知识驱动的流程工业智能制造
【部分图文】:
图1是知识驱动的流程工业智能制造系统框架,该框架由3大系统和一个平台组成,包括智能感知系统、知识驱动的运行优化–状态监控–虚拟制造系统和智能制造核心软件系统,以及工业大数据管理云平台.同时,还必须研究并实现深度知识获取和知识注入等关键技术,以弥补现有制造系统缺失工艺机理知识、经验知识的不足,填补ERP和MES,MES和PCS间的知识鸿沟.3.1 深度知识获取
(1)在线槽况识别.通过对多工况下大量表观溶解滞后系数的系统性分析,该应用案例还发现:使用表观溶解滞后系数不仅有助于在线识别电解质温度变化,还有助于在线检测氧化铝浓度异常.与斜率法相比,使用表观溶解滞后系数不仅能提前检测到氧化铝浓度异常低工况,还能检测到斜率法较难检测到的浓度异常高工况.表观溶解滞后系数的设计过程使用了融合工艺机理知识、经验知识和数据知识的深度知识获取关键技术,使得表观溶解滞后系数本身就蕴含了特定的工艺语义.因此,使用表观溶解滞后系数进行电解质温度和氧化铝浓度识别,具有成本低、通用性好、计算代价小、可解释性和可复现性好等优点.
【相似文献】
相关期刊论文 前10条
1 ;我国推进流程工业向绿色高效化发展[J];起重运输机械;2017年12期
2 贾勋慧;曲国利;;流程工业智能制造整体解决方案的提供者和建设者——访浙江中控技术股份有限公司副董事长、总裁 贾勋慧[J];仪器仪表用户;2019年06期
3 ;常州道金智能:致力于流程工业智能化[J];中国粉体工业;2018年04期
4 邓全亮;;流程工业两化融合探讨[J];国内外机电一体化技术;2011年04期
5 李葆文;流程工业设备的组合维修[J];设备管理与维修;2003年01期
6 彭瑜;;美国流程工业领跑德国工业4.0[J];今日制造与升级;2019年01期
7 彭瑜;;美国流程工业领跑德国工业4.0[J];智慧工厂;2019年02期
8 胡军;;流程工业:从“孤岛”到“综合”的转变[J];中国高校科技与产业化;2010年10期
9 褚健;;流程工业智能工厂的未来发展[J];科技导报;2018年21期
10 唐洪华;流程工业MES模型及其应用[J];现代制造;2003年11期
相关博士学位论文 前2条
1 张耿;基于工业物联网的智能制造服务主动感知与分布式协同优化配置方法研究[D];西北工业大学;2018年
2 宋志婷;智能制造信息系统鲁棒性分析与控制[D];华南理工大学;2018年
相关硕士学位论文 前10条
1 王万;区域智能制造发展战略与对策研究[D];北京建筑大学;2020年
2 孙爱辉;智能制造基础建设对企业竞争力的影响研究[D];合肥工业大学;2019年
3 左金丽;中国智能装备制造业省际竞争力评价研究[D];辽宁大学;2019年
4 周军;智能制造视角下我国装备制造业国际分工地位提升研究[D];温州大学;2019年
5 李曙光;智能制造背景下汽车试制精益管理研究[D];对外经济贸易大学;2019年
6 张竹;S集成电路封装测试工厂智能制造升级项目进度管理研究[D];电子科技大学;2019年
7 邢雯雯;黑龙江省智能制造扶持政策研究[D];哈尔滨商业大学;2019年
8 李世举;W公司智能手环产品营销略研究[D];北京交通大学;2019年
9 孙佳旭;基于模糊实物期权的智能制造企业价值评估研究[D];东北林业大学;2019年
10 俞晨;浙江省汽车智能制造虚拟产业集群研究[D];南京航空航天大学;2019年
本文编号:2842060
本文链接:https://www.wllwen.com/gongshangguanlilunwen/2842060.html