基于数字孪生的散料处理调度优化方法与流程

摘要: 本发明涉及散料输送控制,具体涉及基于数字孪生的散料处理调度优化方法。背景技术:1、煤粉、粉煤灰、塑料粒子等颗粒散料广泛用于化工、电力等行业;气力输送以压缩空气为...
基于数字孪生的散料处理调度优化方法与流程

本发明涉及散料输送控制,具体涉及基于数字孪生的散料处理调度优化方法。

背景技术:

1、煤粉、粉煤灰、塑料粒子等颗粒散料广泛用于化工、电力等行业;气力输送以压缩空气为介质,通过密闭管路转运物料,包含正、负压两种输送结构,按料气比分为稀相、浓相两类工况,管路沿线可同步完成掺混、计量、除粉、卸料等一体化加工,输送时可添加工艺助剂。正压适配长距离大运量,负压适用于多点进料;稀相输送能耗高、磨损大。传统方案依靠人工固定风压、风量、料气比,无法实时匹配管内气固两相流状态,易出现堵管、颗粒破损、风机空耗,还存在粉尘外泄、粉料爆炸隐患。利用数字孪生搭建管路虚拟镜像,可实时映射管内料流、预判堵管风险、仿真优化输送工况参数,实现气力输送系统动态智能调度。

2、现有公开号为cn121857553a的专利申请公开了基于数字孪生的生产线智能实时调控系统与方法,包括:状态感知采集模块用于获取生产线的生产设备实时运行参数、物料流状态信息及环境扰动特征;数字孪生建模模块用于融合多源数据,通过动态数据驱动的孪生模型构建生产线物理实体与虚拟模型的精准映射,实时预测生产线设备性能退化趋势与扰动传播路径;智能决策模块用于通过分布式协同强化学习算法生成生产线实时调度策略,输出生产线调控指令集;实时调控反馈模块通过多目标动态权衡算法执行生产线调控动作,自动生成带设备健康度补偿的生产线生产优化报告。由此,解决现有技术中模型构建静态化、决策机制滞后、调控反馈缺失等问题。

3、尽管现有基于数字孪生的生产线智能实时调控系统与方法,实现了对生产设备运行状态、物料流及环境扰动的实时感知与数字孪生建模,并通过分布式协同强化学习进行调度决策与多目标动态权衡调控,但未针对“正压稀相、负压稀相”多工况气力输送工艺进行建模与设计协同调度逻辑,未结合风机风量、管道料气比、输送模式、堵管风险、工位物料流速实现联合调控,难以适配管内气固两相流的流动特征,进而造成管路频繁堵料、颗粒磨损严重、风机能耗高的问题。

技术实现思路

1、针对现有技术存在的不足,本发明的目的在于提供基于数字孪生的散料处理调度优化方法,通过构建气力输送数字孪生模型并设置可调参数节点,计算综合预测误差指标,动态修正初始机理参数集,输出管路虚拟状态张量并计算各管段的输送能力裕度;将正压稀相输送模式与负压稀相输送模式作为多目标优化的决策变量,结合风机风量、管道料气比、工位物料流速及堵管风险等级实施联合调控,实现输送模式与控制参数的协同寻优;同时根据管路虚拟状态张量实时校验管段输送能力裕度与加工品质指标,动态适配气固两相流流动特征,降低管路堵料频率、减少颗粒磨损并优化风机能耗。

2、为实现上述目的,本发明提供了如下技术方案:

3、基于数字孪生的散料处理调度优化方法,包括:

4、获取多源异构数据,采用时空自适应插值对齐算法并设置五项物理约束,形成多维时序数据流;

5、构建气力输送数字孪生模型,将密闭输送管道抽象为气固两相流单元,设置可调参数节点,计算综合预测误差指标,动态修正初始机理参数集,输出管路虚拟状态张量;

6、计算各管段的输送能力裕度,标记异常管段并行进行气固两相流仿真推演,设置多目标优化准则,按需选用正压稀相输送模式或负压稀相输送模式进行全局寻优,输出调控指令集;

7、将调控指令集下发至各执行设备,更新管路虚拟状态张量,校验管段的输送能力裕度、堵管风险等级及加工品质指标;当任意管段压差、物料流速、工位加工参数偏离安全阈值时,触发全局滚动重优化。

8、具体地,构建气力输送数字孪生模型的具体步骤包括:

9、从多维时序数据流中提取当前工况特征,归一化后采用物理约束正则化的主成分分析算法降维,得到工况时窗特征向量;

10、获取历史工况特征,将工况时窗特征向量与历史工况特征在统一管路里程坐标和时间尺度上进行加权相似度匹配,得到综合加权相似度;

11、降序排序后取综合加权相似度排名前n的历史工况样本,通过相似度加权投票确定初始工况先验标签,获取对应历史机理参数值,通过局部加权平均生成初始机理参数集;

12、基于初始机理参数集和工况时窗特征向量,结合气固两相流流体力学机理参数,构建气力输送数字孪生模型,将密闭输送管道抽象为气固两相流单元并设置可调参数节点。

13、具体地,输出管路虚拟状态张量的具体步骤包括:

14、利用在线集成学习算法持续对比气力输送数字孪生模型预测的管道压差、物料输送速率、管路流速和现场实测数据计算综合预测误差指标;

15、基于综合预测误差指标动态修正初始机理参数集内各机理参数,输出管路虚拟状态张量。

16、具体地,动态修正初始机理参数集的具体步骤包括:

17、以综合预测误差指标最小化为目标,通过在线集成学习器反向求解初始机理参数集内各机理参数对总误差的贡献度,设置自适应修正步长对各机理参数进行增量迭代更新;

18、以综合预测误差指标对当前各机理参数的敏感度为参数梯度,通过偏导数计算得到对应梯度方向与梯度幅值,优先更新梯度幅值最大的前三个机理参数;

19、更新后重新计算综合预测误差指标,若综合预测误差指标降低则保留更新结果,否则重复迭代至达到最大迭代次数;

20、当综合预测误差指标连续低于预设稳态阈值时,缩小修正步长进入稳态微调模式;当综合预测误差指标连续超出预设稳态阈值且工况特征发生偏移时,重新进行加权相似度匹配,更新初始机理参数集后执行修正。

21、具体地,计算各管段的输送能力裕度的具体步骤包括:

22、基于统一管路里程坐标,以进料口、管路变径段、掺混仓接入点、淘析除粉工位入口与出料口为分界节点,将整条密闭输送管路离散为独立管段并形成管段拓扑关系;

23、从管路虚拟状态张量中提取各管段的物料输送速率、物料质量流量上限、下游重力掺混仓与淘析除粉工位物料消耗速率;

24、以进料口物料质量流量为供给量,下游重力掺混仓物料消耗速率、淘析除粉工位物料消耗速率及相邻下游管段物料需求量为需求量,按照管段拓扑关系进行质量流量守恒计算得到管段供需偏差量;

25、根据物料质量流量上限与当前实际输送速率,计算各管段的输送能力裕度,结合管段供需偏差量表征管段当前输送状态。

26、具体地,并行进行气固两相流仿真推演的具体步骤包括:

27、以各管段的统一管路里程坐标和时间戳为时空定位信息,以输送能力裕度、管段供需偏差量、物料输送速率、物料流速、管道压差以及管道压差梯度为状态特征,在滑动时间窗内形成各管段的时空状态轨迹,归一化后采用基于密度的聚类方法识别状态簇;

28、根据输送能力裕度、管道压差、管段供需偏差量与物料流速,将状态簇分别标记为高堵塞风险管段、料流流速过剩管段与料流流速不足管段,整合形成异常管段集合;

29、针对异常管段调用气力输送数字孪生模型并行进行气固两相流仿真推演,构建仿真管段并设置仿真边界条件,并行进行正压稀相输送模式、负压稀相输送模式下的气固两相流动力学仿真,输出各仿真管段的仿真结果。

30、具体地,输出调控指令集的具体步骤包括:

31、以管道堵塞风险最低、颗粒物料磨损率最小、掺混均匀度达标、出料粉尘含量合规、风机风量能耗最低为多目标优化准则;

32、以正压稀相输送模式和负压稀相输送模式为离散输送模式决策变量,以可调参数节点对应的调控参数为连续控制变量;

33、以管道允许压力范围、设备额定运行范围、最低稳定输送速度、最大允许物料浓度、掺混均匀度下限及出料粉尘含量上限为优化约束条件进行全局寻优,输出调控指令集。

34、具体地,进行全局寻优的具体步骤包括:

35、采用带精英策略的非支配排序遗传算法进行全局寻优,基于当前运行参数、正压稀相输送模式和负压稀相输送模式生成初始种群,将离散输送模式决策变量与连续控制变量进行混合编码;

36、调用气力输送数字孪生模型求解各优化目标值与约束违反量,经非支配排序与拥挤度计算筛选精英个体,经选择、交叉、变异操作生成下一代种群,迭代至最大迭代次数得到帕累托最优解集,基于熵权topsis法筛选综合最优解,确定最优输送模式与对应控制参数组合。

37、具体地,更新管路虚拟状态张量,校验管段的输送能力裕度、堵管风险等级及加工品质指标的具体步骤包括:

38、基于执行设备的控制特性与气力输送工况冲击特性,将调控指令集拆解为三级优先级指令子集,结合当前管路堵管风险等级、管段拓扑结构及设备可执行状态,构建工况适配时序仲裁规则;

39、根据工况适配时序仲裁规则进行仲裁生成设备指令序列,在调控指令正式下发前进行气力输送数字孪生模型预演校验,输出可执行调控指令包后下发至对应执行设备;

40、获取设备实际运行反馈、管段传感实测数据和指令设定值,构建三元组时序数据计算执行偏差,结合预设允许偏差范围标记执行异常设备,输出执行反馈数据集;

41、获取全管路工况传感实测时序数据,结合执行反馈数据集,更新管路虚拟状态张量,校验管段的输送能力裕度、堵管风险等级及加工品质指标。

42、具体地,触发全局滚动重优化的具体步骤包括:

43、当检测到任意管段压差、物料流速、工位加工参数持续偏离预设安全阈值时,触发全局滚动重优化;

44、以全管路工况传感实测时序数据、更新后的管路虚拟状态张量与设备执行状态为初始优化基准,定位越限管段与异常工位,联动上下游关联管段形成全局优化边界,重新使用非支配排序遗传算法进行全局寻优;

45、以管道堵塞风险最低、颗粒物料磨损率最小、掺混均匀度达标、出料粉尘含量合规、风机风量能耗最低为多目标优化准则,以预设的安全阈值为硬约束;

46、采用气力输送数字孪生模型计算各优化目标值和约束违反量,迭代收敛后采用熵权topsis法从帕累托最优解集中筛选综合最优解,生成更新后的调控指令集。

47、本发明的有益效果:

48、1.本发明通过构建气力输送数字孪生模型,将密闭输送管道抽象为气固两相流单元并设置可调参数节点,结合气固两相流流体力学机理参数,利用在线集成学习算法动态修正初始机理参数集,输出管路虚拟状态张量;以正压稀相输送模式和负压稀相输送模式为离散输送模式决策变量,以可调参数节点对应的调控参数为连续控制变量,通过带精英策略的非支配排序遗传算法进行全局寻优,实现了输送模式与控制参数的联合优化;解决了传统方案中正压、负压、稀相、浓相多工况缺乏统一建模与协同调度逻辑的问题,使散料处理系统可根据实时工况自适应选择最优输送模式与参数组合,以适配管内气固两相流的流动特征。

49、2.本发明通过对各管段进行质量流量守恒计算得到管段供需偏差量,结合物料质量流量上限与当前实际输送速率计算各管段的输送能力裕度,以管道堵塞风险最低、颗粒物料磨损率最小、风机风量能耗最低为多目标优化准则进行全局寻优;通过校验管段的输送能力裕度、堵管风险等级及加工品质指标,当任意管段压差、物料流速、工位加工参数偏离安全阈值时触发全局滚动重优化,实现了风机风量、管道料气比、堵管风险、工位物料流速等多变量的联合调控与闭环优化,从根本上解决了管路频繁堵料、颗粒磨损严重、风机能耗高的技术难题,提升了气力输送系统的运行稳定性与能效水平。