一种工业炉全流程智能诊断和优化运行系统

摘要

一种工业炉全流程智能诊断和优化运行系统，其特征在于，包括：全流程智能检测模块、全流程数字孪生模块、智能诊断分析模块、智能决策管控模块、智能控制执行模块。本发明在全流程智能感知、全流程数字孪生、智能分析诊断、智能决策和智慧决策、全流程智能感知及反馈整体循环闭环过程中，一方面对不断增加积累的数据进行持续性自分析、自诊断；另一方面借助于数字孪生和智能分析诊断进行不断自学习和自优化，建立生产运行GPS导航系统实现全流程生产过程自跟踪、自寻优、自纠偏优化。从而整体实现自分析、自学习、自诊断、自恢复、自管理和自趋优的智慧系统功能。

说明书

技术领域

本发明涉及的是工业炉全流程管理技术领域,特别涉及一种工业炉全流程智能诊断和优化运行系统。

背景技术

传统工业炉系统管理以手工操作为主、简单脚本为辅的模式，存在操作风险隐患大、故障定位时间长、配套工作效率低、数据运用不充分、智能化水平不足等问题。具体的存在以下几个问题：1.管理操作依赖手工处理，存在操作风险隐患；2.故障排查定位时间长，不利于业务快速恢复；3.缺乏高效的自动化工具，管理工作效率低下；4.管理数据分析利用不充分，难以满足预测性监控需要；5.机房智能化应用不足，管理水平有待提高。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种工业炉全流程智能诊断和优化运行系统。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

本发明公开了一种工业炉全流程智能诊断和优化运行系统，包括：全流程智能检测模块、全流程数字孪生模块、智能诊断分析模块、智能决策管控模块、智能控制执行模块；其中：

全流程智能检测模块，用于对工业炉全流程智能检测，包括对生产工艺智能检测、生产线/设备性能智能检测、生产线/设备安全性能智能检测、生产线/设备环保智能检测，进行生产线/设备及系统所有环节的全面感知检测，形成核心数据库数据；

全流程数字孪生模块，用于建立物理—数学模型，以人工智能和全流程智能检测模块的核心数据库校正建立的模型；

智能诊断分析模块，用于根据建立的模型、预设算法和规则进行自动分析数据，对进行工业炉全流程进行预警和诊断；

智能决策管控模块，通过聚合优秀资源及专家智慧建立综合分析平台，沉淀、固化专家经验，提供专家级诊断结果；依靠预设规则输入智能分析和智慧决策，实现生产运行智能化、设备维护智能化、安全环境智能化、生产排产智能化、营销决策智能化；

智能控制执行模块，根据智能诊断和智慧决策结果和指令，通过智能执行器将决策结果和指令进行控制执行。

进一步地，全流程智能检测模块，形成核心数据库数据，至少包括：生产运行工艺数据、设备数据、设备检修维护数据、安全性能检测数据、环保检测数据、市场经营数据、生产管理数据。

进一步地，全流程数字孪生模块工作方法为：对核心数据库数据进行机理分析，首先建立对应的物理模型，根据物理模型建立对应的数学模型，通过全流程智能检测模块发送的实时智能检测感知数据，通过人工智能方法对模型进行校验，生成数字孪生模型。

进一步地，智能决策管控模块，依靠预设规则输入智能分析和智慧决策，预设规则由控制目标值与既定条件共同设定。

进一步地，智能决策管控模块，实现生产运行智能化，至少包括：对生产的运行优化、智慧控制。

进一步地，智能决策管控模块，实现设备维护智能化，至少包括：对设备状态进行诊断、对设备故障进行诊断、对设备风险进行智能预警、对设备健康进行评估。

进一步地，智能决策管控模块，实现安全环境智能化，至少包括：通过智能巡检生成环境和通过VR虚拟生成环境。

进一步地，智能决策管控模块，实现营销决策智能化，至少包括：对生产原料采购量和产品销售量进行智能化分析。

本发明实施例提供的上述技术方案的有益效果至少包括：

本发明公开的一种工业炉全流程智能诊断和优化运行系统，在全流程智能感知、全流程数字孪生、智能分析诊断、智能决策和智慧决策、全流程智能感知及反馈整体循环闭环过程中，一方面对不断增加积累的数据进行持续性自分析、自诊断；另一方面借助于数字孪生和智能分析诊断进行不断自学习和自优化，建立生产运行GPS导航系统实现全流程生产过程自跟踪、自寻优、自纠偏优化。从而整体实现自分析、自学习、自诊断、自恢复、自管理和自趋优的智慧系统功能。

本发明聚焦设备状态监测和故障诊断、自动巡检及智能维护、人员安全保障等，具有安全性；聚焦生产工艺调整优化、整体运行优化、设备运行优化等，具有经济性；聚焦燃烧过程污染物控制、污染物协同脱除、排放经济性管理等；具有环保性。聚焦生产过程高效管理、人员智能化管理，具有高效性。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例1中，一种工业炉全流程智能诊断和优化运行系统结构图；

图2为本发明实施例1中，一种工业炉全流程智能诊断和优化运行系统工作示意图；

图3为本发明实施例1中，全流程智能检测模块检测数据示意图；

图4为本发明实施例1中，全流程数字孪生模块工作示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了解决现有技术中存在的传统工业炉系统管理维护效率低下等问题，本发明实施例提供一种工业炉全流程智能诊断和优化运行系统。

实施例1

本实施例公开了一种工业炉全流程智能诊断和优化运行系统，其特征在于，包括：全流程智能检测模块、全流程数字孪生模块、智能诊断分析模块、智能决策管控模块、智能控制执行模块；其中：

全流程智能检测模块，用于对工业炉全流程智能检测，包括对生产工艺智能检测、生产线/设备性能智能检测、生产线/设备安全性能智能检测、生产线/设备环保智能检测，进行生产线/设备及系统所有环节的全面感知检测，形成核心数据库数据。

具体的，通过全流程智能检测模块，形成核心数据库数据，数据库数据至少包括：生产运行工艺数据、设备数据、设备检修维护数据、安全性能检测数据、环保检测数据、市场经营数据、生产管理数据。

全流程数字孪生模块，用于建立物理—数学模型，以人工智能和全流程智能检测模块的核心数据库校正建立的模型。具体的，全流程数字孪生模块建立模型示意图如图2，具体为：对核心数据库数据进行机理分析，首先建立对应的物理模型，根据物理模型建立对应的数学模型，通过全流程智能检测模块发送的实时智能检测感知数据，通过人工智能方法对模型进行校验，生成数字孪生模型。

智能诊断分析模块，用于根据建立的模型、预设算法和规则进行自动分析数据，对进行工业炉全流程进行预警和诊断。在本实施例中，智能诊断分析模块通过对数据统计分析、对数据特征提取、对数据关联进行挖掘、通过模式识别、深度学习等步骤，对工业炉全流程进行预警和诊断。

智能决策管控模块，通过聚合优秀资源及专家智慧建立综合分析平台，沉淀、固化专家经验，提供专家级诊断结果；依靠预设规则输入智能分析和智慧决策，实现生产运行智能化、设备维护智能化、安全环境智能化、生产排产智能化、营销决策智能化。

在本实施例中，智能决策管控模块，依靠预设规则输入智能分析和智慧决策，预设规则由控制目标值与既定条件共同设定。

在本实施例中，智能决策管控模块，实现生产运行智能化，至少包括：对生产的运行优化、智慧控制。

在本实施例中，智能决策管控模块，实现设备维护智能化，至少包括：对设备状态进行诊断、对设备故障进行诊断、对设备风险进行智能预警、对设备健康进行评估。

在本实施例中，智能决策管控模块，实现安全环境智能化，至少包括：通过智能巡检生成环境和通过VR虚拟生成环境。

在本实施例中，智能决策管控模块，实现营销决策智能化，至少包括：对生产原料采购量和产品销售量进行智能化分析。

在本实施例中，在智能分析和智慧专家决策过程中采用“系统协同”，具体从纵向打通、横向融通和时间贯通三个层次实施协同。纵向打通是从生产线设备和管理两条主线细化进行打通(实现设备和设备管理人物环节的打通)。横向融通是从涵盖的专业、涉及的部门、集成的管理系统、不同的机组维度打破界限，形成融合，实现功能最佳和整体价值最大化。时间贯通是利用历史数据总结经验，建立模型，分析实时运行状况，预测将来运行参数，实现生产线、设备、系统的全寿命周期管理。

智能控制执行模块，根据智能诊断和智慧决策结果和指令，通过智能执行器将决策结果和指令进行控制执行。

本实施例公开的一种工业炉全流程智能诊断和优化运行系统，在全流程智能感知、全流程数字孪生、智能分析诊断、智能决策和智慧决策、全流程智能感知及反馈整体循环闭环过程中，一方面对不断增加积累的数据进行持续性自分析、自诊断；另一方面借助于数字孪生和智能分析诊断进行不断自学习和自优化，建立生产运行GPS导航系统实现全流程生产过程自跟踪、自寻优、自纠偏优化。从而整体实现自分析、自学习、自诊断、自恢复、自管理和自趋优的智慧系统功能。

本发明聚焦设备状态监测和故障诊断、自动巡检及智能维护、人员安全保障等，具有安全性；聚焦生产工艺调整优化、整体运行优化、设备运行优化等，具有经济性；聚焦燃烧过程污染物控制、污染物协同脱除、排放经济性管理等；具有环保性。聚焦生产过程高效管理、人员智能化管理，具有高效性。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。

对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。