本技术涉及下料优化领域，尤其涉及一种脲醛颗粒制粒过程的数字孪生优化系统、方法及设备。
背景技术：
1、脲醛颗粒制粒过程的下料优化已成为化工行业中的一个重要研究课题，其与产品质量、生产效率和资源利用率密切相关。脲醛颗粒作为一种重要的化工原料，广泛应用于农业、建筑和工业等领域，而制粒过程中的下料环节直接影响着最终产品的性能和生产成本。然而，并非所有的下料操作都能达到理想的效果，这就引出了优化下料和非优化下料的区别。优化下料能够实现颗粒大小均匀、强度适中、溶解性能良好，而非优化下料则可能导致颗粒质量不稳定、粉尘增多、能耗升高等问题。因此，脲醛颗粒制粒过程的下料优化对于提高产品质量、降低生产成本和减少环境污染尤为重要，有助于提升企业竞争力和可持续发展能力。当前，下料优化的主要技术手段包括调整下料速度、控制料层厚度、优化喷雾参数以及改进设备结构等。这些方法通过调节物料的流动性、分布均匀性和热传递效率来实现优化目标。然而，这些传统方法往往依赖于操作人员的经验和反复试验，难以适应复杂多变的生产条件，同时也无法实现实时动态优化和精确控制。
2、近年来，随着智能制造的发展，数字化和智能化技术在化工生产中的应用日益广泛。在脲醛颗粒制粒过程的下料优化方面，一些新的方法逐渐受到关注。例如，利用在线监测系统实时采集下料过程中的关键参数，结合数据分析和模型预测来调整下料策略；或者通过机器视觉技术对颗粒形态进行实时分析，从而动态调整下料参数。这些方法在一定程度上提高了下料优化的精度和效率，但仍存在一些局限性。比如，单纯依靠在线监测数据难以全面反映复杂的制粒过程，而机器视觉技术在高温、高湿等恶劣环境下的可靠性还有待提高。此外，这些方法通常只能针对局部参数进行优化，难以实现整个制粒系统的全局优化。
3、因此，亟需一种技术方案，从而能够对整个系统进行全面模拟和优化，从而提供更加精确的下料优化方案。
技术实现思路
1、为了解决现有技术的不足，本技术实施例提供了一种脲醛颗粒制粒过程的数字孪生优化系统、方法及设备。本技术解决了现有技术只能针对局部参数进行优化，难以实现整个制粒系统的全局优化等技术问题。
2、本技术实施例提供了一种脲醛颗粒制粒过程的数字孪生优化系统，包括：数字孪生仿真单元和优化决策单元；其中，所述数字孪生仿真单元用于构建制粒过程的多物理场耦合模型，并基于采样数据设置约束参数，以利用物理先验知识微调下料数据驱动模型；所述优化决策单元用于根据目标生产需求设定优化函数，以计算下料数据驱动模型的输出的决策值，并利用下料驱动模型和决策值实时调整制粒过程的下料参数；其中包括：根据目标生产需求设定优化函数；将当前时刻的第一物理参数、下料参数和时间序列编号输入下料数据驱动模型，以得到目标时间窗口内的第二物理参数；对第二物理参数进行融合计算，所述融合计算的结果用于代入优化函数，以计算决策值；基于预设区间迭代更换下料参数，以获取最低决策值对应的最优下料参数，并基于最优下料参数对制粒过程进行实时调整；其中，对第二物理参数进行融合计算，包括：，其中，表示时间窗口内第1到第i组的第二物理参数，i表示时间窗口内的组数，j表示求和项的索引，表示自然指数函数，表示自然对数函数，表示第i组的第二物理参数。
3、一种可以的实现方式中，其中，构建制粒过程的多物理场耦合模型，并基于采样数据设置约束参数，以利用物理先验知识微调下料数据驱动模型，包括：采集当前时刻的脲醛颗粒制粒的生产数据，以得到第一物理参数；基于制粒过程的多物理场耦合模型对第一物理参数进行仿真计算，以得到第二物理参数；利用第一物理参数、当前时刻的下料参数、时间序列编号和第二物理参数对下料数据驱动模型进行微调训练。
4、一种可以的实现方式中，其中，利用制粒过程的多物理场耦合模型对第一物理参数进行仿真计算，以得到第二物理参数，包括：建立脲醛颗粒制粒器的几何模型，并定义内容脲醛颗粒的物理场和耦合关系；根据第一物理参数设置初始条件和边界条件，并进行迭代仿真运算目标时间窗口内的生产参数，以得到第二物理参数。
5、一种可以的实现方式中，其中，定义内容脲醛颗粒的物理场和耦合关系，包括：，
6、其中，表示对时间t的偏导，表示密度，表示微分算子，表示速度矢量，表示压力，表示动力粘度，表示重力加速度，表示比热容，表示温度，表示导热率，表示热源项，表示浓度，表示扩散系数，表示反应源项，表示颗粒i的质量，表示对时间t的求导，表示颗粒i的速度向量，表示颗粒i和颗粒j之间的接触力，表示颗粒i和颗粒j之间的阻力，表示颗粒i的转动惯量，表示颗粒i的角速度，表示颗粒i的力臂。
7、一种可以的实现方式中，其中，利用第一物理参数、当前时刻的下料参数、时间序列编号和第二物理参数对下料数据驱动模型进行微调训练，包括：基于第一物理参数、当前时刻的下料参数、时间序列编号和第二物理参数构建微调数据集；基于预设算法确定更新下料数据驱动模型的目标隐藏层的数量；利用微调数据集对预训练的下料数据驱动模型的多个目标隐藏层进行微调训练，并在微调训练的过程中冻结其它隐藏层的参数更新。
8、一种可以的实现方式中，其中，基于预设算法确定更新下料数据驱动模型的目标隐藏层的数量，包括：，
9、其中，表示向下取整函数，表示循环调整项，t表示第二物理参数的时间窗口大小。
10、本技术实施例还提供了一种脲醛颗粒制粒过程的数字孪生优化方法，包括：构建制粒过程的多物理场耦合模型，并基于采样数据设置约束参数，以利用物理先验知识微调下料数据驱动模型；根据目标生产需求设定优化函数，以计算下料数据驱动模型的输出的决策值，并利用下料驱动模型和决策值实时调整制粒过程的下料参数；其中包括：根据目标生产需求设定优化函数；将当前时刻的第一物理参数、下料参数和时间序列编号输入下料数据驱动模型，以得到目标时间窗口内的第二物理参数；对第二物理参数进行融合计算，所述融合计算的结果用于代入优化函数，以计算决策值；基于预设区间迭代更换下料参数，以获取最低决策值对应的最优下料参数，并基于最优下料参数对制粒过程进行实时调整；其中，对第二物理参数进行融合计算，包括：，其中，表示时间窗口内第1到第i组的第二物理参数，i表示时间窗口内的组数，j表示求和项的索引，表示自然指数函数，表示自然对数函数，表示第i组的第二物理参数。
11、本技术实施例还提供了一种脲醛颗粒制粒过程的数字孪生优化设备，包括：处理器、存储器、系统总线；其中，所述处理器以及所述存储器通过所述系统总线相连；所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述实施例所述的方法。
12、在如上所提供的一种脲醛颗粒制粒过程的数字孪生优化系统、方法及设备中，本技术实施例通过构建高精度的数字孪生模型，可以从多个角度改进下料优化过程：首先，可以实现对整个制粒系统的全面模拟，包括物料流动、热传递、颗粒形成等复杂过程，从而获得更加全面和准确的系统状态信息；其次，可以利用数字孪生模型进行大规模的虚拟试验和优化，避免了传统方法中耗时耗力的实际试验，大大提高了优化效率；再者，数字孪生模型可以与实际生产系统实时交互，不断更新和优化模型参数，实现动态优化和预测性维护。这些改进预计将带来显著的积极影响，包括提高产品质量稳定性、降低能源消耗、减少物料浪费、延长设备寿命等。脲醛颗粒制粒过程的数字孪生下料优化系统有望有效解决传统方法中存在的问题，如优化过程缓慢、难以适应复杂工况、无法实现全局优化等。它将为制粒过程带来革命性的进步，实现精确控制、智能决策和持续优化，从而大幅提升生产效率和产品质量，同时降低生产成本和环境影响。此外，这种基于数字孪生的优化方法还具有良好的可扩展性和通用性，有望在其他类似的化工生产过程中得到广泛应用，推动整个行业向智能制造和绿色生产方向发展。
1.一种脲醛颗粒制粒过程的数字孪生优化系统，其特征在于，包括：数字孪生仿真单元和优化决策单元；其中，
2.根据权利要求1所述的数字孪生优化系统，其特征在于，其中，构建制粒过程的多物理场耦合模型，并基于采样数据设置约束参数，以利用物理先验知识微调下料数据驱动模型，包括：
3.根据权利要求2所述的数字孪生优化系统，其特征在于，其中，利用制粒过程的多物理场耦合模型对第一物理参数进行仿真计算，以得到第二物理参数，包括：
4.根据权利要求3所述的数字孪生优化系统，其特征在于，其中，定义内容脲醛颗粒的物理场和耦合关系，包括：
5.根据权利要求2所述的数字孪生优化系统，其特征在于，其中，利用第一物理参数、当前时刻的下料参数、时间序列编号和第二物理参数对下料数据驱动模型进行微调训练，包括：
6.根据权利要求5所述的数字孪生优化系统，其特征在于，其中，基于预设算法确定更新下料数据驱动模型的目标隐藏层的数量，包括：
7.一种应用如权利要求1-6任一项所述系统的脲醛颗粒制粒过程的数字孪生优化方法，其特征在于，包括：
8.一种脲醛颗粒制粒过程的数字孪生优化设备，其特征在于，包括：处理器、存储器、系统总线；其中，所述处理器以及所述存储器通过所述系统总线相连；所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求7所述的方法。
