践行以大数据分析+冶炼智能诊断+人工智能算法+专家控制策略为主线的技术体系,通过IT与OT的深度融合,研发高炉炉热闭环智能控制系统,并成功投用于太钢4 350 m³高炉。设计系统闭环下发逻辑,以系统研发目标、技术框架为指导,形成集物料跟踪、目标设定、寻优燃料比、数据预处理、异常状况处理等模块为一体的技术路线。投用后,工长只需要设置目标Si范围和目标铁水测温上下限,系统即可自动跟踪高炉焦炭负荷变化,自动寻优控制燃料比,自动平衡料速,自动平衡热负荷、煤气利用、焦炭煤粉质量变化、炉缸盈亏变化等影响炉热的关键因素,自动计算当前状态下的喷煤量,并自动下发一级系统执行,取代人工操作。投用效果表明,该系统不仅能够有效降低炉温波动,提高铁水质量,降低炼钢双渣冶炼次数30%,而且能够通过稳定炉温有效促进高炉炉况顺行,显著降低燃料比,综合创效1 276万元/年。

五金行业是传统的劳动密集型产业,包装生产线需要大量人力资源,人工成本高、生产效率低等问题严重制约五金行业发展。开发了一套基于机器视觉的五金行业自动化组装生产线系统。以17PC工具套装组装生产线为例,重点分析组装生产线主要工序,针对扳手、接杆、批头组件等工序的自动化组装作业,提出单工位模块化机器人工作站设计方案;结合一拖四相机系统特点,设计机器视觉算法,对不同工位的图像数据进行实时处理,形成机器视觉算法逻辑。组装生产线预生产试验表明,该组装生产线系统的各项性能指标满足预期要求,平均生产节拍为2.49秒/件,比3.5秒/件的人工生产节拍缩短了28.9%,能够有效帮助五金企业实现降本增效。

风险评估是识别智能工厂资产风险,保障数字化制造企业资产安全运营的有效策略。围绕智能工厂资产系统结构中的资产价值、威胁和脆弱性要素,提出资产价值、资产安全风险值的评估策略。采用有序加权几何平均（OWGA）算子,有效集结数据信息,对资产重要性进行排序,从而通过资产、风险概率、威胁后果等权重的计算,对安全风险进行排序,提高资产风险评估的客观性和可度量性。考虑资产之间的信息传递,辅以安全特征分析,形成风险评估流程,采用顺序、共同、并发、继发4种资产相互影响的关系形式,建立了资产识别、威胁识别和安全策略识别的Petri网拓扑结构。实例分析表明,这一模型能够指导智能工厂等复杂系统利用资产重要性、风险概率、威胁后果等参数特征,设计相应的安全防护措施,保障资产管理和运维水平。

提高球团矿入炉比例带来了提高产量、促进节能减排等经济优势和环境效益,现有的经验性的、手工化的球团生产操作方式已经无法满足球团生产实际要求,需借助人工智能技术及智能装备发展的东风,进行机理性的、定量化的研究和分析,最终实现球团生产的低成本、优质、高效和稳定。从生球粒度、生球强度以及热爆裂温度三个方面的质量要求入手,通过分析造球工艺成球机理及原料、设备及操控等造球影响因素,明确原料含水量的要求、粒度与比表面积的关系、圆盘造球机的转速与倾角的关系等技术准则。采用基于图像边缘拾取的在线粒度识别技术,在线实时捕捉生球粒度分布情况,再结合职业判断,确定了以加水量为主、圆盘转速为辅的智能造球控制模型。将智能造球系统投入现场应用,通过实时优化控制逻辑,提高智能化操作的及时性和准确性,以保证生产的顺利进行。实际应用实践表明,智能造球模式下,生球合格率能够提升至96.3%,且生球落下强度保持在7~10次/个球,显著好于人工模式。智能造球技术的应用实践取得了良好的效果,为焙烧工序提供稳定的生球条件,为智能化生产奠定了坚实的理论基础和实践基础。

传统涡街流量计对管道环境适应性弱,量程比偏小,且易受到各种噪声的干扰,无法适用于石化、冶金等艰苦工业环境。提出一种高精度、宽量程、环境适应能力强的智能涡街流量计。硬件设计上,以内置了低功耗硬核快速傅里叶变换（FFT）乘法器的MSP430系列单片机为主控制核心,对压电式涡街传感器输出的微弱信号进行自适应带通滤波和自动增益控制放大,得到较为稳定的模拟频率信号;对模拟频率信号进行数字化采集、运算处理,得到与实际流量相关的稳定脉冲信号,以较好克服现场机械振动和电磁信号的干扰,改善涡街流量计的环境适应能力,提高系统的综合测量精度。软件设计上,以FFT算法作为辅助方法,规避高频信号段,在低流速、弱信号的情况下大大增强计量的准确性。现场测试实验结果表明：设计的涡街流量计运行稳定,相对示值误差、重复性误差均符合国家标准《涡街流量计》JJG 1029—2007中1级表指标要求,在各种工业环境下的水气介质涡街流量测量中具有非常广泛的适用性。

受到非承载车身特殊性的影响,承载车身和非承载车身混线生产存在诸多挑战。提出采用自动导引车（AGV）实现承载车身与非承载车身底盘混线合装的工艺技术方案。以某项目为例,设计装配环线布局,采用动态、分体式和整体式混线合装工艺,在同一装配环线中同时涵盖承载车身与非承载车身的合装工艺流程;设计与合装工艺流程相适应的三驱动四随动全方位轮系布局,配合三举升设计,保证合装重载需求;创新设计一种AGV举升滑台锁止机构,举升全行程可实现滑台锁止,X向和Y向可同时锁止。解决了AGV承载整车在底盘合装线之间转运的技术难点,达成了75 JPH的规划生产节拍。

传统时间序列数据库（时序数据库）存在数据吞吐量低、数据压缩率低、适用性不佳等局限性,提高海量数据写入效率、降低数据压缩成本、有效支持时序数据统计分析等成为重大挑战。探讨了利用时序数据库管理系统应对上述问题的关键技术。结合现有时序数据库管理系统在部分工业领域中的应用及关注度趋势,对其未来发展方向进行了展望：加强聚集计算能力,提高分布式架构柔性,研发参数自主调优技术,推进系统向新型存储设备和处理器移植。

针对现有数模混合电路仿真软件存在的元件模型种类有限、可扩展性差等问题,提出一种以Ngspice仿真引擎作为内核的数模混合电路仿真交互系统。以接口函数和封装操作实现数据处理和调用功能,以电路原理图编辑和参数配置界面作为用户与仿真器的交互,用户可从模型元件库中选取各种元件,实现仿真电路图的绘制。系统通过电路转换,生成电路所对应的网表文件。Ngspice根据用户的配置完成电路仿真,并对仿真结果进行图形化显示。利用同步算法实现了数模混合信号同步,成功解决了数模混合电路仿真技术的融合设计。测试结果表明,系统具有良好的性能及适用性,仿真结果总体相对误差仅为1.3%。

部分工业生产工艺具有生产工序长、使用设备多、设备机理复杂等特点,特殊的工艺运行环境进一步加剧了设备故障率和故障危害性。以轧钢工艺中的多传感设备粗轧机作为研究对象,设计了基于多尺度卷积神经网络（CNN）模型的有监督学习算法,研究与比选了LOF、K-means、GMM、SO-GAAL、MO-GAAL等无监督学习算法。研究发现：1）将多尺度CNN模型应用于粗轧机原始数据,测试集的准确率高达99.91%,但损失函数数值较大;2）无监督学习算法通过二元分类处理评价设备故障诊断性能,其中MO-GAAL算法的二元分类指标均在98%以上,AUC值高达0.99,在五种算法中效果最好。结合两类算法优势,构建并探析了算法融合策略,为粗轧机故障诊断的不同场景提供了进一步的解决方案。