申请(专利)号：CN202210608043.2

申请日：2022-05-31

申请公布号：CN115017804A

申请公布日：2022-09-06

申请人：东北大学

地址：110819 辽宁省沈阳市和平区文化路3号巷11号

发明人：柴天佑 谭文 王维洲

主分类号：G06F30/27

分类号：G06F30/27;G06N3/04;G06N3/08;C04B2/10;H04L67/10;H04L67/12

代理机构：北京中强智尚知识产权代理有限公司

代理人：刘丽颖

主权项：

1.一种基于端边云协同的电熔镁砂需量数字孪生方法,其特征在于,包括：建立单炉电熔镁砂熔炼过程的电流闭环控制系统动态模型,基于所述电流闭环控制系统动态模型,生成电熔镁炉的多炉次群炉功率动态模型;依据需量定义和所述多炉次群炉功率动态模型构建多炉次群炉需量数字孪生模型,所述多炉次群炉需量数字孪生模型包括线性模型和非线性动态系统;构建所述非线性动态系统的离线深度学习模型,根据所述离线深度学习模型构建在线深度学习校正模型和云端深度学习校正模型;在端侧采集电熔镁炉的生产过程数据,将所述生产过程数据传输至云端数据库,依据预设自校正机制,从所述云端数据库中获取指定生产过程数据对所述在线深度学习校正模型和所述云端深度学习校正模型进行校正,完成对所述非线性动态系统的校正;获取所述非线性动态系统的系统输出和所述线性模型的模型输出,将所述系统输出和所述模型输出的和值作为目标需量数据,并将所述目标需量数据发送至展示终端进行展示。

摘要：

本申请公开了一种基于端边云协同的电熔镁砂需量数字孪生方法及装置,涉及不同批次复杂炉室数字孪生技术领域,通过对需量数字孪生模型中的非线性部分进行校正,实现对动态特性随生产过程变化的工业过程运行指标建模。所述方法包括：生成多炉次群炉功率动态模型;构建多炉次群炉需量数字孪生模型,包括线性模型和非线性动态系统;构建非线性动态系统的离线深度学习模型,构建在线深度学习校正模型和云端深度学习校正模型;获取指定生产过程数据对在线深度学习校正模型和云端深度学习校正模型校正,完成对非线性动态系统的校正;获取非线性动态系统的系统输出和线性模型的模型输出的和值作为目标需量数据,并将目标需量数据发送至展示终端进行展示。