基于Aspen Plus和決策樹的車間培訓(xùn)數(shù)字孿生系統(tǒng)構(gòu)建

摘 要 針對(duì)傳統(tǒng)化工企業(yè)車間操作培訓(xùn)方式教學(xué)效果難以量化、費(fèi)用高昂、時(shí)間成本大等問題，研究了以數(shù)字孿生技術(shù)為基礎(chǔ)的化工企業(yè)車間操作培訓(xùn)系統(tǒng)和自動(dòng)評(píng)測(cè)模型。采用不同領(lǐng)域的仿真軟件相互連接來模擬整個(gè)流程，通過可視化結(jié)果輔助數(shù)據(jù)分析和決策過程，驗(yàn)證了Aspen Plus軟件在化工數(shù)字孿生領(lǐng)域應(yīng)用的可行性。此外，還提出了一種基于決策樹和Dijkstra算法的自動(dòng)評(píng)測(cè)模型，利用決策樹對(duì)數(shù)據(jù)進(jìn)行分類，結(jié)合Dijkstra算法計(jì)算最優(yōu)標(biāo)準(zhǔn)序列，實(shí)現(xiàn)了針對(duì)員工操作過程和結(jié)果的自動(dòng)評(píng)估。

關(guān)鍵詞 數(shù)字孿生 操作培訓(xùn)系統(tǒng) 自動(dòng)評(píng)測(cè)模型 決策樹 Dijkstra

中圖分類號(hào) TP391 " 文獻(xiàn)標(biāo)志碼 B " 文章編號(hào) 1000-3932（2024）04-0706-08

在化工行業(yè)中，數(shù)字孿生可以幫助企業(yè)建立一個(gè)更加透明的生產(chǎn)體系，通過實(shí)時(shí)監(jiān)測(cè)現(xiàn)場(chǎng)設(shè)備狀態(tài)和生產(chǎn)數(shù)據(jù)，將現(xiàn)場(chǎng)生產(chǎn)過程中的反應(yīng)、傳熱及精餾等每一步都映射在數(shù)字孿生體上［1］，為操作人員和現(xiàn)場(chǎng)工程師提供更多的參考。

傳統(tǒng)的化工企業(yè)車間操作培訓(xùn)方式受到了時(shí)間和空間的限制，難以滿足企業(yè)內(nèi)部對(duì)于技術(shù)熟練度和操作技能的要求。傳統(tǒng)培訓(xùn)方法不僅需要占用經(jīng)濟(jì)成本和時(shí)間成本，而且實(shí)效性較低，無法及時(shí)有效地反饋學(xué)員是否掌握了操作技巧［2，3］。因此，開發(fā)基于數(shù)字孿生技術(shù)的化工企業(yè)車間操作培訓(xùn)系統(tǒng)成為當(dāng)前化工行業(yè)提高企業(yè)管理水平、創(chuàng)新技術(shù)手段、保障員工安全和培養(yǎng)專業(yè)人才的必由之路［4，5］。通過數(shù)字孿生技術(shù)將化工企業(yè)的生產(chǎn)流程轉(zhuǎn)換為數(shù)字模型后，再利用虛擬現(xiàn)實(shí)、人工智能等技術(shù)手段打造出交互式模擬場(chǎng)景［6］，在場(chǎng)景中進(jìn)行體驗(yàn)式學(xué)習(xí)，提高培訓(xùn)效果以及學(xué)員的積極性和主觀能動(dòng)性［7，8］。

針對(duì)上述問題，研究了基于數(shù)字孿生技術(shù)的化工企業(yè)車間操作培訓(xùn)系統(tǒng)，使用機(jī)器學(xué)習(xí)算法對(duì)被評(píng)測(cè)者的操作結(jié)果進(jìn)行自動(dòng)評(píng)測(cè)，構(gòu)建的系統(tǒng)具有較好的評(píng)測(cè)和學(xué)習(xí)效果。

1 操作培訓(xùn)系統(tǒng)設(shè)計(jì)

基于數(shù)字孿生技術(shù)的化工企業(yè)車間操作培訓(xùn)系統(tǒng)具有如下特點(diǎn)：

a. 高度精確的模擬環(huán)境?；どa(chǎn)過程中，存在很多危險(xiǎn)因素，通過3D建模和虛擬現(xiàn)實(shí)技術(shù)可以提供高度真實(shí)、準(zhǔn)確的車間模擬環(huán)境，讓操作人員進(jìn)行操作培訓(xùn)，并在安全控制下不斷改善自己的操作技能［9］。

b. 增強(qiáng)工廠安全性。利用數(shù)字孿生技術(shù)實(shí)現(xiàn)的虛擬現(xiàn)實(shí)培訓(xùn)，操作人員可以在更為安全、無壓力的環(huán)境下進(jìn)行操作，從而最大程度地避免事故的發(fā)生［10］。與此同時(shí)，數(shù)字孿生技術(shù)還可以用來進(jìn)行應(yīng)急演練，幫助工廠更好地為突發(fā)事件做好準(zhǔn)備。

c. 數(shù)據(jù)統(tǒng)計(jì)分析。設(shè)計(jì)自動(dòng)評(píng)測(cè)模型實(shí)現(xiàn)對(duì)員工的操作考核，統(tǒng)計(jì)成績數(shù)據(jù)，為企業(yè)提供參考，提升學(xué)習(xí)效果。

操作培訓(xùn)系統(tǒng)的設(shè)計(jì)主要分為工藝流程模擬、可視化模塊開發(fā)以及自動(dòng)評(píng)測(cè)模型編寫三大部分，具體設(shè)計(jì)思路如圖1所示。工藝流程模擬是通過計(jì)算機(jī)模擬來預(yù)測(cè)和分析工藝流程的過程；可視化模塊開發(fā)是將工藝流程模擬的成果通過直觀的圖形界面加以呈現(xiàn)；而自動(dòng)評(píng)測(cè)模型則是為便于快速計(jì)算員工操作的結(jié)果。

2 工藝流程模擬

為提高培訓(xùn)系統(tǒng)的真實(shí)性并縮短開發(fā)周期，使用AspenONE套件（包括Aspen Plus、Aspen HYSYS、Aspen Plus Dynamics）進(jìn)行工藝流程模擬各個(gè)階段的開發(fā)。經(jīng)驗(yàn)證，Aspen Plus和Aspen Plus Dynamics可完成對(duì)系統(tǒng)中工藝流程的模擬。具體實(shí)現(xiàn)步驟如下：

a. 獲取現(xiàn)場(chǎng)工藝方案。通過與企業(yè)工程師對(duì)接，了解實(shí)際工藝流程，并且明確系統(tǒng)性能指標(biāo)，如產(chǎn)品純度、塔頂溫度等。

b. 搭建穩(wěn)態(tài)模型。使用Aspen Plus搭建整個(gè)工藝的穩(wěn)態(tài)過程，圖2所示為某原料A提純回收工藝的穩(wěn)態(tài)模擬流程，其中T110為汽提塔，T120為精餾塔，V110為分相器，該工藝完成了對(duì)儲(chǔ)罐V101中溶劑A的提純回收。仿真過程中需注意T110、T120的塔內(nèi)溫度、分相器的液位以及儲(chǔ)罐V120中的產(chǎn)品純度。

c. 動(dòng)態(tài)模擬。在建立穩(wěn)態(tài)模型的基礎(chǔ)上利用Aspen Plus Dynamics完成對(duì)工藝流程的動(dòng)態(tài)模擬，針對(duì)可能出現(xiàn)的擾動(dòng)和變化，評(píng)估系統(tǒng)的穩(wěn)定性、可靠性以及控制策略的有效性。

d. 控制策略優(yōu)化。根據(jù)動(dòng)態(tài)模擬結(jié)果，分析系統(tǒng)的響應(yīng)特性，選擇更合適的控制結(jié)構(gòu)，提高系統(tǒng)的抗擾動(dòng)能力。

3 三維可視化

3.1 數(shù)據(jù)交互

為實(shí)現(xiàn)該工藝過程的數(shù)據(jù)可視化，筆者基于前端可視化設(shè)備（Unity 3D）完成了對(duì)該工藝過程的可視化設(shè)計(jì)。其中，針對(duì)Aspen Plus Dynamics與Unity 3D無法直接進(jìn)行數(shù)據(jù)交互以及生產(chǎn)數(shù)據(jù)的存儲(chǔ)問題，系統(tǒng)引入了Simulink工具箱和MySQL數(shù)據(jù)庫［11］通信“橋梁”和數(shù)據(jù)“倉庫”，間接完成了兩者之間的數(shù)據(jù)交互以及數(shù)據(jù)存儲(chǔ)。系統(tǒng)中的完整數(shù)據(jù)交互過程如圖3所示。

Aspen Plus Dynamics仿真過程中的實(shí)時(shí)數(shù)據(jù)有多種讀取方式，如NEVES T等使用OPC協(xié)議完成數(shù)據(jù)收集與整理［12］，SANTOS P和VAN GERVEN T使用ActiveX完成Aspen HYSYS與Unity 3D之間的互連，而本系統(tǒng)使用了Simulink工具箱［13］?？紤]到系統(tǒng)后期會(huì)連接現(xiàn)場(chǎng)數(shù)據(jù)實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)工藝的優(yōu)化控制和預(yù)測(cè)預(yù)警，因此選擇了具有強(qiáng)大計(jì)算能力的Simulink作為數(shù)據(jù)交互媒介。

傳輸控制協(xié)議（Transmission Control Protocol，TCP）［14］具有嚴(yán)格的過程和確認(rèn)機(jī)制，相較于用戶數(shù)據(jù)報(bào)協(xié)議其更能夠保證數(shù)據(jù)的可靠性與順序性，因此，使用基于TCP協(xié)議的數(shù)據(jù)交互方式，可有效保證數(shù)據(jù)的完整性、有序性和正確性。

3.2 三維可視化平臺(tái)設(shè)計(jì)

三維可視化平臺(tái)是一種基于三維建模和渲染技術(shù)的數(shù)據(jù)可視化工具，將數(shù)據(jù)以三維模型和場(chǎng)景的形式展現(xiàn)，以便用戶獲取更直觀的數(shù)據(jù)感受。本系統(tǒng)所選用的Unity 3D引擎可用于構(gòu)建各種類型的可視化平臺(tái)，使用戶能夠輕松創(chuàng)建高質(zhì)量、互動(dòng)感強(qiáng)的應(yīng)用程序。

3.2.1 幾何建模與渲染

Unity 3D作為一個(gè)跨平臺(tái)游戲引擎，其主要側(cè)重點(diǎn)在于游戲開發(fā)和虛擬現(xiàn)實(shí)應(yīng)用，并不具備專業(yè)的三維建模能力，但其支持OBJ、FBX等格式三維模型文件的導(dǎo)入。因此系統(tǒng)設(shè)計(jì)中的幾何建模工作由3ds Max完成后，再以FBX文件格式導(dǎo)入U(xiǎn)nity 3D，最后在Unity 3D中完成模型渲染。建模與渲染效果如圖4所示。

3.2.2 UI設(shè)計(jì)

Unity 3D的用戶界面開發(fā)工具包（Unity Graphic User Interface，UGUI）是一種基于向量圖形的用戶界面（User Interface，UI）編程框架，嚴(yán)格遵守KISS（Keep It Simple and Stupid）原則，系統(tǒng)中的UI設(shè)計(jì)主要分為如下幾部分：

a. 登錄界面。該界面分為賬號(hào)登錄、模式選擇和系統(tǒng)初始化3部分，用于保護(hù)敏感信息和數(shù)據(jù)不被未經(jīng)授權(quán)的訪問者獲取和使用，同時(shí)方便同步記錄員工的操作信息，效果如圖5a所示。

b. 數(shù)據(jù)可視化界面。該界面在UGUI上引用XChart插件，完成各項(xiàng)可視化圖表（折線圖、柱狀圖及液位圖等）的繪制工作，方便用戶快速直觀地獲取信息，發(fā)現(xiàn)規(guī)律和趨勢(shì)，效果如圖5b所示。

c. 組態(tài)操作界面。為使員工有在和中控室一樣的操作體驗(yàn)，系統(tǒng)模仿分布式控制系統(tǒng)的人機(jī)交互界面增加了相同性質(zhì)的組態(tài)操作界面，員工可以在界面上完成液位設(shè)定、執(zhí)行器狀態(tài)控制、實(shí)時(shí)數(shù)據(jù)查詢等一系列操作，效果如圖5c所示。

3.2.3 動(dòng)畫效果制作

Shader Graph是Unity 3D引擎的一個(gè)可視化著色編輯器，能夠幫助開發(fā)者以更直觀和易于使用的方式創(chuàng)建自己的著色器材質(zhì)。Shader Graph可以通過連接節(jié)點(diǎn)來構(gòu)建自定義的圖形渲染管線，再通過C#編寫控制代碼實(shí)現(xiàn)簡單的特效制作。

在操作培訓(xùn)系統(tǒng)開發(fā)中，為增強(qiáng)員工對(duì)現(xiàn)場(chǎng)工藝的了解以及畫面的表現(xiàn)力，設(shè)計(jì)了管道液體流動(dòng)、儲(chǔ)罐三維液位顯示等粒子特效，管道液體流動(dòng)特效如圖5d所示。

3.3 系統(tǒng)采用的主要算法

在系統(tǒng)可視化開發(fā)設(shè)計(jì)過程中，為了滿足不同的設(shè)計(jì)需求，運(yùn)用到了多種常見算法，具體見表1。

4 自動(dòng)評(píng)測(cè)模型

4.1 評(píng)測(cè)模型的總體框架

自動(dòng)評(píng)測(cè)是使用計(jì)算機(jī)算法對(duì)用戶的操作過程和操作結(jié)果進(jìn)行自動(dòng)評(píng)估的過程［17］。為滿足企業(yè)對(duì)員工的考核需求，設(shè)計(jì)了穩(wěn)態(tài)監(jiān)控過程和冷態(tài)開車過程兩類考核方式。

穩(wěn)態(tài)監(jiān)控過程考核的目的是讓員工熟悉操作規(guī)程、提高數(shù)據(jù)分析和應(yīng)急處置能力、增強(qiáng)安全意識(shí)和專業(yè)素質(zhì)。每個(gè)考核內(nèi)容之間并不關(guān)聯(lián)且操作簡單，因此在算法實(shí)現(xiàn)上較為容易。員工在系統(tǒng)中完成每項(xiàng)考核任務(wù)后，獲取其操作過程記錄和結(jié)果，對(duì)數(shù)據(jù)經(jīng)過特征提取后，使用逆序查詢法與標(biāo)準(zhǔn)序列進(jìn)行比對(duì)，得出員工穩(wěn)態(tài)監(jiān)控過程考核的成績。

冷態(tài)開車過程考核的目的是了解員工對(duì)工藝流程和安全規(guī)定是否熟練掌握，是員工操作考核的主要內(nèi)容，系統(tǒng)需要根據(jù)員工的一系列操作和結(jié)果完成評(píng)測(cè)工作。陳萱華等提出的基于實(shí)驗(yàn)結(jié)果和操作序列的自動(dòng)評(píng)分算法提高了評(píng)分精度及其可靠性［18］。筆者在其基礎(chǔ)上，通過決策樹和Dijkstra算法改進(jìn)了基于操作序列的評(píng)測(cè)模型，使其更加適用于本系統(tǒng)中操作培訓(xùn)的評(píng)測(cè)工作。

冷態(tài)開車的考核流程如圖6所示。

具體說明如下：

a. 數(shù)據(jù)采集與特征提取?；诓僮餍蛄械脑u(píng)測(cè)模型需要獲取員工操作過程中設(shè)備的運(yùn)行狀態(tài)和行為數(shù)據(jù)。在提取員工操作數(shù)據(jù)的特征時(shí)，運(yùn)用面向?qū)ο蟮乃枷?，利用事件來表示員工的操作序列。每個(gè)操作事件可以用四元組E（C，O，S，D）表示，其中，C表示操作執(zhí)行的條件，O表示操作的對(duì)象，S表示操作完成后的狀態(tài)，D表示該操作可能需要的參數(shù)。利用該方法即可完成數(shù)據(jù)采集與特征提取。

b. 操作結(jié)果得分計(jì)算。員工結(jié)束冷態(tài)開車過程的模擬操作后，系統(tǒng)記錄當(dāng)前的設(shè)備狀態(tài)和相關(guān)工藝參數(shù)，再與根據(jù)專家經(jīng)驗(yàn)創(chuàng)建的結(jié)果規(guī)則庫進(jìn)行比對(duì)，最后基于平均絕對(duì)誤差劃分不同的得分結(jié)果。

c. 標(biāo)準(zhǔn)操作序列提取。該序列對(duì)于計(jì)算標(biāo)準(zhǔn)權(quán)重和員工操作權(quán)重至關(guān)重要。基于Dijkstra算法計(jì)算出所有能完成冷態(tài)開車操作中最優(yōu)操作序列的方法，可在標(biāo)準(zhǔn)操作序列較長較復(fù)雜時(shí)，快速準(zhǔn)確地完成對(duì)標(biāo)準(zhǔn)操作序列的提取。

d. 員工操作序列分類?；跊Q策樹將員工初始操作序列按規(guī)則庫分為合格操作與不合格操作兩類，并且統(tǒng)計(jì)員工操作中未完成的操作和不存在的操作。

e. 分?jǐn)?shù)計(jì)算?；跇?biāo)準(zhǔn)操作序列和步驟d中的分類結(jié)果計(jì)算出標(biāo)準(zhǔn)權(quán)重W：

W=a·n （1）

其中，n為標(biāo)準(zhǔn)操作序列中的兩個(gè)連續(xù)操作在員工操作序列中存在且完成的個(gè)數(shù)，a為得分系數(shù)。

基于決策樹計(jì)算出員工操作考核序列的總權(quán)重W后，根據(jù)下式計(jì)算出員工冷態(tài)開車的考核得分S：

S=+R-c·D（2）

其中，b為系統(tǒng)設(shè)定的操作序列項(xiàng)的總得分，R為基于操作結(jié)果的分?jǐn)?shù)，D為未完成的操作數(shù)，c為D的得分系數(shù)。

4.2 數(shù)據(jù)庫定義

為方便自動(dòng)評(píng)測(cè)模型中相關(guān)算法的實(shí)現(xiàn)，設(shè)計(jì)相關(guān)數(shù)據(jù)庫如下：

a. 結(jié)果數(shù)據(jù)庫。記錄執(zhí)行標(biāo)準(zhǔn)操作序列后所有重要工藝參數(shù)的實(shí)際值，為提高數(shù)據(jù)庫的可靠性，此處取3次標(biāo)準(zhǔn)操作后實(shí)際值的平均值。該數(shù)據(jù)庫用于計(jì)算基于操作結(jié)果的得分。

b. 規(guī)則數(shù)據(jù)庫。以四元組E（C，O，S，D）的方式記錄系統(tǒng)中所有可能存在操作的正確特征，為后續(xù)的操作分類提供數(shù)據(jù)支撐。以開進(jìn)料調(diào)節(jié)閥操作B1_1（0.8，b1，MAN，50）為例進(jìn)行說明，B1_1表示該操作的代號(hào)，0.8表示開閥時(shí)刻儲(chǔ)罐V101的液位需大于0.8 m，b1表示進(jìn)料調(diào)節(jié)閥，MAN表示設(shè)定調(diào)節(jié)閥為手動(dòng)狀態(tài)，50表示閥門開度。

c. 動(dòng)態(tài)數(shù)據(jù)庫。用于記錄操作分類的結(jié)果，并且同時(shí)記錄下每個(gè)分類結(jié)果在員工操作序列中的位置，便于后續(xù)計(jì)算相鄰序列間的權(quán)重。

4.3 算法設(shè)計(jì)

4.3.1 Dijkstra計(jì)算最優(yōu)標(biāo)準(zhǔn)序列

Dijkstra算法是由荷蘭計(jì)算機(jī)科學(xué)家Edsger Wybe Dijkstra提出的一種最短路徑規(guī)劃算法，是貪心法的經(jīng)典應(yīng)用之一［19］。對(duì)于Dijkstra算法的實(shí)現(xiàn)過程，先要構(gòu)建帶權(quán)有向圖G，再利用下式完成從圖G的起點(diǎn)到所有節(jié)點(diǎn)的遍歷過程，最后計(jì)算出從起點(diǎn)到終點(diǎn)的最短路徑：

dist［v］=min（dist［v］，dist［u］+w（u，v）） （3）

其中，dist［v］表示從起點(diǎn)到節(jié)點(diǎn)v的最短路徑長度，w（u，v）表示邊（u，v）的權(quán)值。

在計(jì)算最優(yōu)標(biāo)準(zhǔn)序列時(shí)，先根據(jù)企業(yè)工程師利用現(xiàn)場(chǎng)經(jīng)驗(yàn)和模糊評(píng)價(jià)法給出各操作步驟之間的權(quán)重，再按照已有條件構(gòu)建有向圖G，用鄰接矩陣表示有向圖G后代入Dijkstra算法計(jì)算出最優(yōu)標(biāo)準(zhǔn)操作序列。若工藝流程不變，則基于Dijkstra算法計(jì)算一次最優(yōu)標(biāo)準(zhǔn)序列后，將序列導(dǎo)入數(shù)據(jù)庫即可。

基于Dijkstra算法計(jì)算出的最優(yōu)冷態(tài)開車序列為“A B2_1 B2_2 B3_1 B1_1 B1_2 C G_1 G_2 J H_1 H_2 H_3”，該序列表示了從V101儲(chǔ)罐液位設(shè)定到開啟T120塔底再沸器的全過程。經(jīng)現(xiàn)場(chǎng)工程師驗(yàn)證，此最優(yōu)標(biāo)準(zhǔn)序列與實(shí)際操作中一致，證明了該算法的有效性和準(zhǔn)確性。

4.3.2 決策樹分類員工操作序列

決策樹［20］是一種常用的機(jī)器學(xué)習(xí)算法，主要應(yīng)用于分類和回歸問題，其類似于一個(gè)樹形結(jié)構(gòu)，從根節(jié)點(diǎn)開始不斷向下遞歸分裂，每個(gè)內(nèi)部節(jié)點(diǎn)表示對(duì)某一特征的判斷，每個(gè)葉節(jié)點(diǎn)表示一個(gè)決策結(jié)果。

系統(tǒng)中引用決策樹的思想解決了對(duì)員工操作序列進(jìn)行分類的問題。圖7為判斷員工操作序列中的某一操作E（C，O，S，D）是否屬于規(guī)則數(shù)據(jù)庫中B1_1（0.8，b1，MAN，50）操作的樹結(jié)構(gòu)示例圖。按此方法，將員工操作序列中的所有操作與規(guī)則庫中的所有操作逐一比對(duì)，即可實(shí)現(xiàn)對(duì)操作序列的分類。

4.3.3 權(quán)重計(jì)算

基于分類結(jié)果和標(biāo)準(zhǔn)序列計(jì)算員工操作考核序列的總權(quán)重W，圖8為在考生操作序列中計(jì)算相鄰標(biāo)準(zhǔn)操作序列（i，i+1）之間權(quán)重的樹結(jié)構(gòu)示意圖，圖中a表示有效操作中的當(dāng)前指定點(diǎn)，A（i）表示考生操作中是否有目標(biāo)操作i，B（i）表示操作i是否完成，C（a）表示開啟下一次遍歷，指定點(diǎn)為a，D（i）表示找到可用操作i第1次出現(xiàn)的位置，同時(shí)更新指定點(diǎn)位置。

從標(biāo)準(zhǔn)操作序列的第1個(gè)操作開始計(jì)算相鄰序列之間權(quán)重，直到計(jì)算完最后一個(gè)操作，利用求和公式得出員工操作考核序列的總權(quán)重W2。

4.4 模型應(yīng)用分析

針對(duì)圖2工藝建立的數(shù)字孿生系統(tǒng)中，員工可以對(duì)儲(chǔ)罐液位、調(diào)節(jié)閥開度、泵狀態(tài)、切斷閥狀態(tài)進(jìn)行設(shè)定，系統(tǒng)在檢測(cè)到相關(guān)設(shè)定更改后，基于目標(biāo)和流程的先后順序進(jìn)行操作編號(hào)，并記錄相關(guān)設(shè)定值。

選定系統(tǒng)中的冷態(tài)開車考核模式，在系統(tǒng)中進(jìn)行一系列無規(guī)則操作測(cè)試模型的可信度，測(cè)試結(jié)果見表2。表中特征值表述與前文規(guī)則數(shù)據(jù)庫一致，其中的空白部分表示該步驟的特征提取無需該項(xiàng)數(shù)據(jù)。在以上述方法進(jìn)行操作分類以及序列比對(duì)后，最終計(jì)算出標(biāo)準(zhǔn)權(quán)重和總權(quán)重。

基于規(guī)則數(shù)據(jù)庫完成對(duì)員工操作數(shù)據(jù)中特征值提取以及分類結(jié)果編號(hào)，基于決策樹完成操作分類以及權(quán)重W2的計(jì)算。此分類算法的準(zhǔn)確率R的計(jì)算方法如下：

R=" （4）

其中，M為總樣本數(shù)，N為基于分類規(guī)則所得出的正確樣本數(shù)。

經(jīng)驗(yàn)證，基于規(guī)則數(shù)據(jù)庫的決策樹分類算法在此應(yīng)用中的準(zhǔn)確率為100%。

分析測(cè)試結(jié)果可知，對(duì)于部分簡單操作兩處特征值即可準(zhǔn)確完成操作分類，而對(duì)于較復(fù)雜的操作則必須獲取更多的特征值。因此，在基于規(guī)則數(shù)據(jù)庫的數(shù)據(jù)分類中，只要特征提取足夠準(zhǔn)確、規(guī)則數(shù)據(jù)庫定義足夠詳細(xì)、規(guī)則模型覆蓋足夠全面，即可實(shí)現(xiàn)對(duì)員工操作過程的正確分類和權(quán)重計(jì)算。

5 結(jié)束語

本研究驗(yàn)證了Aspen Plus Dynamics與Unity 3D聯(lián)合仿真在流程化工行業(yè)數(shù)字孿生應(yīng)用中的合理性，相較于機(jī)理建模和非線性模型預(yù)測(cè)兩種建模方式，聯(lián)合仿真降低了流程化工行業(yè)數(shù)字孿生應(yīng)用中開發(fā)、實(shí)施和維護(hù)的成本，讓數(shù)字孿生應(yīng)用更加普及和便捷。同時(shí)，提出的基于決策樹和Dijkstra算法的自動(dòng)評(píng)測(cè)模型解決了員工操作過程的測(cè)評(píng)問題。此方法結(jié)合Dijkstra算法計(jì)算最優(yōu)標(biāo)準(zhǔn)序列，利用決策樹對(duì)數(shù)據(jù)進(jìn)行分類和權(quán)重計(jì)算，最終實(shí)現(xiàn)針對(duì)測(cè)試數(shù)據(jù)的自動(dòng)評(píng)估。該研究對(duì)于化工企業(yè)在數(shù)字孿生技術(shù)領(lǐng)域的應(yīng)用，以及提升車間員工操作技能，提高產(chǎn)品質(zhì)量等方面具有實(shí)踐意義和推廣價(jià)值。

參 考 文 獻(xiàn)

［1］ 高立兵，呂中原，索寒生，等.石油化工流程模擬軟件現(xiàn)狀與發(fā)展趨勢(shì)［J］.化工進(jìn)展，2021，40（S2）：1-14.

［2］ TAO F，CHENG Y，ZHANG L，et al.Advanced manufacturing systems：Socialization characteristics and trends［J］.Journal of Intelligent Manufacturing，2017，28（5）：1079-1094.

［3］ 陶飛，劉蔚然，劉檢華，等.數(shù)字孿生及其應(yīng)用探索［J］.計(jì)算機(jī)集成制造系統(tǒng)，2018，24（1）：1-18.

［4］ WANASINGHE T R，WROBLEWSKI L，PETERSEN B K，et al.Digital twin for the oil and gas industry：Overview，research trends，opportunities，and challenges［J］.IEEE Access，2020，8：104175-104197.

［5］ 李德芳，索寒生，劉暄.石化企業(yè)能源管理系統(tǒng)的研發(fā)與應(yīng)用［J］.化工學(xué)報(bào)，2015，66（1）：7-13.

［6］ 王子宗，索寒生，趙學(xué)良.數(shù)字孿生智能乙烯工廠研究與構(gòu)建［J］.化工學(xué)報(bào)，2023，74（3）：1175-1186.

［7］ 余斌，朱偉佳.石化行業(yè)數(shù)字孿生技術(shù)的應(yīng)用探索［J］.化工進(jìn)展，2019，38（S1）：278-282.

［8］ 李彥瑞，楊春節(jié)，張瀚文，等.流程工業(yè)數(shù)字孿生關(guān)鍵 技術(shù)探討［J］.自動(dòng)化學(xué)報(bào)，2021，47（3）：501-514.

［9］ 李培根，陳立平.在孿生空間重構(gòu)工程教育：意識(shí)與行動(dòng)［J］.高等工程教育研究，2021（3）：1-8.

［10］ 劉志鵬，趙毅.數(shù)字孿生技術(shù)在石油化工企業(yè)數(shù)字化轉(zhuǎn)型中的應(yīng)用研究［J］.石油化工自動(dòng)化，2022，58（5）：1-6.

［11］ 李艷杰.MySQL數(shù)據(jù)庫下存儲(chǔ)過程的綜合運(yùn)用研究［J］.現(xiàn)代信息科技，2023，7（11）：80-82；88.

［12］ NEVES T，DE ARA■JO NETO A，SALES F，et al.ANN-based intelligent control system for simultaneous feed disturbances rejection and product specification changes in extractive distillation process［J］.Separation and Purification Technology，2021，259：118104.

［13］ SANTOS P，VAN GERVEN T.Aspen Hysys—Unity Interconnection.An Approach for Rigorous Computer-Based Chemical Engineering Training［M］//Computer Aided Chemical Engineering.Elsevier，2020：2053-2058.

［14］ 李學(xué)兵，陳陽，周孟瑩，等.互聯(lián)網(wǎng)數(shù)據(jù)傳輸協(xié)議QUIC研究綜述［J］.計(jì)算機(jī)研究與發(fā)展，2020，57（9）：1864-1876.

［15］ 真可知，齊正.基于改進(jìn)PID控制算法的加熱爐爐溫控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.國外電子測(cè)量技術(shù)，2020，39（7）：62-67.

［16］ 侯艷麗，馬震.基于深度優(yōu)先搜索的分層網(wǎng)絡(luò)最短路徑算法［J］.無線電通信技術(shù)，2023，49（4）：684-688.

［17］ 付振罡，徐斌，楊政.基于流程控制的員工崗位價(jià)值自動(dòng)測(cè)評(píng)系統(tǒng)設(shè)計(jì)［J］.自動(dòng)化技術(shù)與應(yīng)用，2022，41（11）：139-143.

［18］ 陳萱華，許曌銓，李學(xué)亞.基于操作序列的自動(dòng)測(cè)評(píng)關(guān)鍵技術(shù)及其應(yīng)用研究［J］.實(shí)驗(yàn)技術(shù)與管理，2013，30（1）：151-153.

［19］ 陳萱華，楊玲，李學(xué)亞.最短路徑算法在自動(dòng)測(cè)評(píng)系統(tǒng)中的應(yīng)用［J］.計(jì)算機(jī)與現(xiàn)代化，2012（12）：1-3；7.

［20］ SONG Y Y，YING L.Decision tree methods：Applications for classification and prediction［J］.Shanghai Archives of Psychiatry，2015，27（2）：130.

（收稿日期：2023-09-19，修回日期：2024-06-03）

Construction of Digital Twin System for Workshop Training

Based on Aspen Plus and Decision Tree

HE Zhong-kun， SHAN Bao-ming

（College of Automation and Electronic Engineering，Qingdao University of Science amp; Technology）

Abstract " "Considering traditional training methods’ difficulty in quantifying the teaching effect and their high cost and long time consumption for chemical workshop operation， a workshop training system and auto-assessment model for chemical enterprises based on the digital twin technology were studied. Through having the simulation software from different fields connected each other to simulate the whole process， and having visualizing results adopted to assist the data analysis and decision-making process， the feasibility of Aspen Plus software applied in chemical digital twin was verified. In addition， an auto-evaluation model based on decision tree and Dijkstra algorithm was proposed to classify the data and calculate the optimal criteria sequence to achieve auto-evaluation of employee operation process and results.

Key words " digital twin， operational training system， auto-evaluation model， decision tree， Dijkstra