深度解读流程行业的数字孪生技术解决系统建模和协同优化难题.docx

《深度解读流程行业的数字孪生技术解决系统建模和协同优化难题.docx》由会员分享，可在线阅读，更多相关《深度解读流程行业的数字孪生技术解决系统建模和协同优化难题.docx（14页珍藏版）》请在优知文库上搜索。

1、流程工业是制造业的重要组成部分，是国民经济发展的重要基础，主要包括化工、冶金、石化等行业，其安全高效的生产对国家而言具有重要的战略意义。然而，流程工业物理化学变化反应复杂、流程间能质流严重耦合、多目标冲突、在线实验风险大，给生产流程系统建模与高效协同优化带来极大困难，严重制约了生产质量和资源利用率的进一步提升。随着信息技术与人工智能的发展，建立虚实结合、协同优化运行的流程工业数字学生生产线所需技术逐渐成熟，其在流程工业的应用价值与潜力日益凸显。流程工业主要包括化工、冶金、石化、造纸、电力等行业，其生产过程中，原料通过化学、物理、相变等反应或变化，经连续加工生成新的物质。流程行业不仅为机械、军工

2、等领域提供原材料与电力能源支持,也是国民经济与人民生活的重要保障。因此，流程工业生产不仅对企业至关重要，也是我国国民经济和社会发展的重要支柱产业，在保障国家重大工程建设和带动国民经济增长等方面起着不可替代的作用。相比于离散制造工业，流程工业具有以下几个特点：流程工业特点：-1）原料物化属性复杂且难以测量，涉及众多工艺，每一个工艺的设备特征、工艺配方、原料属性和操作参数都与生产性能指标有着密切联系，且加工工艺多为复杂的物理过程和化学反应，导致生产过程难以建模。-2）对流程工业而言，为了制造某一产品，原料必须通过由不同功能工序串联起来的制造流程在整体协同下组织生产，其整体运行的全局最优是一个多流程

3、耦合关联、多目标冲突的复杂动态优化命题。-3)不同于离散工业在质量缺陷时可以通过更换零件解决，流程工业体量大，容错率低,一旦发生异常或故障将使一批产品无效造成巨大的经济损失，严重时可能造成人员伤亡与生态环境破坏，因此亟需经营决策优化的自感知、自计算、自组织和自维护功能。传统的流程工业生产往往依靠工人经验，关键工艺质量预测与操作决策依赖工作人员的知识储备和认知水平，严重制约了生产过程的安全高效运行。经过几十年的发展，通过信息化、数字化等手段，我国流程工业产业结构逐步优化，关键技术不断取得突破，对许多生产工序有了较完善的模型与控制系统。然而流程工业物理化学反应复杂，工序间能质流严重耦合，性能指标影

4、响因素众多，生产异常和故障后果严重，因此，对物质流、能量流和信息流的集成和高效调控成了现有制造模式亟待解决的难题。正是由于以上问题，现阶段我国流程工业面临资源利用效率偏低、能耗物耗较高、产品质量较差、生产成本高、三废排放量较大和环境污染较严重等问题。近年来流程工业生产事故时有发生，不仅使企业经济效益受损，而且污染环境，危及人民生命财产安全。构建流程行业的数字李生系统，通过数字挛生体与工业实体的平行运行、实时交互与迭代优化，实现生产过程精准预测与控制、生产自组织优化调度、设备全生命周期管理、产品质量追溯与管控等功能，可以大幅提升流程行业生产质量和效益，促进流程行业高质量发展。数字挛生1.1 数字

5、学生发展数字挛生概念的提出是在2003年美国密歇根大学的GnaZeS教授所开设的产品全生命周期管理(ProdCtTifeCgCleP1.M)课程上，当时称之为“与物理产品等价的虚拟数字化表达1.随后在2OO32O1O年间，数字李生被称为“镜像的空间模型、直到2011年,在文献中，作者提出了新的名词：数字挛生体，该名词正式产生并一直沿用至今。此后，美国空军研究实验室与美国国家航空航天局(NatiCm/AeronauticsandSpaceAdnesr油。NASA)在2012年开展合作，提出了飞行器的数字挛生体概念，并定义了数字李生。NASA在2012年，发布“建模、仿真、信息技术和处理,路线图，

6、将数字挛生概念带入公众视野。2013年，美国空军发布全球地平线顶层科技规划文件，将数字线索和数字挛生并列视为“改变游戏规则”的颠覆性机遇，并于2014年组织洛马、波音、诺格、通用电气、普惠等公司开展了一系列应用研究项目。从此，数字挛生理论与技术体系初步建立并对外推广。在国内，2027中国科学技术协会智能制造学术联合体在世界智能制造大会上将数字挛生列为世界智能制造十大科技进展之一。由此可以看出J数字李生概念的起源距今不到2。年,现阶段的数字挛生技术正处于理论逐渐成型、应用飞速发展的阶段。1.2 数字李生边界定义对于数字挛生的体系结构、建设规范，至今并没有完全成熟、统一的标准。根据数字享生特点与应

7、用背景，有研究者提出了数字学生的三维结构与五维模型对数字李生相关概念、层级进行了总结与归纳。为了能更准确更客观地理解数字李生,本文采用边界法，通过区分数字享生与相关概念,定义数字挛生的基本内涵与功能边界。1.2.1 CPS与数字李生CPS通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术,构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统,实现系统内资源配置和运行的按需响应、快速迭代、动态优化,从而支撑信息化和工业化的深度融合。CPS的内涵是虚实双向的动态连接,简单来说,CPS就是用P（物理）来获得C（信息），从而用C来控制Po而数字挛生，是

8、从物理实体对象镜像出一个信息化的数字享生体，正是CPS概念中从P（物理）得到C（信息）的过程，因此数字李生是建设CPS的基础，是CPS发展的必经阶段,是CPS的核心关键技术。提出使用数字挛生构架用于构建基于云平台的CPS,明确了数字挛生是构建CPS的关键一步。从数字挛生的角度来说，数字挛生试图在虚拟世界中尽可能地模拟物理世界真实发生的一切，但数字挛生并非一定要用于CPSj它有时候只是用来显示而不作为控制。工2.2工业互联网与数字学生数字挛生技术的关键在于挛生，即数字挛生体和物理实体一样是实时并行运行的。这样的性质使得数字李生体对企业或工厂提供对外对内的服务应用具有与生俱来的优势。因而数字享生常

9、常与产品全生命周期服务紧密相连。而工业互联网，指的是通过边缘层、IAAS（Infrastructureas,aSerViCe）层、PAAS（PlatformasaSerViCe）层、SAAS（SoftwareasaSeKViCe）层的架构，结合微服务组件开发工业APP（APPati。八）为客户提供各式各样的应用服务与解决方案。因此，工业互联网和数字率生有着密不可分的关系，工业互联网是数字挛生的延伸，是数字挛生的孵化床，数字季生技术则给工业互联网生态带来持续的改进优化，拓展了工业互联网应用层面的可能性。1.2.3 建模与数字李生建模有各种分类，与数字挛生相关的建模可分为三维几何建模与仿真建模。三

10、维几何建模是数字孳生的重要部分，为数字挛生体提供更宜观的展示。仿真建模与数字李生在某些方面非常相似,从宏观层面上都是由实到虚的过程J但是两者也有差距,首先，仿真建模更倾向于对实体进行抽象J而数字挛生是对实体的复刻,即仿真建模是把一个问题简单化,聚焦在想要研究的关键问题上，而数字李生则倾向于把一个问题综合化J使不同领域的问题在同一个模型上研究。其次，大多数的建模仿真是对一个独立单元进行的，而数字李生涉及到多耦合的整个生产线，并贯穿设计、制造、维护的整个过程,因此数字挛生需要有多维度多尺度的建模，从而能在多个层级下对模型进行耦合。此外，数字李生体是动态的,需要与物理实体层的数据进行实时交互虚实融合

11、，对模型迭代进化。1.2.4 数字化工厂与数字学生数字工厂以产品全生命周期的相关数据为基础，在计算机虚拟环境中,对整个生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式。从含义上来说，数字工厂是对工业数据的搜集归类，建立信息平台，从而对整个企业在制造、管理与营销等方面的可靠性、经济性、质量等有足够的数据分析支持，另一方面，数字工厂通常在离散工业中通过三维建模与仿真,为产品设计到产品生产提供有关空间、尺寸的解决方案。在流程行业中,相比数字工厂，数字挛生有两个不同,首先是其聚焦不同，数字李生聚焦于工业生产线,不涉及过多的企业管理层面。其次是功能不同，在流程工业中,由于生

12、产过程存在大量复杂的物理化学反应，其数字挛生体的构建不仅涉及数字化三维建模,更是需要对流程工业进行机理或者数据驱动的建模,通过对物理实体的全维度拟合，达到自主运行的功能，从而为流程工业提供更合适的解决方案。流程行业与数字挛生的映射框架第1节对流程工业的特点与难点、数字挛生的定义概念进行了介绍，本节介绍流程工业过程的抽象数学模型,并结合数字挛生模型，阐述两者如何在统一框架下进行融合，从而达到流程工业物理实体与数字挛生体的迭代优化，解决流程工业的建模难与协同优化难问题。24统一的物理实体与数字李李生体抽象模型定义如第1节所述,流程工业最主要的难点在于流程工业建模复杂,从而导致其预测困难、优化困难。

13、建模复杂的原因有两个方面，其一是单工序的建模复杂；其二是工序间耦合关系复杂。而数字挛生技术,正是解决这一问题的关键手段。现阶段J业界普遍将一个流程生产线分为ERP(Enterpriseresourcep4mMg)MES(ManufacturiiagexecutionSgStekw)、PCS(PHoCeSScontrolsystem)三层。三个层次之间存在着聚集与解聚的关系。例如PCS层一般以分、秒作为采集周期；MES层数据一般以班次、天作为计算周期；ERP层一般以月、季度作为周期,边界数据可以累积加和向上聚集。结合流程工业的分层，本文将流程工业生产线抽象成一个树结构,从上至下，随着树的深度增加

14、，其节点涉及生产线范围越小,耦合性越高。对于树结构中的任意一棵深度为2的子树,其父节点对应的物理实体，是由子节点对应的物理实体构成的。其构成方式为各个子节点之间连接形成的有向无环图。定义这样的一个子树的所有叶子节点组成的该有向无环图为一个层级，其中的每个叶子节点为一个单元。每一个叶子节点单元可以表示为如下所示的数学抽象：fu=u(X1.)(1)其中,u是流程工业物理实体的数学抽象,fu是物理实体的输出，Xl;X2分别代表流程工业中的操作参数与过程参数。在物理实体层,同层级中各个单元通过物质流、能量流的方式进行耦合，在抽象结构中，我们定义其以参数的方式进行耦合。对于有向无环图中的每一个耦合关系，

15、其参数耦合指的是前序单元的部分输出作为后续单元的操作参数进行输入。在这样的以参数耦合作为耦合方式的抽象关系中,数字挛生体可以定义为式(2)。其输入输出与物理实体层的数学抽象模型一致，均是以参数的形式，唯一的区别在于其映射函数,前者依靠物理层的实际运行而产生映射结果,后者采用建立的数字学生体得到映射结果。fv=v(X1,X2)(2)其中,卜是数字挛生体的数学抽象，付是数字挛生体的输出。2.2 理想状态下的强耦合协同优化解决方法理想状态下,一个数字挛生体是物理实体的完全复刻,其数学内涵为a(xl,x2)=V(X1,x2),Vx1,x2式(3)表明,任何一个单元的流程，在全部变量空间中，由物理实体运

16、行得到的输出和数字挛生体的输出都保持一致。因此，对于这样一个单元数字享生体，可以通过优化算法获得最优解,从而完成对该单元流程的优化。在此基础上,使用通过参数耦合的数字享生体可以解决由于复杂相合特性造成的流程工业协同优化难问题。以由四个单元构成的工业流程为例，假设所有数字李生体都处于理想状态下。具体可以分为如下两种情况：情况2)：所有单元的理想数字挛生体均存在。在该情况下，对于该层级流程的协同优化问题，只需要考虑数字挛生模型,从后向前,根据依赖关系反向进行优化，可以确定所得解为全局最优解。情况2):只有部分单元的理想数字李生体存在。对于这一类情况,由于无法获得全局最优解,通常对指定单元进行优化，以获得整体流程的局部最优解。2.3 非理想状态下的数字李生体优化方案在现实情况下,数字挛生体往往不能与真实物理实体建立完全的映射关系，因此如何构建一个尽可能理想的数字李生体非常重要。有关如何构建