面向复杂计划与设备状况的钢铁生产调度知识自动化系统设计方法与应用验证

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61533005
  • 项目类别：
    重点项目
  • 资助金额：
    290.0万
  • 负责人：
    王伟
  • 依托单位：
    大连理工大学
  • 学科分类：
    F0302.控制系统与应用
  • 结题年份：
    2020
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2020-12-31

项目摘要

Iron and steel industry is a pillar industry in national economy, whose production process is rather complicated and with a long product line, and many related equipments, variables and numerous product categories. There are also a lot of uncertain factors existed in such a production process. Thus the generic mechanism model based or the data-driven based method is usually unable to cope with the production scheduling problem in iron and steel industry. It will be a very significant and challenging task for the fields of automatic control and industry to discover and fuse the multiple categories of knowledge behind the production scheduling process, and form a production scheduling-oriented knowledge automation system. Based on such a background, this project considers the complex production planning, the equipments conditions and the energy system, researches the theories and design methods of the knowledge automation system of iron and steel industry, and carries out the application validation in the typical iron and steel enterprises. The main research contents consist of: 1) knowledge preparation and sample reduction for the industrial data; 2) production scheduling knowledge extraction and processing considering complex planning and equipments conditions; 3) production scheduling based on the fusion of data knowledge and human knowledge; and 4) the multi-layer knowledge automation system design and application validation. This project will establish a novel method for the production scheduling knowledge automation system based on industrial big data and knowledge fusion, obtain a series of innovative theories and remarkable application outcomes, and raise the optimal scheduling level of iron and steel industry in our country.
钢铁工业是国民经济的支柱产业。钢铁工业生产工艺复杂、产线长、涉及生产设备及变量对象种类繁多、产品种类多，不确定因素多，常用的机理建模方法和简单的基于数据的方法无法用来解决钢铁工业复杂的生产调度问题。如何发现和融合生产调度中的多种知识，形成面向生产调度的知识自动化系统，则是当前控制界和工业界面临的具有创新性和挑战性的课题。本项目以此为研究背景，在考虑复杂生产计划、设备状态和能源系统的情况下，研究钢铁工业知识自动化系统的理论与设计方法，并在典型钢铁企业进行应用验证。项目主要研究内容有：面向工业数据的知识准备与样本约简；面向复杂计划与设备状况的调度知识提取与处理；基于数据知识与人工知识融合的生产调度；多层次知识自动化系统设计及应用验证。本项目将建立基于工业大数据与知识融合的生产调度知识自动化系统的新方法，取得一批具有原创性的理论成果和明显成效的应用成果，为提升我国钢铁工业的优化调度水平做出贡献。

结项摘要

钢铁企业生产工艺复杂、产线长、涉及生产设备及变量对象种类繁多，且生产过程与其能源系统紧密耦合。本项目以钢铁企业能源系统为切入点，考虑钢铁生产计划以及关键设备状态等因素，通过提取与融合多源异构的生产调度知识，研究钢铁多能源系统的多层次运行优化问题。鉴于钢铁能源系统的层次性和复杂性，基于采集的钢铁生产历史数据，本项目分别从以下三方面进行了深入研究：a. 数据驱动的钢铁能源多尺度预测技术；b. 核心系统级能源运行优化技术研究；c. 主体企业级能源-生产联合优化调度技术。取得了以下重要研究成果：首先，针对生产工况频繁波动，提出了数据驱动的多时间尺度实时预测方法，包括基于嵌入式特征选择和人工知识的能源储量短期预测和基于粒度计算知识提取与表达的能源中长期预测等方法，解决了钢铁能源产-储-消随机波动大且难以预测的问题；以能源发生量和需求量预测为基础，针对核心系统级单一能源介质系统，面向生产调度知识自学习，提出了基于自适应动态规划的能源调度方法等，明显提高了能源利用效率，降低了能源放散；针对企业级多能源介质耦合系统，通过建立多能源变量的因果知识模型，提出了钢铁企业实际生产变化条件下的能源-生产联合调度技术，解决了大型冶金企业系统多介质联合优化调度难的问题。项目研究内容作为主要组成部分获2018年中国自动化学会科技进步奖一等奖。2020年12月通过了由中国自动化学会组织的科技成果鉴定，本项目所提理论和方法对鉴定内容作了主要支撑，鉴定结论表明项目总体水平达到国际先进。依托本项目研究，共培养博士研究生23人，硕士研究生47人，其中已获得博士学位10人，硕士学位17人。项目开发了面向知识自动化的工业能源系统建模平台和运行优化软件系统，该系统已在上海宝钢、首钢京唐钢铁企业进行示范应用，取得了显著的经济效益和社会效益。

项目成果

期刊论文数量（41）
专著数量（0）
科研奖励数量（3）
会议论文数量（11）
专利数量（13）
Adaptive Granulation-Based Prediction for Energy System of Steel Industry
基于自适应粒化的钢铁工业能源系统预测
  • DOI：
    10.1109/tcyb.2016.2626480
  • 发表时间：
    2018
  • 期刊：
    IEEE Transactions on Cybernetics
  • 影响因子：
    11.8
  • 作者：
    Tianyu Wang;Zhongyang Han;Jun Zhao;Wei Wang
  • 通讯作者：
    Wei Wang
Relevance Vector Machines-Based Time Series Prediction for Incomplete Training Dataset: Two Comparative Approaches
基于相关向量机的不完整训练数据集时间序列预测：两种比较方法
  • DOI：
    10.1109/tcyb.2019.2923434
  • 发表时间：
    2019-07
  • 期刊：
    IEEE Transactions on Cybernetics, 2019
  • 影响因子：
    --
  • 作者：
    Long Chen;Linqing Wang;Jun Zhao;Wei Wang
  • 通讯作者：
    Wei Wang
A Novel Semi-Supervised Sparse Bayesian Regression Based on Variational Inference for Industrial Datasets With Incomplete Outputs
一种基于变分推理的新型半监督稀疏贝叶斯回归，适用于不完整输出的工业数据集
  • DOI：
    10.1109/tsmc.2018.2864752
  • 发表时间：
    2020-11
  • 期刊：
    IEEE Transactions on Systems, Man, and Cybernetics: Systems
  • 影响因子：
    --
  • 作者：
    Jun Zhao;Long Chen;Witold Pedrycz;Wei Wang
  • 通讯作者：
    Wei Wang
Time Series Prediction with Incomplete Dataset Based on Deep Bidirectional Echo State Network
基于深度双向回声状态网络的不完整数据集时间序列预测
  • DOI：
    10.1109/access.2019.2948367
  • 发表时间：
    2019
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Qiang Wang;Linqing Wang;Ying Liu;Jun Zhao;Wei Wang
  • 通讯作者：
    Wei Wang
Dynamic programming-based optimization for segmentation and clustering of hydrometeorological time series
基于动态规划的水文气象时间序列分割与聚类优化
  • DOI：
    10.1007/s00477-015-1192-4
  • 发表时间：
    2016-10
  • 期刊：
    Stochastic Environmental Research & Risk Assessment
  • 影响因子：
    4.2
  • 作者：
    Hongyue Guo;Xiaodong Liu
  • 通讯作者：
    Xiaodong Liu

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

冀东-辽西太古宙火成岩岩石组合和动力学意义
  • DOI：
    10.3799/dqkx.2018.003
  • 发表时间：
    2018
  • 期刊：
    地球科学
  • 影响因子：
    --
  • 作者：
    刘树文;王伟;白翔;郭荣荣;付敬浩;郭博然;胡方泱;王茂江
  • 通讯作者：
    王茂江
Autoprocessing: an essential step for expression and purification of enterovirus 71 3Cpro in Escherichia coli
自动处理：大肠杆菌中肠道病毒 71 3Cpro 表达和纯化的重要步骤
  • DOI：
    10.1007/s10529-013-1284-5
  • 发表时间：
    2013-07
  • 期刊：
    Biotechnol Lett
  • 影响因子：
    --
  • 作者：
    王伟
  • 通讯作者：
    王伟
高速公路流的距离衰减模式与空间分异特征——基于福建省高速公路收费站数据的实证研究
  • DOI：
    10.18306/dlkxjz.2018.08.008
  • 发表时间：
    2018
  • 期刊：
    地理科学进展
  • 影响因子：
    --
  • 作者：
    陈卓;金凤君;杨宇;王伟
  • 通讯作者：
    王伟
Spatiotemporal variation of late Quaternary river incision rates in southeast Tibet, constrained by dating fluvial terraces
受河流阶地测年约束的西藏东南部晚第四纪河流下切率时空变化
  • DOI：
    10.1130/l686.1
  • 发表时间：
    2018-09
  • 期刊：
    Lithosphere
  • 影响因子：
    2.4
  • 作者：
    张金玉;刘静;Scherler Dirk;Yin A.;王伟;唐茂云;李占飞
  • 通讯作者：
    李占飞
Canonical contact forms on spherical CR manifolds
球形 CR 流形上的规范接触形式
  • DOI：
    10.1007/s10097-003-0050-8
  • 发表时间：
    2003-03
  • 期刊：
    Journal of the European Mathematical Society, Vol. 5, No.3 (SCI)
  • 影响因子：
    --
  • 作者：
    王伟
  • 通讯作者：
    王伟

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

王伟的其他基金

复杂生产过程基于数据的优化调度理论与方法及其在冶金工业中的应用研究
  • 批准号：
    61034003
  • 批准年份：
    2010
  • 资助金额：
    230.0 万元
  • 项目类别：
    重点项目
基于信息融合的移动机器人自主环境适应与探索
  • 批准号：
    60775048
  • 批准年份：
    2007
  • 资助金额：
    27.0 万元
  • 项目类别：
    面上项目
冷轧生产过程优化调度方法研究及其应用
  • 批准号：
    60474058
  • 批准年份：
    2004
  • 资助金额：
    27.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码