一种基于在线仿真及直观可视化工业窑炉控制系统及方法与流程

本发明属于信息处理，特别是涉及一种基于在线仿真及直观可视化工业窑炉控制系统及方法。

背景技术：

1、数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生技术在工业领域的应用表现非常突出，可应用于生产流程仿真、能耗分析优化、故障分析诊断、预测性维护、远程管理运行参数优化等功能场景，但是数字孪生技术受制于多环节、多设备、复杂环境之间相互关系的精确建模技术的发展水平，导致信息的采集并不全面，不能很好地支撑智能决策；决策算法的完备性和稳定性尚不能满足要求，实现自主决策的深度应用的能力，仍需进一步增强。

2、目前工业窑炉生产智能化主流技术以“dcs+apc先进过程控制”、阿里云、百度云等为代表的“工业大脑”为主要形式。“dcs+apc先进过程控制”简单说就是集成工程经验的多点过程控制，总体上属于基于人的经验判断以结果控制输入的后置控制，缺少基于窑炉设备内部气固流动、燃烧分解等物理化学过程微观机理分析后实施的预测性前置控制方法。

3、先进过程控制系统(apc:advanced process control)是将整个生产装置或者某个工艺单元作为一个整体研究对象，首先通过现场测试，量化描述各变量之间的相互关系，建立过程多变量控制器模型。apc控制虽然比经典pid控制提升了对被控对象的整体进行多个变量的控制，但是工业窑炉生产过程特点主要表现在原料物性的多变性、工艺过程的多因素耦合性、装备的复杂性以及安全环保约束条件等，apc控制在工业窑炉生产上应用面临以下几个问题：

4、1、apc控制器的给定，称之为工艺控制指标给定，需要工艺过程操作员给出相应的控制参数设定，这些参数涉及范围要比经典pid控制的范围广得多，除了温度、压力、流量、料位等被控变量外，性能指标，限制条件等也都要求作为工艺参数设定到apc系统中，这些设定参数的准确性不仅直接影响系统控制效能，而且具有时变性，随原燃料物性的变化而变化，对操作人员的要求非常高。

5、2、apc控制器的调节周期，调节的太快控制对象可能来不及反应，且有可能导致系统的大幅度波动，进而影响生产的稳定运行和产品的质量，调节太慢控制优化还未得到应有的响应，目标已经发生了变化，无论是太快还是太慢都很难找到最优点。

6、3、apc控制器的模型优化，优化模型直接界定控制的效果，所以优化模型的建立是关键，但apc控制器存在共性的模型适应性问题，问题的根源在于生产过程随着时间推移总会发生一些无规律性的随机变化，更关键的是部分工艺参数的变化不具备在线检测性，如矿物岩相晶格大小的变化、煤挥发分及热值的变化等，从而导致对控制模型的输入存在严重的滞后性，为控制模型的优化调整带来较大的困难。

7、为解决apc存在的上述问题，水泥生产工艺逐步引入在离散行业生产中广泛应用的工业云大数据等新一代控制技术，如阿里云工业大脑智能水泥解决方案等。大数据技术由云端优化引擎和本地边缘端控制引擎两部分组成，通过对生产数据和工况分析，实现生产控制的自动化，提升生产稳定性，并实现节能降耗。因此，大数据技术本应是针对水泥生产核心工艺“两磨一烧”场景而展开，但是经过大量的尝试，由于“两磨一烧”的核心工艺过程存在诸多无法感知的“黑盒”问题，其所应用场景却集中于：安全监控、排放控制、物流管理等核心工艺的外围系统；而在企业最关心的“工艺优化、能耗优化、生产状态监控”等应用场景进行大量研究和应用的并不多见，应用效果也并不明显，原因如下：

8、1、涉及煅烧、粉碎、研磨、动力学、热力学等多学科、多领域交叉知识；

9、2、工业窑炉的气固反应、固-固反应、相变、固-液反应、高温、粉尘等固有多因素耦合特性导致工艺机理研究难度大，不可知、不可控的因素较多，关键过程数据缺失，在很大程度限制了机理模型的研究。

10、3、水泥生产工艺，工序多元复杂、设备繁多，立体交叉分布在此类企业的各个岗位，工序中海量数据非线性关联耦合；另一方面，由于数据采集传感器厂家众多品牌繁杂，传感器的精度、安装位置等因素都对数据的真实性、代表性产生较大的影响，因此基于大数据的工业大脑技术在脱离工艺过程应用场景条件下，很难通过数据分析弄清楚各参数之间的潜在关系，其技术效果大打折扣。

11、4、生产过程尚未完全实现自动化，人工干预成分较高，部分制造过程控制与优化分析决策仍依靠人工历史经验判断，决策效率和准确率相对较低。

12、综上，工业窑炉生产控制最关键的问题：窑炉内部物理化学过程的“黑箱”问题，缺少基于窑炉设备内部气固流动、燃烧分解等物理化学过程微观机理分析后实施的预测性前置控制方法。

13、目前能够比较准确反映工业窑炉运行内部状态的是采用数值仿真技术，如使用cpfd/cfd/dem方法(计算颗流体力学/计算流体力学)进行模拟计算。cpfd方法不同于经典cfd计算流体力学之处，在于既详尽考虑了颗粒与流体的巨大差别，真实处理颗粒的运动特性，又避免了极耗时间的颗粒接触检索，采用成熟的颗粒动力学理论计算颗粒间作用。同时，cpfd方法创造性地提出了“计算颗粒”概念，所谓“计算颗粒”是在拉格朗日法基本的“流体微团”概念之上，拓展到颗粒相而形成的“颗粒微团”。在一个“计算颗粒”之中包含了多个真实颗粒，这些真实颗粒具有相同的物质属性、物理运动及化学变化。cpfd方法的计算模式是在欧拉体系和拉格朗日体系下进行不断的切换，这种切换不同于离散元法两个求解器的耦合。cpfd方法中，流体相与颗粒相均在同一个求解器中计算，利用独创的相间插值算子保证计算的稳定性与切换的守恒性。因此，cpfd方法是一种“混合”数值方法，集欧拉双流体模型与拉格朗日离散模型的优点于一身，为工业级流态化问题的研究提供了全新的技术手段。dem方法是散装物料处理设备的通用仿真计算方法，比较成熟的主流商用软件以英国的edem、巴西的rockeydem为代表，在科研开发工作中得到了大量的应用。

14、目前仿真技术手段主要问题仅应用于科研开发阶段，无法做到实时计算指导生产，本发明通过开发在线仿真技术，将原本用于科研开发工作的仿真技术转移到工业生产智能控制，建立同各部位温度、压力等关键运行参数关联的在线仿真模型，通过实时在线仿真计算，得到工业窑炉内部的气固流动、燃烧分解等流场数据，并通过实时后处理技术，将过程数据实时可视化，破解工业窑炉的“黑合”问题，此外还可以得出窑炉内部当前检测手段无法检测到的关键隐性数据参数，如分解炉出口的燃尽率、生料分解率、反应速率、物质组分浓度等，能通过大量隐性数据和显性数据的分析和自学习，建立工业窑炉内外关联的控制机理模型和控制算法，形成“预测性前置控制”方案，解决apc等后置控制方案存在滞后性、效果不明显等问题。

技术实现思路

1、技术方案，为了解决上述背景技术中的下列技术问题：一方面用于解决传统仿真技术难以满足工业窑炉复杂工况的实时在线仿真，另一方面用于解决传统技术无法对工业窑炉的实时工况进行可视化监控；本发明不但能够实现工业窑炉的实时在线仿真，而且能够实现对工业窑炉的实时工况进行可视化监控，同时对工业窑炉的下一阶段状态、允许指令进行预测，使得工业窑炉的控制更加智能化。

2、本发明的第一目的是提供一种基于在线仿真及直观可视化工业窑炉控制系统，包括：

3、窑炉在线仿真系统，通过在线仿真生成当前时刻和下一时刻的显性参数和隐性参数；

4、窑炉直观可视化系统，通过对仿真温度场图像的识别及学习和实时采集的窑炉信息的分析和处理，得到重建后的三维温度场，通过对实时采集的窑炉内外图像的分析处理，得到异常工况预测，并根据三维温度场和异常工况预测的结果得到可视化的显示数据；

5、cps智能控制系统，根据所述显性参数、隐性参数和显示数据，向执行系统发送控制指令。

6、优选地，所述窑炉在线仿真系统包括：

7、初始或离线数字孪生体case文件获取模块，获取构建初始或离线数字孪生体所需的初始或离线数字孪生体case文件；

8、感知系统，获取数字孪生体计算边界条件所需要的显性参数；

9、计算边界实时更新模块，接收所述显性参数，并根据预设时间步长，对显性参数进行数据预处理，将预处理的结果按照所述数字孪生体的边界数据格式进行转化，生成边界实时数据包，将边界实时数据包发送给数字孪生体，完成计算边界参数的实时更新；

10、仿真机计算模块，主要包括计算硬件(边缘计算工作站或云端高性能计算集群等)、仿真计算软件、数字孪生体，所述计算硬件和软件，对更新边界实时数据后的数字孪生体进行仿真计算，预测工业窑炉的运行状态，所述运行状态包括显性参数和隐性参数，并根据预设时间步长，实时生成仿真数据文件；所述仿真机计算模块首先利用更新后的边界参数对初始或离线数字孪生体case文件进行更新，然后利用更新后的数字孪生体case文件得到数字孪生体，最后利用所述数字孪生体进行仿真计算，预测工业窑炉的运行状态，所述运行状态包括显性参数和隐性参数，并根据预设的时间步长，实时生成仿真数据文件；

11、实时后处理模块，接收仿真机计算模块生成的仿真数据文件，并对仿真数据文件执行bat批处理文件中的后处理指令，生成图像、动画/视频、数据等反映炉内过程状态的后处理结果文件；所述bat批处理文件，根据窑炉结构及工艺要求可采用仿真计算软件的后处理指令或商用数据后处理软件的指令预先编写或录制，也可以使用独立开发后处理程序预先生成；

12、所述实时后处理模块设置爬虫程序，实时监测仿真机计算模块工作目录下的仿真数据文件、后处理结果文件，一旦发现有新的仿真数据文件生成，立即对仿真数据文件执行bat批处理文件中后处理指令，生成图像、动画/视频、数据等反映炉内过程状态的后处理结果文件；根据仿真数据文件、后处理结果文件的生成时间进行排序，删除超过预先设定数目的最早生成的仿真数据文件、后处理结果文件；

13、数据分析自学习模块，利用神经网络对所述后处理结果文件和感知系统获取的显性参数进行学习，建立工业窑炉输入、输出和实时后处理结果之间的关联性。

14、优选地，所述窑炉直观可视化系统包括：

15、根据工业窑炉参数建立的仿真机，通过仿真生成工业窑炉内部的温度场结构；

16、数据采集模块，用于获取工业窑炉内部和外部的实时数据，所述实时数据包括炉内图像信息、炉内温度数据和炉外红外图像；

17、炉内温度场三维重建模块，首先根据所述温度场结构和炉内图像信息，重建工业窑炉内部的炉内温度场梯度；然后将炉内温度数据映射到所述炉内温度场梯度，进而得到炉内三维温度场；

18、图像处理模块，获取所述工业窑炉内部和外部的图像信息，通过对所述图像信息的识别和分析，进而得出异常工况预测的结果；

19、可视化控制终端，接收重建后的炉内三维温度场和异常工况预测的结果，进而利用cps智能控制系统对工业窑炉进行控制。

20、优选地，所述数据采集模块包括设置在工业窑炉内部的红外温度传感器、超声波传感器、可见光相机和设置在工业窑炉外部的红外热像仪。

21、优选地，所述炉内温度场重建模块包括：

22、图像学习模块，对所述温度场结构和当前窑炉控制操作指令进行学习，提取工业窑炉在不同控制操作指令下的温度场结构；

23、温度获取模块，根据炉内成像系统硬件接口函数或软件接口程序，自定义传感器和相机视场的温度提取点，提取炉内不同位置的温度，并根据所述温度场结构，构造炉内温度场梯度；

24、三维温度场重建模块，根据所述温度场结构、炉内温度场梯度，将炉内温度数据实时映射到窑炉内温度场梯度，重建得到炉内三维温度场。

25、优选地，所述图像处理模块包括：

26、区域分割单元，将所述图像信息划分为结皮区域和正常区域；

27、面积监测单元，计算所述结皮区域的结皮面积；

28、速度监测单元，计算所述结皮面积的变化速率；

29、警告单元，将所述结皮面积与结皮面积阈值进行面积比较，根据面积比较结果做出是否发送面积警告提示，将所述变化速率与变化速率阈值进行比较，根据比较结果做出是否发送结皮速度警告提示。

30、优选地，所述cps智能控制系统包括：

31、智能控制数据库，用于实时存储工业窑炉的运行状态参数和特定工况时工业窑炉的输入和输出之间的关联；利用神经网络对实时存储工业窑炉的运行状态参数和特定工况时工业窑炉的输入和输出之间的关联进行学习和训练，形成窑炉ai智能控制知识库；

32、cps智能控制模块，用于接收智能控制数据库的数据，并对数据做出如下处理：

33、将隐性参数与隐性预设目标进行对比，得到隐性参数变化趋势；

34、将显性参数与显性预设目标进行对比，得到显性参数变化趋势；

35、根据隐性参数变化趋势和显性参数变化趋势进行自寻优控制及学习训练；当所述自寻优控制及学习训练的结果为目标调整时，则返回目标对比；否则，计算生成主控制参数和辅助控制参数，并将主控制参数和辅助控制参数发送给dcs工控机；

36、dcs工控机，接收所述主控制参数和辅助控制参数，向执行系统发送控制指令。

37、优选地，所述智能控制数据库利用神经网络对实时存储工业窑炉的运行状态参数和特定工况时工业窑炉的输入和输出之间的关联进行学习和训练，形成窑炉ai智能控制知识库。

38、优选地，所述cps智能控制模块接收智能控制数据库的数据，并对数据做出如下处理：

39、将隐性参数与隐性预设目标进行对比，得到隐性参数变化趋势；

40、将显性参数与显性预设目标进行对比，得到显性参数变化趋势；

41、根据隐性参数变化趋势和显性参数变化趋势进行自寻优控制及学习训练；当所述自寻优控制及学习训练的结果为目标调整时，则返回目标对比；否则，计算生成主控制参数和辅助控制参数，并将主控制参数和辅助控制参数发送给dcs工控机。

42、优选地，所述数据分析自学习模块的学习过程包括：首先更新并统计所述后处理结果文件中的显性参数和隐性参数，然后结合工业窑炉的性能参数，建立隐性参数、显性参数同工业窑炉性能参数的多维映射数组；最后基于神经网络，反求训练多维映射数组中的隐性参数、显性参数同窑炉最优性能的关联机理模型，预测下一时间步长的控制目标值。

43、优选地，所述显性参数包括工业窑炉的各部位的温度、压力等现有技术条件下能被长期实时稳定感知的工艺参数；所述隐性参数包括工业窑炉内部的气固流动和燃烧分解的燃尽率、分解率、反应速率、物质组分浓度等当前技术条件缺乏长期实时稳定感知技术手段的工艺参数。

44、本发明的第二目的是提供一种基于在线仿真及直观可视化工业窑炉控制方法，包括：

45、通过窑炉在线仿真系统生成当前时刻和下一时刻的显性参数和隐性参数；

46、利用窑炉直观可视化系统，通过对仿真温度场图像和实时采集的窑炉信息的学习和分析，得到重建后的三维温度场，通过对实时采集的窑炉信息进行分析处理，得到异常工况预测，并根据三维温度场和异常工况预测的结果得到可视化的显示数据；

47、cps智能控制系统根据所述显性参数、隐性参数和显示数据，向执行系统发送控制指令。

48、本发明的第三目的是提供一种基于在线仿真及直观可视化工业窑炉控制系统的构建方法，包括：

49、构建窑炉在线仿真系统；通过窑炉在线仿真系统生成下一时刻的显性参数和隐性参数；

50、构建窑炉直观可视化系统；通过对仿真温度场图像的识别及学习和实时采集的窑炉信息分析和处理，得到重建后的三维温度场，通过对实时采集的窑炉内外图像进行分析处理，得到异常工况预测，并根据三维温度场和异常工况预测的结果得到可视化的显示数据；

51、构建cps智能控制系统；cps智能控制系统根据所述显性参数、隐性参数和显示数据，向执行系统发送控制指令。

52、优选地，所述窑炉在线仿真系统的构建过程包括：

53、获取构建初始或离线数字孪生体的初始或离线数字孪生体case文件，并基于初始或离线数字孪生体case文件构建初始或离线数字孪生体；

54、构建感知系统，获取数字孪生体计算边界条件所需要的显性参数；

55、构建计算边界实时更新模块，接收所述显性参数，并根据预设时间步长，对显性参数进行数据预处理，将预处理的结果按照所述数字孪生体的边界数据格式进行转化，生成边界实时数据包，将边界实时数据包发送给数字孪生体，完成计算边界参数的实时更新；

56、构建仿真机计算模块，包括计算硬件(边缘计算工作站或云端高性能计算集群等)、仿真计算软件、数字孪生体，所述计算硬件和软件，对更新边界实时数据后的数字孪生体进行仿真计算，预测工业窑炉的运行状态，所述运行状态包括显性参数和隐性参数，并根据预设时间步长，实时生成仿真数据文件；具体包括：利用更新后的边界参数对初始或离线数字孪生体case文件进行更新，利用更新后的数字孪生体case文件得到数字孪生体，利用所述数字孪生体进行仿真计算，预测工业窑炉的运行状态，所述运行状态包括显性参数和隐性参数，并根据预设的时间步长，实时生成仿真数据文件；

57、构建实时后处理模块，接收仿真机计算模块生成的仿真数据文件，并对仿真数据文件执行bat批处理文件中的后处理指令，生成图像、动画/视频、数据等反映炉内过程状态的后处理结果文件；所述bat批处理文件，根据窑炉结构及工艺要求可采用仿真计算软件的后处理指令或商用数据后处理软件的指令预先编写或录制，也可以使用独立开发后处理程序预先生成；

58、所述实时后处理模块设置爬虫程序，实时监测仿真机计算模块工作目录下的仿真数据文件、后处理结果文件，一旦发现有新的仿真数据文件生成，立即对仿真数据文件执行bat批处理文件中后处理指令，生成图像、动画/视频、数据等反映炉内过程状态的后处理结果文件；根据仿真数据文件、后处理结果文件的生成时间进行排序，删除超过预先设定数目的最早生成的仿真数据文件、后处理结果文件；

59、构建数据分析自学习模块，利用神经网络对所述后处理结果文件和感知系统获取的显性参数进行学习，建立工业窑炉输入、输出和实时后处理结果之间的关联性；

60、构建cps智能控制系统，利用神经网络对所述关联性、感知系统获取的显性参数、目标控制参数、预设的控制方案进行学习，生成控制指令。

61、优选地，所述cps智能控制系统包括：

62、智能控制数据库，用于实时存储工业窑炉的运行状态参数和特定工况时工业窑炉的输入和输出之间的关联；利用神经网络对实时存储工业窑炉的运行状态参数和特定工况时工业窑炉的输入和输出之间的关联进行学习和训练，形成窑炉ai智能控制知识库；

63、cps智能控制模块，用于接收智能控制数据库的数据，并对数据做出如下处理：

64、将隐性参数与隐性预设目标进行对比，得到隐性参数变化趋势；

65、将显性参数与显性预设目标进行对比，得到显性参数变化趋势；

66、根据隐性参数变化趋势和显性参数变化趋势进行自寻优控制及学习训练；当所述自寻优控制及学习训练的结果为目标调整时，则返回目标对比；否则，计算生成主控制参数和辅助控制参数，并将主控制参数和辅助控制参数发送给dcs工控机；

67、dcs工控机，接收所述主控制参数和辅助控制参数，向执行系统发送控制指令。

68、优选地，所述数据分析自学习模块的学习过程包括：首先更新并统计所述后处理结果文件中的显性参数和隐性参数，然后结合工业窑炉的性能参数，建立隐性参数、显性参数同工业窑炉性能参数的多维映射数组；最后基于神经网络，反求训练多维映射数组中的隐性参数、显性参数同窑炉最优性能的关联机理模型，预测下一时间步长的控制目标值。

69、优选地，所述构建窑炉直观可视化系统的构建过程包括：

70、搭建数据采集系统，包括窑炉仿真机、炉内成像系统和炉外成像系统；

71、搭建炉内温度场三维重建模块，具体为：

72、导入窑炉仿真机在线仿真的窑炉温度场图像，开发仿真机窑炉温度场图像识别及学习程序，提取窑炉在线仿真的温度值及温度场结构；

73、根据炉内成像系统硬件接口函数或软件接口程序，自定义各相机视场的温度提取点，开发相机视场温度提取程序，计算并(或)提取炉内温度，并根据窑炉仿真机的温度场结构，构造炉内温度场梯度；

74、根据所述温度场结构和温度场梯度，将炉内监测的温度值实时映射到窑炉仿真机温度场，重建炉内三维温度场；

75、搭建图像处理模块，所述图像处理模块包括：

76、区域分割单元，将所述图像信息划分为结皮区域和正常区域；

77、面积监测单元，计算所述结皮区域的结皮面积；

78、速度监测单元，计算所述结皮面积的变化速率；

79、警告单元，将所述结皮面积与结皮面积阈值进行面积比较，根据面积比较结果做出是否发送面积警告提示，将所述变化速率与变化速率阈值进行比较，根据比较结果做出是否发送结皮速度警告提示。

80、本发明的优点及积极效果为：

81、本发明首先根据工业窑炉的参数，构建了窑炉在线仿真系统和窑炉直观可视化系统，然后利用cps智能控制系统对窑炉在线仿真系统和窑炉直观可视化系统的输出信息进行分析处理，最后实现对工业窑炉的实时在线仿真、实时在线直观监控，以及未来控制参数和异常状态的提取预判；实现工业窑炉的高效、准确智能控制。具体的：

82、本发明为工业窑炉设备建立相互映射的数字模型，设备与数字模型能够实时通讯，同步实时边界并反馈动态变化，并将边界参数的变化实时传递至在线仿真机；其次搭建在线仿真平台，在线仿真计算工业窑炉数字孪生体，预测下一状态工艺过程参数，工业窑炉设备的运行状态会由在线仿真机实时传递给设备使用者，包括直观图像、运行参数、故障信息、质量信息等。基于在线仿真可视化结果，采用图形识别机器视觉、隐性数据分析及自学习等技术，构建cps智能控制系统机理模型及算法，开发智能化控制软件模块及前端感知、后端执行等硬软模块控制设备运行，形成基于在线仿真及直观可视化技术的智能化控制成套技术。

83、本发明利用仿真技术和炉内实测数据相结合的方式重新构建炉内的温度场，在实现快速仿真的同时，使得温度场具有更高的可信度，解决高粉尘工况下炉内温度场监测的技术难题；

84、本发明通过对工业窑炉的炉内图像信息处理，能够准确获取炉内的温度场；并通过对炉内温度图像的分析处理，能够快速实现窑炉内部异常工况预测预警；

85、本发明通过对工业窑炉的炉外图像信息处理，能够准确获取炉外的温度图像；并通过对炉外温度图像的分析处理，能够快速实现窑炉外壁及炉内异常工况预测预警；

86、本发明利用直观可视化技术通过对炉内外实时图像的分析处理及学习训练，逐步建立基于炉内外图像特征同工业窑炉工况紧密关联的知识库或机理模型，进而实现对工业窑炉的智能可视化控制。