流程工業(yè)數(shù)字孿生關(guān)鍵技術(shù)探討

李彥瑞 楊春節(jié) 張瀚文 李俊方

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、物理、相變等反應或變化，經(jīng)連續(xù)加工生成新的物質(zhì).流程行業(yè)不僅為機械、軍工等領域提供原材料與電力能源支持，也是國民經(jīng)濟與人民生活的重要保障.因此，流程工業(yè)生產(chǎn)不僅對企業(yè)至關(guān)重要，也是我國國民經(jīng)濟和社會發(fā)展的重要支柱產(chǎn)業(yè)，在保障國家重大工程建設和帶動國民經(jīng)濟增長等方面起著不可替代的作用[1].

相比于離散制造工業(yè)，流程工業(yè)具有以下幾個特點:

1)原料物化屬性復雜且難以測量，涉及眾多工藝，每一個工藝的設備特征、工藝配方、原料屬性和操作參數(shù)都與生產(chǎn)性能指標有著密切聯(lián)系，且加工工藝多為復雜的物理過程和化學反應，導致生產(chǎn)過程難以建模.

2)對流程工業(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)，其整體運行的全局最優(yōu)是一個多流程耦合關(guān)聯(lián)、多目標沖突的復雜動態(tài)優(yōu)化命題.

3)不同于離散工業(yè)在質(zhì)量缺陷時可以通過更換零件解決，流程工業(yè)體量大，容錯率低，一旦發(fā)生異?；蚬收蠈⑹挂慌a(chǎn)品無效，造成巨大的經(jīng)濟損失，嚴重時可能造成人員傷亡與生態(tài)環(huán)境破壞，因此亟需經(jīng)營決策優(yōu)化的自感知、自計算、自組織和自維護功能.

傳統(tǒng)的流程工業(yè)生產(chǎn)往往依靠工人經(jīng)驗，關(guān)鍵工藝質(zhì)量預測與操作決策依賴工作人員的知識儲備和認知水平，嚴重制約了生產(chǎn)過程的安全高效運行.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)物理化學反應復雜，工序間能質(zhì)流嚴重耦合，性能指標影響因素眾多，生產(chǎn)異常和故障后果嚴重，因此，對物質(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)境污染較嚴重等問題[2-3].近年來流程工業(yè)生產(chǎn)事故時有發(fā)生，不僅使企業(yè)經(jīng)濟效益受損，而且污染環(huán)境，危及人民生命財產(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)實體的平行運行、實時交互與迭代優(yōu)化，實現(xiàn)生產(chǎn)過程精準預測與控制、生產(chǎn)自組織優(yōu)化調(diào)度、設備全生命周期管理、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，促進流程行業(yè)高質(zhì)量發(fā)展[4].

針對流程工業(yè)數(shù)字孿生技術(shù)的發(fā)展與應用，本文第1 節(jié)介紹數(shù)字孿生技術(shù)的發(fā)展概況，并通過邊界定義法，闡述數(shù)字孿生與一系列相關(guān)概念的異同，使讀者對數(shù)字孿生的定義有更清晰的理解;第2 節(jié)將流程工業(yè)抽象概括為數(shù)學模型，并闡述與數(shù)字孿生體映射關(guān)系，分析如何通過數(shù)字孿生理論方法來解決流程工業(yè)復雜耦合問題，同時通過全流程的迭代優(yōu)化提高數(shù)字孿生體的建模效果;第3 節(jié)介紹了流程工業(yè)數(shù)字孿生的主要關(guān)鍵技術(shù);第4 節(jié)以一條數(shù)字孿生煉鐵生產(chǎn)線為例，展示了數(shù)字孿生技術(shù)在流程行業(yè)中的應用解決方案.

1 數(shù)字孿生

1.1 數(shù)字孿生發(fā)展

隨著大數(shù)據(jù)、云計算、人工智能等相關(guān)技術(shù)的進步，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 年美國密歇根大學的Grieves 教授所開設的產(chǎn)品全生命周期管理(Product lifecycle management，PLM)課程上，當時稱之為“與物理產(chǎn)品等價的虛擬數(shù)字化表達”，隨后在2003～ 2010 年間，數(shù)字孿生被稱為“鏡像的空間模型”[5]，直到2011 年，在文獻[6]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，美國空軍研究實驗室與美國國家航空航天局(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[7-8].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[9].2013 年，美國空軍發(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用研究項目.從此，數(shù)字孿生理論與技術(shù)體系初步建立并對外推廣.在國內(nèi)，2017 中國科學技術(shù)協(xié)會智能制造學術(shù)聯(lián)合體在世界智能制造大會上將數(shù)字孿生列為世界智能制造十大科技進展之一.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、應用飛速發(fā)展的階段.

1.2 數(shù)字孿生邊界定義

對于數(shù)字孿生的體系結(jié)構(gòu)、建設規(guī)范，至今并沒有完全成熟、統(tǒng)一的標準.根據(jù)數(shù)字孿生特點與應用背景，有研究者提出了數(shù)字孿生的三維結(jié)構(gòu)[10]與五維模型[11].文獻[12-13]對數(shù)字孿生相關(guān)概念、層級進行了總結(jié)與歸納.為了能更準確更客觀地理解數(shù)字孿生，本文采用邊界法，通過區(qū)分數(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 通過集成先進的感知、計算、通信、控制等信息技術(shù)和自動控制技術(shù)，構(gòu)建了物理空間與信息空間中人、機、物、環(huán)境、信息等要素相互映射、適時交互、高效協(xié)同的復雜系統(tǒng)，實現(xiàn)系統(tǒng)內(nèi)資源配置和運行的按需響應、快速迭代、動態(tài)優(yōu)化，從而支撐信息化和工業(yè)化的深度融合[14].CPS 的內(nèi)涵是虛實雙向的動態(tài)連接，簡單來說，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，是從物理實體對象鏡像出一個信息化的數(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CPS 的基礎，是CPS發(fā)展的必經(jīng)階段，是CPS 的核心關(guān)鍵技術(shù)[15-16].文獻[17]中，作者提出使用數(shù)字孿生構(gòu)架用于構(gòu)建基于云平臺的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發(fā)生的一切，但數(shù)字孿生并非一定要用于CPS，它有時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)字孿生體和物理實體一樣是實時并行運行的.這樣的性質(zhì)使得數(shù)字孿生體對企業(yè)或工廠提供對外對內(nèi)的服務應用具有與生俱來的優(yōu)勢.因而數(shù)字孿生常常與產(chǎn)品全生命周期服務緊密相連.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)合微服務組件開發(fā)工業(yè)APP(Application)為客戶提供各式各樣的應用服務與解決方案[18-19].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[20]，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)的改進優(yōu)化，拓展了工業(yè)互聯(lián)網(wǎng)應用層面的可能性[21].

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[22].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到虛的過程，但是兩者也有差距，首先，仿真建模更傾向于對實體進行抽象，而數(shù)字孿生是對實體的復刻，即仿真建模是把一個問題簡單化，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問題綜合化，使不同領域的問題在同一個模型上研究.其次，大多數(shù)的建模仿真是對一個獨立單元進行的，而數(shù)字孿生涉及到多耦合的整個生產(chǎn)線，并貫穿設計、制造、維護的整個過程，因此數(shù)字孿生需要有多維度多尺度的建模，從而能在多個層級下對模型進行耦合.此外，數(shù)字孿生體是動態(tài)的，需要與物理實體層的數(shù)據(jù)進行實時交互，虛實融合，對模型迭代進化[23].

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，在計算機虛擬環(huán)境中，對整個生產(chǎn)過程進行仿真、評估和優(yōu)化，并進一步擴展到整個產(chǎn)品生命周期的新型生產(chǎn)組織方式[24].從含義上來說，數(shù)字工廠是對工業(yè)數(shù)據(jù)的搜集歸類，建立信息平臺，從而對整個企業(yè)在制造、管理與營銷等方面的可靠性、經(jīng)濟性、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)品設計到產(chǎn)品生產(chǎn)提供有關(guān)空間、尺寸的解決方案[25].在流程行業(yè)中，相比數(shù)字工廠，數(shù)字孿生有兩個不同，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)過程存在大量復雜的物理化學反應，其數(shù)字孿生體的構(gòu)建不僅涉及數(shù)字化三維建模，更是需要對流程工業(yè)進行機理或者數(shù)據(jù)驅(qū)動的建模，通過對物理實體的全維度擬合，達到自主運行的功能，從而為流程工業(yè)提供更合適的解決方案.

2 流程行業(yè)與數(shù)字孿生的映射框架

第1 節(jié)對流程工業(yè)的特點與難點、數(shù)字孿生的定義概念進行了介紹，本節(jié)介紹流程工業(yè)過程的抽象數(shù)學模型，并結(jié)合數(shù)字孿生模型，闡述兩者如何在統(tǒng)一框架下進行融合，從而達到流程工業(yè)物理實體與數(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)最主要的難點在于流程工業(yè)建模復雜，從而導致其預測困難、優(yōu)化困難.建模復雜的原因有兩個方面，其一是單工序的建模復雜;其二是工序間耦合關(guān)系復雜.而數(shù)字孿生技術(shù)，正是解決這一問題的關(guān)鍵手段.

圖1 流程工業(yè)抽象結(jié)構(gòu)Fig.1 Abstract structure of process industry

如圖1 所示，現(xiàn)階段，業(yè)界普遍將一個流程生產(chǎn)線分為ERP (Enterprise resource planning)、MES (Manufacturing execution system)、PCS(Process control system)三層[26].三個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.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)線抽象成一個樹結(jié)構(gòu)，從上至下，隨著樹的深度增加，其節(jié)點涉及生產(chǎn)線范圍越小，耦合性越高.

對于樹結(jié)構(gòu)中的任意一棵深度為2 的子樹，其父節(jié)點對應的物理實體，是由子節(jié)點對應的物理實體構(gòu)成的.其構(gòu)成方式為各個子節(jié)點之間連接形成的有向無環(huán)圖.定義這樣的一個子樹的所有葉子節(jié)點組成的該有向無環(huán)圖為一個層級，其中的每個葉子節(jié)點為一個單元.每一個葉子節(jié)點單元可以表示為如下所示的數(shù)學抽象:

其中，u是流程工業(yè)物理實體的數(shù)學抽象，fu是物理實體的輸出，x1，x2分別代表流程工業(yè)中的操作參數(shù)與過程參數(shù).

在物理實體層，同一層級中各個單元通過物質(zhì)流、能量流的方式進行耦合，在抽象結(jié)構(gòu)中，我們定義其以參數(shù)的方式進行耦合.對于有向無環(huán)圖中的每一個耦合關(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體層的數(shù)學抽象模型一致，均是以參數(shù)的形式，唯一的區(qū)別在于其映射函數(shù)u，v，前者依靠物理層的實際運行而產(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)學抽象，fv是數(shù)字孿生體的輸出.

圖2 流程工業(yè)樹結(jié)構(gòu)Fig.2 Process industry tree structure

2.2 理想狀態(tài)下的強耦合協(xié)同優(yōu)化解決方法

理想狀態(tài)下，一個數(shù)字孿生體是物理實體的完全復刻，其數(shù)學內(nèi)涵為

式(3)表明，任何一個單元的流程，在全部變量空間中，由物理實體運行得到的輸出和數(shù)字孿生體的輸出都保持一致.因此，對于這樣一個單元數(shù)字孿生體，可以通過優(yōu)化算法獲得最優(yōu)解，從而完成對該單元流程的優(yōu)化.在此基礎上，使用通過參數(shù)耦合的數(shù)字孿生體可以解決由于復雜耦合特性造成的流程工業(yè)協(xié)同優(yōu)化難問題.以由四個單元構(gòu)成的工業(yè)流程為例，如圖3 所示，假設所有數(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:

情況1):所有單元的理想數(shù)字孿生體均存在.在該情況下，對于該層級流程的協(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.對于這一類情況，由于無法獲得全局最優(yōu)解，通常對指定單元進行優(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)實情況下，數(shù)字孿生體往往不能與真實物理實體建立完全的映射關(guān)系，因此如何構(gòu)建一個盡可能理想的數(shù)字孿生體非常重要.有關(guān)如何構(gòu)建單元級數(shù)字孿生體在第3.2 節(jié)中有詳細介紹.本節(jié)主要介紹如何通過全流程數(shù)字孿生體來對單元數(shù)字孿生體進行反饋優(yōu)化.例如，在圖4 中，為了對單元2進行優(yōu)化，使用單元2 的數(shù)字孿生體與物理實體模型平行運行，將單元2 的前序單元使用物理實體層的數(shù)據(jù)進行輸入，根據(jù)單元2 的數(shù)字孿生體的輸出與物理實體層單元2 的輸出進行比較，對偏差進行反饋優(yōu)化.

圖3 理想數(shù)字孿生體的協(xié)同優(yōu)化Fig.3 Collaborative optimization of ideal digital twins

圖4 數(shù)字孿生體的反饋優(yōu)化Fig.4 Feedback optimization of digital twins

圖5 虛實交互數(shù)字孿生體Fig.5 Virtual reality interactive digital twin

在如圖5 所示的流程生產(chǎn)線持續(xù)運行過程中，可以看出，整個數(shù)字孿生體與物理實體保持了平行運行、實時交互與迭代優(yōu)化的過程，物理實體的生產(chǎn)過程使數(shù)字孿生體不斷地優(yōu)化迭代，同時數(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物理實體生產(chǎn)線進行改善，兩者互相促進，共同進化.

圖6 數(shù)字孿生關(guān)鍵技術(shù)Fig.6 Key technologies of digital twin

2.4 數(shù)字孿生技術(shù)在流程行業(yè)的價值

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，將物理實體流程上的耦合轉(zhuǎn)化成各個數(shù)字孿生體參數(shù)間的耦合，解決了流程工業(yè)耦合復雜而造成的協(xié)同優(yōu)化難題.通過全流程的物理實體對單個數(shù)字孿生體提供反饋優(yōu)化，提高單元級數(shù)字孿生體的構(gòu)建精度，此外，這種更新迭代機制也解決了流程行業(yè)模型動態(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、自計算、自組織和自維護解決方案[27].

3 流程行業(yè)數(shù)字孿生關(guān)鍵技術(shù)

數(shù)字孿生是在大數(shù)據(jù)、云計算、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[28-29].已有較多的學者對數(shù)字孿生研究現(xiàn)狀做出總結(jié)[30].但是大多數(shù)是針對數(shù)字孿生的整體生態(tài)，沒有聚焦到特定領域上，而數(shù)字孿生應用領域廣闊，在不同的領域往往會與不同的技術(shù)相結(jié)合.例如在離散工業(yè)中，有學者利用多尺度融合建模、融合模型的狀態(tài)評估、數(shù)據(jù)采集與傳輸、全壽命周期數(shù)據(jù)管理、虛擬現(xiàn)實以及高性能運算等技術(shù)構(gòu)建數(shù)字孿生系統(tǒng)[31].

本文總結(jié)以上相關(guān)研究成果，并結(jié)合在流程行業(yè)領域的研究與應用情況，以數(shù)據(jù)從物理實體到數(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、增強式交互及其轉(zhuǎn)化應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，需要學術(shù)界和產(chǎn)業(yè)界投入更多精力聯(lián)合攻關(guān).

3.1 數(shù)據(jù)基礎技術(shù)

數(shù)字孿生的發(fā)展少不了數(shù)據(jù)作為基礎支撐，有關(guān)數(shù)據(jù)的基礎技術(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)、智能檢測儀表等進行采集.近10 年來，隨著深度學習的發(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，大大擴充了信息來源，各類圖像、聲音采集設備也廣泛使用到數(shù)據(jù)采集中[32-34].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)點的連接數(shù)也大幅提升，采樣頻率得到提高[35]，數(shù)據(jù)大量增加，為數(shù)字孿生帶來更多的可能性[36].

針對流程工業(yè)，傳感器的發(fā)展方向主要包括以下三個方面:1)智能化:一方面完成多種傳感功能與數(shù)據(jù)處理、儲存、雙向通信的集成，實現(xiàn)信號探測、邏輯判斷、功能計算等基本任務;另一方面讓傳感器實現(xiàn)內(nèi)部自檢、自校準、自補償、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:隨著集成微電子機械加工技術(shù)的日趨成熟，微機電系統(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、耐腐蝕等特點可以很好地運用到流程工業(yè)中，對以往只能通過軟測量方法得到的過程變量進行測量[37].此外，巡檢機器人的廣泛應用為惡劣環(huán)境下的數(shù)據(jù)采集提供了新的方案[38].

3.1.2 多源異構(gòu)數(shù)據(jù)集成

數(shù)字孿生系統(tǒng)建設過程中，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)、應用程序生命周期管理系統(tǒng)(Application lifecycle management，ALM)、服務生命周期管理系統(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)，在此基礎上存在著更為復雜的特點，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具有多個采樣率的工業(yè)過程，其在流程工業(yè)中很常見[39].如電信號和機械信號的采樣間隔通常在秒級甚至毫秒級，而溫度、流量、壓力等過程變量的采樣間隔通常在分鐘級，至于生產(chǎn)性能指標相關(guān)的數(shù)據(jù)往往需要通過實驗室化驗分析才能得到，這些變量的采樣間隔一般在小時級甚至天級.這樣的特性使得傳統(tǒng)的對均一采樣間隔的建模分析手段在遇到多來源的數(shù)據(jù)時會有很大問題.對此，表1列舉了幾種典型的方法來對多采樣率問題進行升采樣與降采樣，主要分為單維估計法和多維估計法.除此之外，結(jié)合具體數(shù)據(jù)，大量的學者采用更為復雜的方法對多源異構(gòu)數(shù)據(jù)進行集成.例如使用概率主成分分析(Probabilistic principal component analysis，PPCA)[40]，因子分析(Factor analysis，F(xiàn)A)[41]等概率框架下的統(tǒng)計學習方法對二采樣率數(shù)據(jù)進行集成.采用信息融合策略融合多個卡爾曼濾波器對多采樣率數(shù)據(jù)進行融合[42]等.在文獻[43]中，作者介紹了使用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，從而完成自動化的數(shù)據(jù)配置.文獻[44]針對電網(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)換為向量表達形式的結(jié)構(gòu)化數(shù)據(jù)，從而進行建模的方法也可作為借鑒應用于工業(yè)中[45].

表1 多采樣率時序數(shù)據(jù)處理方法Table 1 Multi rate time series data processing method

通過上述的多源異構(gòu)數(shù)據(jù)集成，將多個系統(tǒng)轉(zhuǎn)換連接至數(shù)據(jù)平臺上，從而用于數(shù)字孿生體的構(gòu)建與融合，對數(shù)字孿生體的整體構(gòu)建有較大提升[46].

3.1.3 數(shù)據(jù)傳輸

從集中式控制、集散控制到現(xiàn)場總線控制系統(tǒng)，數(shù)據(jù)傳輸能力的發(fā)展決定了工業(yè)自動化系統(tǒng)的實現(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，建設數(shù)字孿生系統(tǒng)需要先進可靠的數(shù)據(jù)傳輸技術(shù)，需具備更高的帶寬、低延時、安全性等特性.

其中第五代移動通信網(wǎng)絡(5G)技術(shù)因其低延時、大帶寬、泛在網(wǎng)、低功耗的特點，被認為是第四次工業(yè)革命的重要一環(huán).5G 三大應用場景是增強移動寬帶(Enhanced mobile broadband，eMBB)、海量機器類通信(Massive machine type of communication，mMTC)和超可靠低時延通信(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)增強移動寬帶:可以支持更高清虛實交互，提升數(shù)字孿生三維模型的虛擬現(xiàn)實(Virtual reality，VR)/增強現(xiàn)實(Augmented reality，AR)交互功能;2)海量機器類通信: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)點互聯(lián)、全面感知的需求，為工業(yè)流程的供應鏈管理等提供基礎;3)高可靠低延時，可以滿足數(shù)字孿生體與工業(yè)實體實時同步與交互的需求，有效完成流程工業(yè)對控制操作等任務.因此5G 是建設的工業(yè)互聯(lián)網(wǎng)關(guān)鍵基礎設施，是實現(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)流程包含的設備對象的合集，其次明確各設備數(shù)字孿生對生產(chǎn)流程各階段的指導意義，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)字化復刻.首先獲取各對象的幾何結(jié)構(gòu)、空間運動、幾何關(guān)聯(lián)等幾何屬性建立3D 模型，之后結(jié)合實體對象的空間運動規(guī)律，對運行效果渲染優(yōu)化，最后進行匹配連接，實現(xiàn)幾何屬性數(shù)字化精準復刻[47].3)內(nèi)核模型構(gòu)建.結(jié)合傳熱學、流體力學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)字孿生模型測試驗證.通過建立模型精度及可信度評測算法與融合客觀檢測數(shù)據(jù)及先驗知識，構(gòu)建孿生體模型評估驗證平臺，對孿生體的精度與穩(wěn)定性進行測試.

其中數(shù)字孿生體內(nèi)核模型的構(gòu)建是整個數(shù)字孿生體穩(wěn)定運行的關(guān)鍵，是有效的數(shù)字孿生服務應用的保證.對于單元級數(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，建立單元級數(shù)字孿生體時需要采用多模型融合的方法，一方面通過累加多個模型對全變量空間進行覆蓋，另一方面通過平均多個模型提高模型的精度與可靠性.工業(yè)領域常見的模型包括基于知識的模型、機理模型和數(shù)據(jù)驅(qū)動模型.表2 展示了三者的優(yōu)缺點，現(xiàn)階段隨著大數(shù)據(jù)、人工智能的興起，數(shù)據(jù)驅(qū)動模型在復雜模型場景下有更好的效果.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，機理模型仍然作為一種先驗模型得到廣泛應用[48].基于知識的模型因其建模效果差，往往只用于對特殊情況的判斷，從而對整體模型進行補充.由于多模型融合的優(yōu)越性，已有大量學者通過多模型融合建立了流程工業(yè)單元級模型[49-50].對于模型融合的方法，常見的包括對不同變量空間的多模型分段覆蓋以及對于同一變量空間的多模型加權(quán)平均.此外，文獻[51]提出了一種基于語義特征融合的異構(gòu)模型集成方法，有效地將各種類型的語義特征和幾何特征集成到模型中.文獻[52]提出一個基于兩層模型的具有深層特征選擇程序的多模型框架.文獻[53-54]中，針對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)，在應用中取得了增加產(chǎn)量和降低能耗的實際效果.

2)多尺度多維度建模

表2 三種建模方法對比Table 2 Comparison of three modeling methods

為了建立精準完備的數(shù)字孿生體，不僅要在多時空尺度上對實體對象進行建模，還要從幾何、物理、化學、行為、規(guī)則等多個維度對實體對象的特征進行刻畫.多尺度建?？煞譃殚L度尺度、時間尺度以及耦合范圍三個方面，能夠連接不同尺度的物理過程以模擬眾多的科學問題.其中長度尺度和時間尺度的建模主要為了建立多精度等級的模型，在不同的應用場景下提供不同精度等級的模型從而達到效率與精度的協(xié)調(diào).例如，在文獻[55-56]中，作者在長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生產(chǎn)鏈、下至兩個工位之間的耦合模型，文獻[57]提出了一種有“自我意識”的數(shù)字孿生模型，通過一種獨創(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)特點可以較好地符合流程工業(yè)生產(chǎn)需要.對于模型尺度的劃分，一方面要考慮單元級模型的精度，另一方面要考慮跨單元間的耦合程度，如果兩個單元的耦合程度很高，往往需要將兩個單元耦合在一起建立整體模型，因而需要對具體工業(yè)生產(chǎn)流程具體分析.

3.3 增強式交互

物理實體是實際存在的客觀對象，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體，增強式交互技術(shù)廣泛運用在數(shù)字孿生系統(tǒng)的對外顯示與交互中，主要技術(shù)包括虛擬現(xiàn)實(VR)[58-59]、增強現(xiàn)實(AR)[60-61]與混合現(xiàn)實(Mixed reality，MR)，三者合稱為3R技術(shù).對3R 技術(shù)的對比如表3 所示.

對于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)中得到應用，包括對產(chǎn)品的設計、調(diào)試、維護等[62-64].文獻[65]中，作者介紹了通過手持拍攝設備對生產(chǎn)線進行3D 重建，獲得數(shù)字孿生可視化模型，并可在佩戴式設備中進行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，促進數(shù)字孿生技術(shù)在中小企業(yè)的應用.

3.4 轉(zhuǎn)化應用

數(shù)字孿生作為一項技術(shù)，將其轉(zhuǎn)化應用、為企業(yè)創(chuàng)造價值才能真正體現(xiàn)這項技術(shù)的價值.現(xiàn)階段的數(shù)字孿生技術(shù)大多基于云計算、SAAS (Softwareas-a-service)平臺的構(gòu)架，通過App 軟件，為客戶提供服務應用與解決方案[66-67].SAAS 是一種通過網(wǎng)絡提供軟件的模式，廠商將應用軟件統(tǒng)一部署在自己的服務器上，客戶可以根據(jù)自己實際需求，通過互聯(lián)網(wǎng)向廠商定購所需的應用軟件服務，按定購的服務多少和時間長短向廠商支付費用，并通過互聯(lián)網(wǎng)獲得廠商提供的服務[68-69].這種模式大大減少了中小型企業(yè)購買、構(gòu)建以及維護基礎設施和應用程序的需要，減少了對信息技術(shù)(Information technology，IT)的投資，并可以獲得更穩(wěn)定、更有效的服務應用.現(xiàn)階段這種模式在離散行業(yè)、智慧城市中有大量的應用，但是對于流程工業(yè)，由于相關(guān)企業(yè)需求復雜，行業(yè)專業(yè)性強，開發(fā)SAAS 平臺的IT人員并不懂相關(guān)領域知識，而常年工作在生產(chǎn)線的工人們也對IT技術(shù)不了解，因此如何構(gòu)建能夠支持流程工業(yè)應用的中臺系統(tǒng)極為關(guān)鍵.常見的各類應用包括數(shù)字化學習工廠[70]、生產(chǎn)過程控制[71]、生產(chǎn)自組織運行與調(diào)度[72]、產(chǎn)品生命周期管理[73-74]和設備故障診斷[75]等.

4 數(shù)字孿生煉鐵生產(chǎn)線應用解決方案

從廣義上來說，數(shù)字孿生的應用場景有制造過程數(shù)字孿生[76-77]、智慧城市[78]、復雜裝備數(shù)字孿生[79-80]、醫(yī)療數(shù)字孿生[81]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)字化學習工廠、煉鐵過程協(xié)同優(yōu)化、煉鐵過程故障診斷與設備維護和煉鐵過程自組織運行四個方面展示數(shù)字孿生技術(shù)如何在實際工業(yè)中應用.

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，主要包括四個階段，分別是:煉鐵流程/設備數(shù)字孿生體需求分析、煉鐵流程/設備幾何屬性數(shù)字化復刻、煉鐵流程/設備運行機理多時空尺度建模以及煉鐵流程/設備孿生模型測試驗證.

表3 3R 技術(shù)對比Table 3 Comparison of 3R technology

圖7 煉鐵生產(chǎn)線數(shù)字孿生系統(tǒng)技術(shù)架構(gòu)圖Fig.7 Technical architecture of ironmaking digital twin system

4.1.1 煉鐵流程/設備數(shù)字孿生體需求分析

主要有四個階段，首先明確設備對象:包括物料貯存過程中的儲存、混勻及運輸設備;燒結(jié)過程中的配料、混合、布料、燒結(jié)和破碎篩分設備;造球過程中的脫水、潤磨、造球和焙燒設備;高爐煉鐵過程中的上料、布料、鼓風、打孔、熱風和TRT 設備.其次明確煉鐵流程/設備數(shù)字孿生體對煉鐵流程各階段生產(chǎn)的指導意義.再次明確已有的煉鐵流程各階段機理模型、可改造和獲取的數(shù)據(jù)、新增檢測數(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/設備幾何屬性數(shù)字化復刻

1)結(jié)合現(xiàn)有測量方法，完成煉鐵流程/設備實體對象的幾何結(jié)構(gòu)、空間運動、幾何關(guān)聯(lián)等幾何屬性獲取.2)通過對已有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/設備實體對象的空間運動規(guī)律，利用3D 重建工具，實現(xiàn)煉鐵流程/設備空間幾何模型的重建;針對模型重建過程中存在計算資源有限的問題，對煉鐵流程/設備空間幾何模型進行渲染優(yōu)化.4)對煉鐵流程中各設備空間幾何模型進行匹配連接，從而實現(xiàn)煉鐵流程/設備幾何屬性數(shù)字化精準復刻.

4.1.3 煉鐵流程/設備運行機理多時空尺度建模

在完成煉鐵流程/設備幾何屬性數(shù)字化復刻的基礎上結(jié)合流體力學、傳熱學等理論與人工智能、大數(shù)據(jù)處理等方法對煉鐵流程/設備中的運行機理與規(guī)律進行深入研究，從而建立機理和數(shù)據(jù)驅(qū)動的煉鐵流程/設備多時空尺度模型，能夠在時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)鍵工序和主要設備的運行狀態(tài)與物料流通的變化情況，全面刻畫出實際煉鐵過程中輸出量與輸入量之間的準確關(guān)系.煉鐵生產(chǎn)線數(shù)字孿生體的構(gòu)建可劃分為三個層次，即流程級、工序級與設備級.

流程級數(shù)字孿生體，多為多個工序級數(shù)字孿生體耦合而成，基本不涉及單元級孿生體的構(gòu)建問題.工序級數(shù)字孿生體，其組成設備形式多樣，如料場的數(shù)字孿生體，其在生產(chǎn)邏輯與物理實體上已經(jīng)是一個耦合性緊密的單元，并且其建模是可行的，如果再將其解耦會大大增加耦合參數(shù)規(guī)模，因此不對其進行解耦.而類似一混、二混等設備，其通常是一個設備組，設備組內(nèi)部的單個設備建模簡單，且耦合性較弱，因此可以對其進行設備層的解耦.由此看出，在實際建立數(shù)字孿生體的過程中，對物理實體層中的設備需要考慮其之間的耦合程度與建模復雜程度從而確定數(shù)字孿生體單元的粒度.

4.1.4 煉鐵流程/設備孿生模型測試驗證

數(shù)字孿生模型的驗證主要從兩個方面，其一是通過建立模型精度及可信度評測算法，對煉鐵流程/設備孿生模型的運行效果進行驗證;其二是通過融合客觀檢測數(shù)據(jù)及先驗知識，構(gòu)建孿生體模型評估驗證平臺，實現(xiàn)孿生體構(gòu)建過程全方位多角度交叉驗證.只有通過了測驗的數(shù)字孿生體才可用于與真實物理系統(tǒng)的平行運行，指導生產(chǎn)過程.

4.2 數(shù)字化學習工廠

數(shù)字化學習工廠是以工作為導向，面向未來制造業(yè)教育、培訓和研究的學習環(huán)境.其廣泛使用了數(shù)字孿生技術(shù)，將以往的學習者在物理世界中實踐學習的模式，轉(zhuǎn)向?qū)W習者通過增強式交互的手段在虛擬空間中進行實踐學習的模式，為學生求職以及工程師的職務提升提供幫助.煉鐵系統(tǒng)的數(shù)字化學習工廠通過分析煉鐵流程/設備的幾何結(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)合設計圖紙和實景拍攝照片，采用3Dsmax 軟件建立空間幾何模型，并在Polygon Cruncher、3DS VIZ、Autodesk VIZ 等軟件平臺上對三維模型進行優(yōu)化.其次，利用Unity3D 建立煉鐵過程中的交互模擬和物料運動全過程模擬，并實時讀取現(xiàn)場或其數(shù)字孿生體運行數(shù)據(jù)，重構(gòu)出隨現(xiàn)場運行過程實時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.在此基礎上采用RealFlow 實現(xiàn)流體模擬，利用ANSYS、CFD、Fluent 等CAE (Computer aided engineering)分析軟件對煉鐵流程/設備的運行機理、能量交換、多場耦合演變規(guī)律等進行建模及數(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)場作為煉鐵生產(chǎn)線的演示與講解工具，并可擴展為VR 環(huán)境，實現(xiàn)煉鐵生產(chǎn)線與工人、學習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，確保各個環(huán)節(jié)產(chǎn)品質(zhì)量，同時降低鋼鐵生產(chǎn)成本、降低污染物排放，從而增強企業(yè)競爭力.為實現(xiàn)這一系列目標，鋼鐵企業(yè)需要將采購、配礦、產(chǎn)出評價三個環(huán)節(jié)緊密地結(jié)合起來.傳統(tǒng)方法使用專家系統(tǒng)與實驗數(shù)據(jù)結(jié)合的方法進行物料配方優(yōu)化的初步試驗，但仍存在實時物料信息獲取困難、多級配料間能質(zhì)流耦合復雜和精細智能優(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，工藝機理極其復雜，存在多分布參數(shù)、大滯后、高度非線性、強耦合、嚴重時變等建模和控制難點.因此，煉鐵生產(chǎn)過程運行優(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)過程高效運行，提高生產(chǎn)效率，提升產(chǎn)品質(zhì)量，降低生產(chǎn)運行成本的重要途徑.而工藝參數(shù)優(yōu)化針對工藝控制模型精度不足的問題，基于數(shù)據(jù)或機理模型向工人推薦優(yōu)化的操作參數(shù)，包括對燒結(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)鍵工藝進行建模.在此基礎上，構(gòu)建以燒結(jié)礦質(zhì)量穩(wěn)定為優(yōu)化目標的燒結(jié)過程工藝參數(shù)優(yōu)化模型、以最小化真實料面形狀與期望料面形狀的偏差為目標的布料矩陣單目標優(yōu)化模型和以最小化鐵水硅含量預測值與期望設定值的偏差為目標的高爐鐵水質(zhì)量優(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行優(yōu)化，因而對于涉及多工序、多時空尺度的生產(chǎn)流程無法有效優(yōu)化.通過數(shù)字孿生技術(shù)，可將整個優(yōu)化問題從原先脫離整體的局部優(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配料、燒結(jié)配料和高爐配料三個層次的配料，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)場的實際感知數(shù)據(jù)進行融合，實現(xiàn)鐵前工藝配料工序監(jiān)控覆蓋.同時利用新型數(shù)據(jù)挖掘和數(shù)據(jù)庫管理相關(guān)技術(shù)，實現(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，為鐵前工藝各測量變量間的未知耦合關(guān)系分析評價，為潛在配料優(yōu)化目標和優(yōu)化約束條件的挖掘構(gòu)建提供指導，用以實現(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，對混勻料場配料、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計流程，可以實現(xiàn)煉鐵生產(chǎn)過程中鐵水質(zhì)量、燃料比、污染排放等運行指標的多工序、多目標協(xié)調(diào)智能運行優(yōu)化控制，保證煉鐵生產(chǎn)過程優(yōu)化運行，達到節(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備維護

煉鐵過程設備的異?；蚬收蠈掕F生產(chǎn)危害嚴重，會引起煉鐵質(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，迫切需要對煉鐵設備異常或故障進行預警和診斷.基于數(shù)字孿生技術(shù)的設備異常/故障預警、診斷溯源，能夠降低大型煉鐵系統(tǒng)設備診斷的難度，提高診斷的準確性與可靠性，保障煉鐵設備可靠運行.同時依靠數(shù)字孿生體的耦合關(guān)系，在實際生產(chǎn)線運行過程中，對數(shù)字孿生體進行動態(tài)更新與異值反饋，從而保證模型的精度與時效.此外，通過工業(yè)物聯(lián)網(wǎng)、巡檢機器人、云計算平臺的集成運用，對現(xiàn)場狀態(tài)進行集中監(jiān)控和遠程運維，提高運維的智能化與自動化，減輕人力負擔，降低運維成本.

除了故障診斷，數(shù)字孿生體還可用于對設備的性能退化情況與剩余使用壽命進行預測.首先，建立煉鐵設備性能退化數(shù)據(jù)庫.由于高可靠性設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展數(shù)據(jù)量，包括使用高相似度設備的性能退化數(shù)據(jù)和加速試驗數(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.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)與退化機理，綜合高相似度設備和孿生模型與當前設備個體的共有特征，同時充分體現(xiàn)當前設備個體的專有特征.最后，利用性能退化模型實現(xiàn)剩余壽命預測，即依據(jù)在線數(shù)據(jù)估計退化模型參數(shù)，進而預測性能參量，并將預測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備性能退化的動態(tài)變化.

4.5 煉鐵過程自組織運行

自組織運行和調(diào)度是煉鐵生產(chǎn)有序進行的關(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)動的煉鐵生產(chǎn)自組織運行和調(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，實現(xiàn)全流程、全業(yè)務數(shù)據(jù)之間的集成和融合，使得物理世界主動感知煉鐵生產(chǎn)運行狀態(tài)，利用虛擬世界自組織、自學習、自仿真機制，及時對生產(chǎn)調(diào)度方案和決策評估進行調(diào)整，快速、精準地確定異常范圍，具有更好的自適應、擾動響應和異常解決能力.同時，數(shù)字孿生體的增強式交互技術(shù)可以將復雜的運行調(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)務的工人獲得不同的信息.基于數(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)活動計劃、生產(chǎn)過程三個方面的自組織運行與調(diào)度優(yōu)化.第1 個階段是對生產(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)與煉鐵服務系統(tǒng)的交互過程，其中煉鐵生產(chǎn)服務系統(tǒng)起主導作用.通過對生產(chǎn)要素管理的迭代優(yōu)化，得到最初始的生產(chǎn)計劃.第2 個階段是對生產(chǎn)計劃的迭代優(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)起主導作用.通過第2個階段得到優(yōu)化后的預定義的生產(chǎn)計劃.第3 個階段是對煉鐵生產(chǎn)過程的實時迭代優(yōu)化過程，反映了數(shù)字孿生煉鐵生產(chǎn)中的物理對象與虛擬對象的交互過程，其中物理對象起主導作用.通過三個階段的迭代優(yōu)化，孿生數(shù)據(jù)不斷更新與擴充，并對煉鐵生產(chǎn)過程優(yōu)化方法進行不斷更新和完善.流程行業(yè)生產(chǎn)線的自組織運行與調(diào)度是由于涉及流程廣，對模型精度要求高，其基礎需要完備的數(shù)字孿生體的建立和完善的虛實數(shù)據(jù)量的積累，是現(xiàn)階段亟需克服的難點.

5 結(jié)束語

流程工業(yè)具有生產(chǎn)過程復雜、過程建模繁瑣、工序間耦合強、全局優(yōu)化困難等特點，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)境污染較嚴重等問題.本文針對流程工業(yè)生產(chǎn)過程特點，提出數(shù)字孿生技術(shù)在流程工業(yè)運用的愿景功能，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)字化學習工廠、煉鐵過程協(xié)同優(yōu)化、煉鐵過程故障診斷與設備維護、煉鐵過程自組織運行等解決方案，為流程工業(yè)數(shù)字孿生系統(tǒng)的研究開發(fā)與推廣應用提供案例.虛實結(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)劃的一系列應用，有效提高生產(chǎn)質(zhì)量，實現(xiàn)節(jié)能減排，促進企業(yè)高質(zhì)量發(fā)展.在未來幾年，我們亟需進一步研究提高流程工業(yè)數(shù)字孿生體精度、數(shù)字孿生體與物理實體自主交互安全性等問題，并促進數(shù)字孿生技術(shù)在流程工業(yè)的應用推廣，推動流程工業(yè)數(shù)字孿生技術(shù)的發(fā)展.