116009494A CN202211676238.7A CN202211676238A CN116009494A CN 116009494 A CN116009494 A CN 116009494A CN 202211676238 A CN202211676238 A CN 202211676238A CN 116009494 A CN116009494 A CN 116009494A
- Authority
- CN
- China
- Prior art keywords
- data
- tunnel
- production line
- module
- production
- 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.)
- Withdrawn
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims description 13
- 238000009833 condensation Methods 0.000 claims abstract description 42
- 230000005494 condensation Effects 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000005265 energy consumption Methods 0.000 claims abstract description 11
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 51
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000001816 cooling Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 241000277275 Oncorhynchus mykiss Species 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
Abstract
本发明公开了一种产线的冷凝隧道的控制系统,该控制系统采用中央控制系统和若干计算系统连接,中央控制系统利用计算系统的计算、整合、拟合等能力,将产线和冷凝隧道的生产数据和工作数据采集后,智能化更新数据,利用AI智能算法和神经网络,进行建模、仿真和回归学习,并得到冷凝隧道对应工作模式下能耗数据和产线进度的拟合数据,实现对于产线生产进度和更新控制参数下冷凝隧道运行模式的预测,使得产线和冷凝隧道的运行在满足最大生产效率下的节能。利用若干计算系统满足中央控制系统的计算能力,减小了中央控制系统的算力,以AI智能算法和神经网络替代繁重的算力任务,减少了由于算力不够导致的控制时延的问题,提高了控制系统的控制精度。
Description
技术领域
本发明涉及产线控制技术领域,尤其涉及一种产线的冷凝隧道的控制系统及方法。
背景技术
目前产线中的机器设备多以有线通信为主,在对于需要冷凝隧道进行冷凝的工艺中,冷凝隧道的冷凝决策直接影响到整个产线的生产进度和生产质量,
目前,现有技术中的冷凝隧道的冷凝决策大多仅依靠简单的传感器进行采集和控制,这会导致无法结合产线实时生产数据,产线的冷凝决策不够精准,无法保证节能效益。
因此,有必要对现有技术中的产线的冷凝决策做出改进,以解决上述问题。
发明内容
本发明克服了现有技术的不足,提供一种产线的冷凝隧道的控制系统及方法,旨在解决现有技术中无法结合产线实时生产数据进行精准冷凝决策的问题,以及解决在保证生产的同时,保证节能的问题。
为达到上述目的,本发明采用的技术方案为:一种产线的冷凝隧道的控制系统,包括:中央控制系统,第一计算系统,第二计算系统和第三计算系统;
所述中央控制系统包括:第一数据采集模块、第二数据采集模块、数据传输模块和中央处理器;所述第一数据采集模块用于采集产线的生产数据,所述第二数据采集模块用于采集冷凝隧道的工作数据;
所述第一计算系统包括依次连接的第一特征处理模块和数字孪生模块,采集的所述生产数据通过所述数据传输模块传输至所述第一特征处理模块,所述数字孪生模块的输出端与所述数字传输模块连接;
所述第二计算系统包括依次连接的第二特征处理模块和数据处理模块,采集的所述工作数据通过所述数据传输模块传输至所述第二特征处理模块,所述数据处理模块的输出端与所述数字传输模块连接;
所述第三计算系统包括依次连接的数据整合模块和算法学习模块,所述数据传输模块与所述中央处理器连接,所述算法学习模块的输出端与所述中央处理器连接。
本发明一个较佳实施例中,所述数字孪生模块根据所述生产数据,形成产线的三维虚拟模型,用于获取产线的实时生产进度。
本发明一个较佳实施例中,所述数据处理模块接收所述第二特征处理模块处理的所述工作数据,将判断所述冷凝隧道的实时工作模式和实时能耗数据。
本发明一个较佳实施例中,所述算法学习模块通过AI智能算法和神经网络进行建模、仿真和回归学习,并得到拟合学习数据。
本发明一个较佳实施例中,所述冷凝隧道开始或关闭时间早于产线的设备运行时间或结束时间。
本发明一个较佳实施例中,所述拟合数据是冷凝隧道对应工作模式下能耗数据和产线进度的拟合数据。
本发明一个较佳实施例中,所述工作数据为冷凝隧道的开启时间、运行功率、温度的数据。
本发明中提出了一种产线的冷凝隧道的控制方法,包括以下步骤:
S1、根据产线中设备结构、采集产线的生产数据,经过数字孪生模块搭建三维虚拟模型,并得到产线的实时生产进度;采集冷凝隧道的工作数据,判断所述冷凝隧道的实时工作模式和实时能耗数据;
S2、中央处理器根据产线的生产数据和冷凝隧道的工作数据,发出更新冷凝隧道的工作数据的指令;
S3、中央处理器将更新指令通过算法学习模块后,进行仿真和回归学习,得到更新后的生产进度,并将更新结果发送至中央处理器;
S4、中央处理器将更新结果发送至产线或冷凝隧道的指定执行器。
本发明一个较佳实施例中,数字孪生模块将产线和生产数据形成映射联动关系,并以三维图像的方式显示在终端。
本发明一个较佳实施例中,在算法学习中,以下一次采集中30%~50%的生产数据作为更新数据,经过数字孪生模块对所述三维虚拟模型进行更新,用于数据更新后检测生产进度提高率。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
(1)本发明提供了一种产线的冷凝隧道的控制系统,该控制系统采用中央控制系统和若干计算系统连接,中央控制系统利用计算系统的计算、整合、拟合等能力,将产线和冷凝隧道的生产数据和工作数据采集后,智能化更新数据,使得产线和冷凝隧道的运行在满足最大生产效率下的节能。
(2)本发明利用若干计算系统满足中央控制系统的计算能力,减小了中央控制系统的算力,以AI智能算法和神经网络替代繁重的算力任务,减少了由于算力不够导致的控制时延的问题,提高了控制系统的控制精度。
(3)本发明利用AI智能算法和神经网络,进行建模、仿真和回归学习,并得到冷凝隧道对应工作模式下能耗数据和产线进度的拟合数据,实现对于产线生产进度和更新控制参数下冷凝隧道运行模式的预测,保证在冷凝隧道冷却控制下产线的最大生产率和最大节能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图;
图1是本发明的优选实施例的一种产线的冷凝隧道的控制系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或隐含指明所指示的技术特征的数量。因此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本申请中的具体含义。
本发明提供了一种产线的冷凝隧道的控制系统,该控制系统采用中央控制系统和若干计算系统连接,中央控制系统利用计算系统的计算、整合、拟合等能力,将产线和冷凝隧道的生产数据和工作数据采集后,智能化更新数据,使得产线和冷凝隧道的运行在满足最大生产效率下的节能。
如图1所示,示出了本发明中一种产线的冷凝隧道的控制系统的结构示意图,包括:中央控制系统,第一计算系统,第二计算系统和第三计算系统。
本发明中的产线包括至少一个生产设备,和至少一个通信装置。该通信装置和中央处理器通信连接。
本发明中的中央控制系统包括:第一数据采集模块、第二数据采集模块、数据传输模块和中央处理器。
其中,第一数据采集模块用于采集产线的生产数据,第二数据采集模块用于采集冷凝隧道的工作数据。工作数据为冷凝隧道的开启时间、运行功率、温度的数据。这里,冷凝隧道开始或关闭时间早于产线的设备运行时间或结束时间,确保达到在生产需要前就设备就准备好,又会在生产快要结束时提前关闭制冷系统,实现保证生产提前下的节能要求。
本发明中的生产数据为产线中生产设备的开启时间、运行功率和工作进度等。
本发明中中央处理器不仅仅具有自动根据生产数据和工作数据更新优化的能力,还能直接接收终端的指令,并直接将指令下发至对应产线或冷凝隧道的执行器的能力。
本发明中中央控制系统和若干计算系统实现整体优化决策和分区块精准计算的功能,将中央控制系统中对于生产数据和工作数据的计算、提取和拟合分块至对应的计算系统中,进一步提高了中央控制系统的控制速度。
本发明中第一计算系统包括依次连接的第一特征处理模块和数字孪生模块,采集的生产数据通过数据传输模块传输至第一特征处理模块,数字孪生模块的输出端与数字传输模块连接。
数字孪生模块根据生产数据,形成产线的三维虚拟模型,用于获取产线的实时生产进度;数字孪生模块将产线和生产数据形成映射联动关系,并以三维图像的方式显示在终端,有利于远程观察到产线中生产设备的生产进度情况,有利于实时控制产线或冷凝隧道的数据。
本发明中第二计算系统包括依次连接的第二特征处理模块和数据处理模块,采集的工作数据通过数据传输模块传输至第二特征处理模块,数据处理模块的输出端与数字传输模块连接。
数据处理模块接收第二特征处理模块处理的工作数据,将判断冷凝隧道的实时工作模式和实时能耗数据。
本发明中第三计算系统包括依次连接的数据整合模块和算法学习模块,数据传输模块与中央处理器连接,算法学习模块的输出端与中央处理器连接。
算法学习模块通过AI智能算法和神经网络进行建模、仿真和回归学习,并得到拟合学习数据。
本发明利用AI智能算法和神经网络,进行建模、仿真和回归学习,并得到冷凝隧道对应工作模式下能耗数据和产线进度的拟合数据,实现对于产线生产进度和更新控制参数下冷凝隧道运行模式的预测,保证在冷凝隧道冷却控制下产线的最大生产率和最大节能。
由于中央系统系统需要对整个控制系统进行整体的调控,而更新数据和对数据的处理需要大量的算力支持,如果中央控制系统承担过多的算力任务,会导致整个控制系统的控制发生时延,进而影响对于产线效率的影响。
本发明中利用若干计算系统满足中央控制系统的计算能力,减小了中央控制系统的算力,以AI智能算法和神经网络替代繁重的算力任务,减少了由于算力不够导致的控制时延的问题,提高了控制系统的控制精度。
本发明还提供了一种产线的冷凝隧道的控制方法,包括以下步骤:
S1、根据产线中设备结构、采集产线的生产数据,经过数字孪生模块搭建三维虚拟模型,并得到产线的实时生产进度;采集冷凝隧道的工作数据,判断所述冷凝隧道的实时工作模式和实时能耗数据;
S2、中央处理器根据产线的生产数据和冷凝隧道的工作数据,发出更新冷凝隧道的工作数据的指令;
S3、中央处理器将更新指令通过算法学习模块后,进行仿真和回归学习,得到更新后的生产进度,并将更新结果发送至中央处理器;
S4、中央处理器将更新结果发送至产线或冷凝隧道的指定执行器。
本发明在算法学习中,以下一次采集中30%~50%的生产数据作为更新数据,经过数字孪生模块对三维虚拟模型进行更新,用于数据更新后检测生产进度提高率。
接下来,以具体例子说明本发明:在一个热轧带钢产线中,对于需要降温工艺时,需要在降温工艺开始前,冷凝隧道打开,并在降温将要结束时,正好关闭冷凝隧道;根据对钢头、钢中部和钢尾部的冷却处理部位,确定生产进度,采集后生产的三维虚拟模型;同时采集冷凝隧道工作时的温度、冷却速度、冷却水分布等影响冷却策略的因素,并判断当前冷却隧道的工作模式;中央控制器根据生产数据和冷凝隧道的工作数据,发出更新冷凝隧道的工作数据的指令;中央处理器将更新指令通过算法学习模块后,进行仿真和回归学习,得到更新后的生产进度,并将更新结果发送至中央处理器。中央处理器将更新结果发送至产线或冷凝隧道的指定执行器,使得产线和冷凝隧道的运行在满足最大生产效率下的节能。
以上依据本发明的理想实施例为启示,通过上述的说明内容,相关人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定技术性范围。
Claims (10)
1.一种产线的冷凝隧道的控制系统,其特征在于,包括:中央控制系统,第一计算系统,第二计算系统和第三计算系统;
所述中央控制系统包括:第一数据采集模块、第二数据采集模块、数据传输模块和中央处理器;所述第一数据采集模块用于采集产线的生产数据,所述第二数据采集模块用于采集冷凝隧道的工作数据;
所述第一计算系统包括依次连接的第一特征处理模块和数字孪生模块,采集的所述生产数据通过所述数据传输模块传输至所述第一特征处理模块,所述数字孪生模块的输出端与所述数字传输模块连接;
所述第二计算系统包括依次连接的第二特征处理模块和数据处理模块,采集的所述工作数据通过所述数据传输模块传输至所述第二特征处理模块,所述数据处理模块的输出端与所述数字传输模块连接;
所述第三计算系统包括依次连接的数据整合模块和算法学习模块,所述数据传输模块与所述中央处理器连接,所述算法学习模块的输出端与所述中央处理器连接。
2.根据权利要求1所述的一种产线的冷凝隧道的控制系统,其特征在于:所述数字孪生模块根据所述生产数据,形成产线的三维虚拟模型,用于获取产线的实时生产进度。
3.根据权利要求1所述的一种产线的冷凝隧道的控制系统,其特征在于:所述数据处理模块接收所述第二特征处理模块处理的所述工作数据,将判断所述冷凝隧道的实时工作模式和实时能耗数据。
4.根据权利要求1所述的一种产线的冷凝隧道的控制系统,其特征在于:所述算法学习模块通过AI智能算法和神经网络进行建模、仿真和回归学习,并得到拟合学习数据。
5.根据权利要求1所述的一种产线的冷凝隧道的控制系统,其特征在于:所述冷凝隧道开始或关闭时间早于产线的设备运行时间或结束时间。
6.根据权利要求1所述的一种产线的冷凝隧道的控制系统,其特征在于:所述拟合数据是冷凝隧道对应工作模式下能耗数据和产线进度的拟合数据。
7.根据权利要求1所述的一种产线的冷凝隧道的控制系统,其特征在于:所述工作数据为冷凝隧道的开启时间、运行功率、温度的数据。
8.一种产线的冷凝隧道的控制方法,其特征在于,包括以下步骤:
S1、根据产线中设备结构、采集产线的生产数据,经过数字孪生模块搭建三维虚拟模型,并得到产线的实时生产进度;采集冷凝隧道的工作数据,判断所述冷凝隧道的实时工作模式和实时能耗数据;
S2、中央处理器根据产线的生产数据和冷凝隧道的工作数据,发出更新冷凝隧道的工作数据的指令;
S3、中央处理器将更新指令通过算法学习模块后,进行仿真和回归学习,得到更新后的生产进度,并将更新结果发送至中央处理器;
S4、中央处理器将更新结果发送至产线或冷凝隧道的指定执行器。
9.根据权利要求8所述的控制方法,其特征在于:数字孪生模块将产线和生产数据形成映射联动关系,并以三维图像的方式显示在终端。
10.根据权利要求8所述的控制方法,其特征在于:在算法学习中,以下一次采集中30%~50%的生产数据作为更新数据,经过数字孪生模块对所述三维虚拟模型进行更新,用于数据更新后检测生产进度提高率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211676238.7A CN116009494A (zh) | 2022-12-26 | 2022-12-26 | 一种产线的冷凝隧道的控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211676238.7A CN116009494A (zh) | 2022-12-26 | 2022-12-26 | 一种产线的冷凝隧道的控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116009494A true CN116009494A (zh) | 2023-04-25 |
Family
ID=86022347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211676238.7A Withdrawn CN116009494A (zh) | 2022-12-26 | 2022-12-26 | 一种产线的冷凝隧道的控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116009494A (zh) |
-
2022
- 2022-12-26 CN CN202211676238.7A patent/CN116009494A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288164B (zh) | 一种建筑空调制冷站系统预测控制方法 | |
CN108317670B (zh) | 一种基于机器学习的制冷系统节能控制方法及系统 | |
CN108386972B (zh) | 一种机房空调节能控制系统及方法 | |
CN115220351B (zh) | 一种基于云边端的建筑空调系统智能节能优化控制方法 | |
CN112413831A (zh) | 一种中央空调节能控制系统及方法 | |
CN215724029U (zh) | 一种中央空调自适应控制系统 | |
CN110017161B (zh) | 综采工作面智能供液方法、存储介质、电子设备和系统 | |
CN115823706B (zh) | 一次泵自适应变压差节能控制系统及方法 | |
CN113778215A (zh) | 基于大数据实现数据中心pue预测以及降耗策略的方法 | |
CN109269027A (zh) | 一种自动寻优的空调制冷控制方法、系统及装置 | |
CN114916209A (zh) | 基于ai技术实现微模块节能控制的系统及方法 | |
CN116009494A (zh) | 一种产线的冷凝隧道的控制系统及方法 | |
CN114109465A (zh) | 一种矿井通风系统智能分析决策方法 | |
CN101598927A (zh) | 一种基于神经网络的纯碱碳化工艺控制系统及其控制方法 | |
CN110209649B (zh) | 基于关联规则知识库的中央空调系统能效实时诊断方法 | |
CN117091273A (zh) | 一种中央空调系统自适应学习数据模型的控制方法及装置 | |
CN116907076A (zh) | 一种中央空调冷水机组负荷的柔性调控系统及方法 | |
CN115616993B (zh) | 基于工业机器视觉检测技术的工业设备运行管控系统 | |
CN113769880B (zh) | 一种基于工业大数据水泥生产原料磨系统控制指标优化方法 | |
CN115962543A (zh) | 一种基于边缘计算终端的智能楼宇空调节能系统及方法 | |
CN115235050A (zh) | 一种中央空调冷水机组节能策略的模拟方法、装置 | |
CN115330224A (zh) | 一种优化辅泵控制降低泵房能耗的方法 | |
CN112610459A (zh) | 一种空压机智能群控节能系统及方法 | |
CN116705211B (zh) | 基于数字孪生的富氧铜熔池铜损失率在线预测方法及系统 | |
CN117408170B (zh) | 一种适用于数据中心水冷系统的节能预测控制方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230425 |