工业数字孪生解决方案依托数字孪生技术，对工业生产场景进行多维度多尺度数字化建模,从而能在多个层级下对模型进行耦合。此外,通过集成融合现有的多源异构数据，在虚拟空间中复现真实工作场景，使得整个数字孪生体与物理实体保持了平行运行、实时交互与迭代优化。在此期间，物理实体的生产过程使数字孪生体不断地优化迭代,同时数字孪生体又通过提供操作参数推荐、产品生命周期管理等解决方案对物理实体生产线进行改善,两者互相促进,共同进化。最终实现快速生成面向生产决策优化的自感知、自计算、自组织和自维护解决方案。本文以一条炼铁生产线为例,详细阐述数字孪生技术在实际工业中的应用解决方案。
炼钢生产线数字孪生解决方案主要涵盖数字化学习工厂、炼铁过程协优化、炼铁过程故障诊断与设备维护、炼铁过程自组织运行等四部分。
1. 数字化学习工厂
炼铁生产线数字孪生系统的数字化学习工厂模块是以工作为导向,面向未来制造业教育、培训和研究的学习环境。其广泛使用了数字孪生技术,将以往的学习者在物理世界中实践学习的模式,转向学习者通过增强式交互的手段在虚拟空间中进行实践学习的模式,为学生求职以及工程师的职务提升提供帮助。
炼铁生产线数字孪生系统的数字化学习工厂通过分析炼铁流程/设备的几何结构和组成,利用CAD软件解析关键的结构参数,结合设计图纸和实景拍摄照片,采用3Dsmax软件建立空间几何模型,并在PolygonCruncher、3DSVIZ、AutodeskVIZ等软件平台上对三维模型进行优化。其次,利用Unity3D建立炼铁过程中的交互模拟和物料运动全过程模拟,并实时读取现场或其数字孪生体运行数据,重构出随现场运行过程实时变化的高炉料面形状、软熔带位置和形状等关键信息,建立完整的集合模型。在此基础上采用RealFlow实现流体模拟,利用ANSYS、CFD、Fluent等CAE分析软件对炼铁流程/设备的运行机理、能量交换、多场耦合演变规律等进行建模及数值模拟仿真,为几何模型赋予内核。最终基于UGUI构建3D交互界面,实现大型高炉炼铁生产线数字孪生体的开发,该数字孪生体可代替高成本的物理模型以及生产环境恶劣的工作现场作为炼铁生产线的演示与讲解工具,并可扩展为VR环境,实现炼铁生产线与工人、学习人员在虚拟空间中的交互。
2. 炼铁过程协同优化
炼铁生产线过程涉及多项优化过程包括物料配方优化、工艺参数优化以及生产过程的优化控制。
物料配方优化可以保证钢铁企业合理地选择、利用铁矿石资源,确保各个环节产品质量,同时降低钢铁生产成本、降低污染物排放,从而增强企业竞争力。为实现这一系列目标,钢铁企业需要将采购、配矿、产出评价三个环节紧密地结合起来。
炼铁生产过程运行优化控制系统是炼铁生产全流程的中枢系统,其控制功能和控制策略的正确性,直接关系到炼铁生产功能和性能,也是确保生产过程高效运行,提高生产效率,提升产品质量,降低生产运行成本的重要途径。
而工艺参数优化针对工艺控制模型精度不足的问题,基于数据或机理模型向工人推荐优化的操作参数,包括对烧结过程的烧结矿质量、高炉布料矩阵和铁水质量等关键工艺进行建模。在此基础上,构建以烧结矿质量稳定为优化目标的烧结过程工艺参数优化模型、以最小化真实料面形状与期望料面形状的偏差为目标的布料矩阵单目标优化模型和以最小化铁水硅含量预测值与期望设定值的偏差为目标的高炉铁水质量优化模型。
通过数字孪生技术,可将整个优化问题从原先脱离整体的局部优化转变为多流程耦合的全局协同优化。以配料优化为例,炼铁流程的配料包含混匀料场配料、烧结配料和高炉配料三个层次的配料,三次配料不仅要满足各自工序的要求,还要考虑前后工序的复杂耦合作用。通过使用数字孪生体获取不同配料情况下的海量虚拟数据,并将其与工业现场的实际感知数据进行融合,实现铁前工艺配料工序监控覆盖。同时利用新型数据挖掘和数据库管理相关技术,实现高效的数据清洗、数据降维、数据关联等,为铁前工艺各测量变量间的未知耦合关系分析评价,为潜在配料优化目标和优化约束条件的挖掘构建提供指导,用以实现一定范围内铁前工艺优化配料在线自主分析处理。最后通过针对数字孪生体的优化算法,结合之前分析得到的约束条件,对混匀料场配料、烧结配料和高炉配料构成的三元数字孪生体进行全局优化,从而完成物料配方的协同优化。通过类似的解决方案设计流程,可以实现炼铁生产过程中铁水质量、燃料比、污染排放等运行指标的多工序、多目标协调智能运行优化控制,保证炼铁生产过程优化运行,达到节能、降耗、减排的“绿色冶炼、清洁生产”的目的。
3. 炼铁过程故障诊断与设备维护
炼铁过程设备的异常或故障对炼铁生产危害严重,会引起炼铁质量和产量下降、能耗和排放增加、高炉停产休风等不良后果,甚至引发人员伤亡在内的重大安全事故。因此,迫切需要对炼铁设备异常或故障进行预警和诊断。
基于数字孪生技术的设备异常/故障预警、诊断溯源,能够降低大型炼铁系统设备诊断的难度,提高诊断的准确性与可靠性,保障炼铁设备可靠运行。同时依靠数字孪生体的耦合关系,在实际生产线运行过程中,对数字孪生体进行动态更新与异值反馈,从而保证模型的精度与时效。此外,通过工业物联网、巡检机器人、云计算平台的集成运用,对现场状态进行集中监控和远程运维,提高运维的智能化与自动化,减轻人力负担,降低运维成本。
除了故障诊断,数字孪生体还可用于对设备的性能退化情况与剩余使用寿命进行预测。首先,建立炼铁设备性能退化数据库。由于高可靠性设备的性能退化历史数据样本不充足,因此需要充分利用各种可能的途径来扩展数据量,包括使用高相似度设备的性能退化数据和加速试验数据、以及数字孪生体性能退化模型的仿真数据。其次,构建性能退化模型库。由于样本数据量有限且数据来源多样,建立性能退化模型需要融合数据与退化机理,综合高相似度设备和孪生模型与当前设备个体的共有特征,同时充分体现当前设备个体的专有特征。最后,利用性能退化模型实现剩余寿命预测,即依据在线数据估计退化模型参数,进而预测性能参量,并将预测得到的性能参量与数字孪生体相结合,保证数字孪生体模型随着设备性能退化的动态变化。
4. 炼铁过程自组织运行
自组织运行和调度是炼铁生产有序进行的关键,也是生产过程决策优化、管控、性能提升的核心技术手段。在基于数字孪生驱动的炼铁生产自组织运行和调度下,生产调度要素能够实现物理世界和虚拟世界之间相互映射,实现全流程、全业务数据之间的集成和融合,使得物理世界主动感知炼铁生产运行状态,利用虚拟世界自组织、自学习、自仿真机制,及时对生产调度方案和决策评估进行调整,快速、精准地确定异常范围,具有更好的自适应、扰动响应和异常解决能力。
同时,数字孪生体的增强式交互技术可以将复杂的运行调度过程在数字孪生体上以多维度、多视角的方式呈现。相关人员通过数字孪生体获得物理世界的信息,不同业务的工人获得不同的信息。
基于数字孪生的炼铁生产线主要包括生产要素管理、生产活动计划、生产过程三个方面的自组织运行与调度优化。
对生产要素管理的迭代优化过程,反映了数字孪生炼铁生产中炼铁生产与炼铁服务系统的交互过程,其中炼铁生产服务系统起主导作用。通过对生产要素管理的迭代优化,得到最初始的生产计划。
对生产计划的迭代优化过程,反映了数字孪生炼铁生产中服务系统与虚拟炼铁生产的交互过程,在该过程中,虚拟炼铁生产起主导作用。通过对生产计划的迭代优化得到优化后的预定义的生产计划。
对炼铁生产过程的实时迭代优化过程,反映了数字孪生炼铁生产中的物理对象与虚拟对象的交互过程,其中物理对象起主导作用。通过对炼铁生产过程的实时迭代优化,数字孪生数据不断更新与扩充,并对炼铁生产过程优化方法进行不断更新和完善。流程行业生产线的自组织运行与调度是由于涉及流程广,对模型精度要求高,其基础需要完备的数字孪生体的建立和完善的虚实数据量的积累,是现阶段亟需克服的难点。
工业数字孪生解决方案并以炼铁生产线为例,展示了数字孪生技术在其中提供的数字化学习工厂、炼铁过程协同优化、炼铁过程故障诊断与设备维护、炼铁过程自组织运行等解决方案，可以有效提高生产质量,实现节能减排,促进企业高质量发展。
