开云优惠体育网页版入口

专利名称：一种冶金炉窑数字孪生技术的风险管控平台

专利类型：发明专利

专利申请号：CN202410188838.1

专利申请（专利权）人：建龙西林钢铁有限公司,哈尔滨工业大学,中钢武汉安全环保研究院股份有限公司
权利人地址：黑龙江省伊春市西林区新兴大街

专利发明（设计）人：赵克斌,张达鑫,秦萍,李瑞峰,展之发,王贺春,王继昕,王尚坤,王强,宋佳

专利摘要：本发明涉及冶金安全生产技术领域，具体涉及一种冶金炉窑数字孪生技术的风险管控平台，包括：数据采集模块、数字孪生模块、风险分类模块、管控决策模块和执行模块。本发明的数据采集模块能够实时获取炉窑的关键运行数据，如温度、压力、速度等，确保对炉窑状态的即时掌握，有助于及时发现潜在问题。风险分类模块利用数字孪生模型的实时模拟数据，结合预设的风险分类模型，能够对炉窑运行中的风险进行准确分类；这种分类有助于区分不同风险的严重性和紧急性，为后续的管控决策提供有力支持，确保了冶金炉窑的高效、安全和可持续运行。

主权利要求：
1.一种冶金炉窑数字孪生技术的风险管控平台，其特征在于，包括：数据采集模块、数字孪生模块、风险分类模块、管控决策模块和执行模块；
所述数据采集模块用于实时获取冶金炉窑的运行数据，包括温度、压力、速度、物料状态及设备健康状况；
所述数字孪生模块与所述数据采集模块连接，用于根据历史运行数据构建炉窑的数字孪生模型，并接收数据采集模块采集的运行数据实时模拟炉窑的运行状态；
所述风险分类模块与数字孪生模块连接，用于根据数字孪生模型的运行状态，结合预设的风险分类模型，对炉窑进行实时风险分类；
所述管控决策模块与风险分类模块连接，用于根据分类的风险，结合预设的管控策略，生成管控指令；所述预设的管控策略包括根据不同的组件定义不同风险等级的划分标准：低风险、中风险和高风险；针对不同风险等级，设定相应的响应机制，包括警告、自动调整工艺参数、启动备用设备和紧急停机；
所述执行模块与管控决策模块连接，用于接收管控指令，并控制炉窑执行相应的风险管控措施；
所述根据数字孪生模型的运行状态，结合预设的风险分类模型，对炉窑进行实时风险分类包括：获取表示所述数字孪生模型的运行状态的数据；
构建风险分类模型，所述风险分类模型包括第一分类模型、第二分类模型和第三分类模型；
利用预设的第一分类模型，将所述运行状态的数据转换为具有行和列的表格；
利用预设的第二分类模型，分别获取所述表格每行和每列数据的特征信息；
利用预设的第三分类模型，根据获取的所述特征信息和预设的多个风险类别，对所述运行状态的数据进行分类；
所述利用预设的第一分类模型，将所述运行状态的数据转换为具有行和列的表格包括：将所述运行状态的数据进行编号组合；
计算所述编号组合后的运行状态的数据之间的相关性系数；
根据所述相关性，将所述运行状态的数据转换为具有行和列的表格；
所述计算所述运行状态的数据之间的相关性系数包括利用以下公式计算相关性系数：；
其中，X表示相关性系数，i、j分别表示所述运行状态的数据的编号，xi表示编号为i的运行状态数据，xj表示编号为j的运行状态数据， 表示运行状态数据的平均值，n表示编号总数，R（x）i 表示xi的秩，R（x）j 表示xj的秩。
2.根据权利要求1所述的风险管控平台，其特征在于，所述数字孪生模块包括炉窑层、数字孪生模型层和孪生数据层；
所述炉窑层包括虚拟实体模型，所述虚拟实体模型包括冶金炉窑的物理实体的数字化模型；
所述数字孪生模型层包括将所述炉窑的运作过程数字化，并融合到所述虚拟实体模型，获得数字孪生模型；
所述孪生数据层处理和存储所述采集的运行数据至所述数字孪生模型，实时模拟炉窑的运行状态。
3.根据权利要求1所述的风险管控平台，其特征在于，所述利用预设的第二分类模型，分别获取所述表格每行和每列数据的特征信息包括：对所述表格每行和每列数据进行最大聚合表示；
根据所述最大聚合表示，利用预设的激活函数，获得每行和每列的特征信息；
利用预设的融合算法，对所述每行和每列的特征信息进行融合。
4.根据权利要求3所述的风险管控平台，其特征在于，所述对所述表格每行和每列数据进行最大聚合表示包括利用以下公式进行最大聚合表示：；
其中，hk表示k行的最大聚合表示， 表示最大聚合函数，xk表示为k行的所有的数据；
ls表示s列的最大聚合表示，ys表示为s列的所有的数据。
5.根据权利要求4所述的风险管控平台，其特征在于，根据所述最大聚合表示，利用预设的激活函数，获得每行和每列的特征信息包括利用以下公式获得每行和每列的特征信息；
；
其中， 表示每行的特征信息, 表示每列的特征信息，frelu表示激活函数，Q和 为模型参数。
6.根据权利要求5所述的风险管控平台，其特征在于，利用预设的融合算法，对所述每行和每列的特征信息进行融合包括利用以下公式融合：；
其中，Vconv表示融合后的向量； 表示融合操作， 表示每行的特征信息， 表示每列的特征信息。
7.根据权利要求1所述的风险管控平台，其特征在于，利用预设的第三分类模型，根据获取的所述特征信息和预设的多个风险类别，对所述运行状态的数据进行分类包括：；
其中， 为预测概率， 为可训练权矩阵，t为偏置项，Softmax表示对UVconv+t的结果进行分类，所述softmax包括预设的多个风险类别。 说明书 : 一种冶金炉窑数字孪生技术的风险管控平台技术领域[0001] 本发明涉及冶金安全生产技术领域，具体涉及一种冶金炉窑数字孪生技术的风险管控平台。背景技术[0002] 炉窑是冶金工业生产流程中的关键设备，冶金炉窑的作用主要是将物质进行热处理，从而改变其物理、化学和机械性质。炉窑是对原材料通过高温处理改变其物性、化学性和结构性的装置，其过程对最终产品的质量和产能具有直接影响，因此确保炉窑运行的安全、稳定、高效至关重要。[0003] 冶金炉窑在运行过程中面临多种风险，包括“人机物”的安全隐患、设备故障、工艺偏差、物料不均，管网压力波动、环境污染及能耗等问题。这些风险可能导致生产中断、成本增加、产品质量下降，甚至可能引发严重的事故。[0004] 数字孪生技术是一种新兴的技术趋势，它通过创建物理系统的虚拟副本（即数字孪生），在虚拟环境中模拟、分析和预测物理系统的行为。这种技术允许操作人员在不影响实际生产的情况下，对炉窑进行测试、优化和故障排除。随着传感器技术、数据处理能力和模拟软件的发展，数字孪生技术日益成熟，并在多个行业中得到应用。[0005] 随着工业自动化的推进和安全生产要求的提高，对炉窑风险进行精准、实时的管控成为迫切需求。传统的风险管控方法往往基于经验判断或定期维护，难以应对复杂多变的炉窑环境和潜在风险。发明内容[0006] （一）发明目的[0007] 本发明的目的是提供一种能提高冶金炉窑安全性的冶金炉窑数字孪生技术的风险管控平台。[0008] （二）技术方案[0009] 为解决上述问题，本发明提供了一种冶金炉窑数字孪生技术的风险管控平台，包括：数据采集模块、数字孪生模块、风险分类模块、管控决策模块和执行模块；[0010] 所述数据采集模块用于实时获取冶金炉窑的运行数据，包括温度、压力、速度、物料状态及设备健康状况；[0011] 所述数字孪生模块与所述数据采集模块连接，用于根据历史运行数据构建炉窑的数字孪生模型，并接收数据采集模块采集的运行数据实时模拟炉窑的运行状态；[0012] 所述风险分类模块与数字孪生模块连接，用于根据数字孪生模型的运行状态，结合预设的风险分类模型，对炉窑进行实时风险分类；[0013] 所述管控决策模块与风险分类模块连接，用于根据分类的风险，结合预设的管控策略，生成管控指令；[0014] 所述执行模块与管控决策模块连接，用于接收管控指令，并控制炉窑执行相应的风险管控措施。[0015] 本发明的另一方面，优选地，所述数字孪生模块包括炉窑层、数字孪生模型层和孪生数据层；[0016] 所述炉窑层包括虚拟实体模型，所述虚拟实体模型包括冶金炉窑的物理实体的数字化模型；[0017] 所述数字孪生模型层包括将所述炉窑的运作过程数字化，并融合到所述虚拟实体模型，获得数字孪生模型；[0018] 所述孪生数据层处理和存储所述采集的运行数据至所述数字孪生模型，实时模拟炉窑的运行状态。[0019] 本发明的另一方面，优选地，所述根据数字孪生模型的运行状态，结合预设的风险分类模型，对炉窑进行实时风险分类包括：[0020] 获取表示所述数字孪生模型的运行状态的数据；[0021] 构建风险分类模型，所述风险分类模型包括第一分类模型、第二分类模型和第三分类模型；[0022] 利用预设的第一分类模型，将所述运行状态的数据转换为具有行和列的表格；[0023] 利用预设的第二分类模型，分别获取所述表格每行和每列数据的特征信息；[0024] 利用预设的第三分类模型，根据获取的所述特征信息和预设的多个风险类别，对所述运行状态的数据进行分类。[0025] 本发明的另一方面，优选地，所述利用预设的第一分类模型，将所述运行状态的数据转换为具有行和列的表格包括：[0026] 将所述运行状态的数据进行编号组合；[0027] 计算所述编号组合后的运行状态的数据之间的相关性系数；[0028] 根据所述相关性，将所述运行状态的数据转换为具有行和列的表格。[0029] 本发明的另一方面，优选地，所述计算所述运行状态的数据之间的相关性系数包括利用以下公式计算相关性系数：[0030] ；[0031] 其中，X表示相关性系数，i、j分别表示所述运行状态的数据的编号，xi表示编号为i的运行状态数据，xj表示编号为j的运行状态数据，表示运行状态数据的平均值，n表示编号总数，R（x）i 表示xi的秩，R（x）j 表示xj的秩。[0032] 本发明的另一方面，优选地，所述利用预设的第二分类模型，分别获取所述表格每行和每列数据的特征信息包括：[0033] 对所述表格每行和每列数据进行最大聚合表示；[0034] 根据所述最大聚合表示，利用预设的激活函数，获得每行和每列的特征信息；[0035] 利用预设的融合算法，对所述每行和每列的特征信息进行融合。[0036] 本发明的另一方面，优选地，所述对所述表格每行和每列数据进行最大聚合表示包括利用以下公式进行最大聚合表示：[0037] ；[0038] 其中，hk表示k行的最大聚合表示， 表示最大聚合函数，xk表示为k行的所有的数据；ls表示s列的最大聚合表示，ys表示为s列的所有的数据。[0039] 本发明的另一方面，优选地，根据所述最大聚合表示，利用预设的激活函数，获得每行和每列的特征信息包括利用以下公式获得每行和每列的特征信息；[0040] ；[0041] 其中， 表示每行的特征信息, 表示每列的特征信息，frelu表示激活函数，Q和 为模型参数。[0042] 本发明的另一方面，优选地，利用预设的融合算法，对所述每行和每列的特征信息进行融合包括利用以下公式融合：[0043] ；[0044] 其中，Vconv表示融合后的向量； 表示融合操作， 表示每行的特征信息，表示每列的特征信息。[0045] 本发明的另一方面，优选地，利用预设的第三分类模型，根据获取的所述特征信息和预设的多个风险类别，对所述运行状态的数据进行分类包括：[0046] ；[0047] 其中， 为预测概率， 为可训练权矩阵，t为偏置项，Softmax表示对UVconv+t的结果进行分类，所述softmax包括预设的多个风险类别。[0048] （三）有益效果[0049] 本发明的上述技术方案具有如下有益的技术效果：[0050] 本发明的数据采集模块能够实时获取炉窑的关键运行数据，如温度、压力、速度等，确保对炉窑状态的即时掌握，有助于及时发现潜在问题。风险分类模块利用数字孪生模型的实时模拟数据，结合预设的风险分类模型，能够对炉窑运行中的风险进行准确分类；这种分类有助于区分不同风险的严重性和紧急性，为后续的管控决策提供有力支持。管控决策模块根据风险分类结果和预设的管控策略，能够快速生成针对性的管控指令。这种智能决策过程减少了人为干预的延迟和误差，提高了风险管控的效率和准确性。执行模块接收管控指令后，能够迅速控制炉窑执行相应的风险管控措施。这确保了风险得到及时有效的处理，降低了事故发生的可能性。[0051] 通过数字孪生技术的模拟分析，平台不仅可以对当前风险进行管控，还能预测未来可能出现的问题，从而实现预防性维护。这有助于延长设备使用寿命，提高炉窑整体运行效率。有效的风险管控减少了意外停机和生产中断的次数，从而降低了维护成本和生产成本。同时，优化后的炉窑运行有助于提高产能和产品质量。平台通过实时监控和智能管控，显著增强了炉窑的安全生产能力。确保了炉窑的高效、安全和可持续运行。附图说明[0052] 图1是本发明一个实施例的整体的结构示意图。具体实施方式[0053] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。[0054] 显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0055] 在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。[0056] 此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。[0057] 实施例一[0058] 一种冶金炉窑数字孪生技术的风险管控平台，其特征在于，包括：数据采集模块、数字孪生模块、风险分类模块、管控决策模块和执行模块；[0059] 此处不限制所述数据采集模块的具体内容，可选的，本实施例中，所述数据采集模块用于实时获取冶金炉窑的运行数据，包括温度、压力、速度、物料状态及设备健康状况；数据采集模块能够实时获取炉窑的关键运行数据，如温度、压力、速度等，确保对炉窑状态的即时掌握，有助于及时发现潜在问题；[0060] 此处不限制所述数字孪生模块的具体内容，可选的，本实施例中，所述数字孪生模块所述数字孪生模块与所述数据采集模块连接，用于根据历史运行数据构建炉窑的数字孪生模型，并接收数据采集模块采集的运行数据实时模拟炉窑的运行状态；[0061] 进一步，本实施例中，所述数字孪生模块包括炉窑层、数字孪生模型层和孪生数据层；[0062] 所述炉窑层包括虚拟实体模型，所述虚拟实体模型包括冶金炉窑的物理实体的数字化模型；[0063] 所述数字孪生模型层包括将所述炉窑的运作过程数字化，并融合到所述虚拟实体模型，获得数字孪生模型；[0064] 所述孪生数据层处理和存储所述采集的运行数据至所述数字孪生模型，实时模拟炉窑的运行状态；[0065] 所述风险分类模块与数字孪生模块连接，用于根据数字孪生模型的运行状态，结合预设的风险分类模型，对炉窑进行实时风险分类；[0066] 此处不限制所述风险分类模块的具体内容，可选的，本实施例中，所述根据数字孪生模型的运行状态，结合预设的风险分类模型，对炉窑进行实时风险分类包括：[0067] 获取表示所述数字孪生模型的运行状态的数据；[0068] 构建风险分类模型，所述风险分类模型包括第一分类模型、第二分类模型和第三分类模型；[0069] 利用预设的第一分类模型，将所述运行状态的数据转换为具有行和列的表格；[0070] 利用预设的第二分类模型，分别获取所述表格每行和每列数据的特征信息；[0071] 利用预设的第三分类模型，根据获取的所述特征信息和预设的多个风险类别，对所述运行状态的数据进行分类。[0072] 风险分类模块利用数字孪生模型的实时模拟数据，结合预设的风险分类模型，能够对炉窑运行中的风险进行准确分类；这种分类有助于区分不同风险的严重性和紧急性，为后续的管控决策提供有力支持。[0073] 进一步，本实施例中，所述利用预设的第一分类模型，将所述运行状态的数据转换为具有行和列的表格包括：[0074] 将所述运行状态的数据进行编号组合；[0075] 计算所述编号组合后的运行状态的数据之间的相关性系数；[0076] 根据所述相关性，将所述运行状态的数据转换为具有行和列的表格。[0077] 进一步，本实施例中，所述计算所述运行状态的数据之间的相关性系数包括利用以下公式计算相关性系数：[0078] ；[0079] 其中，X表示相关性系数，i、j分别表示所述运行状态的数据的编号，xi表示编号为i的运行状态数据，xj表示编号为j的运行状态数据，表示运行状态数据的平均值，n表示编号总数，R（x）i 表示xi的秩，R（x）j 表示xj的秩。[0080] 通过以上的相关性计算，利用相关性识别数据中的关联，并且本实施例采用多种相关性公式进行计算，考虑了不同类别的数据之间的分布差异，避免信息的缺失。[0081] 进一步，本实施例中，所述利用预设的第二分类模型，分别获取所述表格每行和每列数据的特征信息包括：[0082] 对所述表格每行和每列数据进行最大聚合表示；[0083] 根据所述最大聚合表示，利用预设的激活函数，获得每行和每列的特征信息；[0084] 利用预设的融合算法，对所述每行和每列的特征信息进行融合；[0085] 进一步，本实施例中，所述对所述表格每行和每列数据进行最大聚合表示包括利用以下公式进行最大聚合表示：[0086] ；[0087] 其中，hk表示k行的最大聚合表示， 表示最大聚合函数，xk表示为k行的所有的数据；ls表示s列的最大聚合表示，ys表示为s列的所有的数据。[0088] 进一步，本实施例中，根据所述最大聚合表示，利用预设的激活函数，获得每行和每列的特征信息包括利用以下公式获得每行和每列的特征信息；[0089] ；[0090] 其中， 表示每行的特征信息, 表示每列的特征信息，frelu表示激活函数，Q和 为模型参数。[0091] 进一步，本实施例中，利用预设的融合算法，对所述每行和每列的特征信息进行融合包括利用以下公式融合：[0092] ；[0093] 其中，Vconv表示融合后的向量； 表示融合操作， 表示每行的特征信息，表示每列的特征信息。[0094] 进一步，本实施例中，利用预设的第三分类模型，根据获取的所述特征信息和预设的多个风险类别，对所述运行状态的数据进行分类包括：[0095] ；[0096] 其中， 为预测概率， 为可训练权矩阵，t为偏置项，Softmax表示对UVconv+t的结果进行分类，所述softmax包括预设的多个风险类别。[0097] 本实施例的风险分类模型能提高分类准确度，风险分类模块利用数字孪生模型的实时模拟数据，结合预设的风险分类模型，能够对炉窑运行中的风险进行准确分类；这种分类有助于区分不同风险的严重性和紧急性，为后续的管控决策提供有力支持。[0098] 所述管控决策模块与风险分类模块连接，用于根据分类的风险，结合预设的管控策略，生成管控指令；此处不限制所述预设的管控策略的具体内容，可选的，本实施例中，所述预设的管控策略包括根据不同的组件定义不同风险等级的划分标准，如低风险、中风险和高风险；针对不同风险等级，设定相应的响应机制，包括警告、自动调整工艺参数、启动备用设备、紧急停机等；根据实时采集的物料状态、温度、压力等数据，调整炉窑工艺参数，确保产品质量和能效，在检测到工艺偏差时，自动或手动调整炉窑设置，以减少废品和能源浪费等。[0099] 所述执行模块与管控决策模块连接，用于接收管控指令，并控制炉窑执行相应的风险管控措施。[0100] 本发明的数据采集模块能够实时获取炉窑的关键运行数据，如温度、压力、速度等，确保对炉窑状态的即时掌握，有助于及时发现潜在问题。风险分类模块利用数字孪生模型的实时模拟数据，结合预设的风险分类模型，能够对炉窑运行中的风险进行准确分类；这种分类有助于区分不同风险的严重性和紧急性，为后续的管控决策提供有力支持。管控决策模块根据风险分类结果和预设的管控策略，能够快速生成针对性的管控指令。这种智能决策过程减少了人为干预的延迟和误差，提高了风险管控的效率和准确性。执行模块接收管控指令后，能够迅速控制炉窑执行相应的风险管控措施。这确保了风险得到及时有效的处理，降低了事故发生的可能性。[0101] 通过数字孪生技术的模拟分析，平台不仅可以对当前风险进行管控，还能预测未来可能出现的问题，从而实现预防性维护。这有助于延长设备使用寿命，提高炉窑整体运行效率。有效的风险管控减少了意外停机和生产中断的次数，从而降低了维护成本和生产成本。同时，优化后的炉窑运行有助于提高产能和产品质量。平台通过实时监控和智能管控，显著增强了炉窑的安全生产能力。确保了炉窑的高效、安全和可持续运行。[0102] 应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。[0103] 以上参照本发明的实施例对本发明予以了说明。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。本发明的范围由所附权利要求及其等价物限定。不脱离本发明的范围，本领域技术人员可以做出多种替换和修改，这些替换和修改都应落在本发明的范围之内。[0104] 尽管已经详细描述了本发明的实施方式，但是应该理解的是，在不偏离本发明的精神和范围的情况下，可以对本发明的实施方式做出各种改变、替换和变更。[0105] 显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

专利地区：黑龙江

专利申请日期：2024-02-20

专利公开日期：2024-11-01

专利公告号：CN117910808B