基于数字孪生技术的聚酯酯化过程风险监测方法及装置与流程

1.本发明涉及风险监测技术领域，尤其是涉及一种基于数字孪生技术的聚酯酯化过程风险监测方法、装置、设备及存储介质。


背景技术：

2.近年来，国家多个部门就互联网+安全生产密集发文，要求企业将互联网新技术应用于安全生产领域。
3.化工行业由于行业自身的高度信息化以及生产过程的危险性特征，对安全生产方面的应用关注较多。
4.聚酯行业属于典型的危险化学行业。聚酯装置由于高温、高真空的技术特点，在实际生产过程中，其酯化段压力较高，温度达到260℃左右。原料meg和pta均属于甲类危险品，meg在高温、高压反应条件下，易产生可燃性醛类物质。所以，在聚酯装置中易出现着火、烫伤事故，严重时可发生火灾爆炸事故。聚酯装置除了物料泄漏而易发生事故外，不同原理的聚酯装置因自身的特点差异，因设备老化、冲刷腐蚀、真空系统堵塞等造成的事故也不同。
5.对于聚酯企业安全生产而言，风险辨识与管控是一项重要工作。建立健全风险管理体系不仅可以帮助聚酯企业在安全生产方面取得良好的效益，并且可以使聚酯企业在产品研发、质量管理等方面间接受益。
6.风险分级管控建设的前提是对风险进行分区。安全风险分区是指通过生产过程危险和有害因素的辨识，利用安全检查表(scl)、工作危害分析(jha)、故障类型和影响分析(fmea)、危险和可操作性分析(hazop)等安全风险分析方法，或多种方法的组合，通过统计分析方法确定其风险程度，从高到低依次划分为重大风险、较大风险、一般风险和低风险四级。
7.传统的风险分区，具有以下缺点：1、依赖人工经验识别，缺乏定量分析过程，精确度和全面性都难以达到要求；2、依赖数据描述，难以直观展示；3、数据保存困难，后期难以调用。


技术实现要素：

8.本发明旨在提供一种基于数字孪生技术的聚酯酯化过程风险监测方法、装置、设备及存储介质，以解决上述技术问题，从而能够实现生产过程中风险分区的定量分析，提高识别准确度，能够对风险分区结果进行直观展示，并且提高了监测过程数据的保存及调用的便捷度。
9.为了解决上述技术问题，本发明提供了一种基于数字孪生技术的聚酯酯化过程风险监测方法，包括：
10.采集聚酯酯化反应过程的实时数据，并将所述实时数据接入预先构建的数字孪生体；所述实时数据包括人员数据、作业数据、工控数据、物料数据、设备数据和环境数据中的至少一种；
11.通过所述数字孪生体根据所述实时数据对聚酯酯化反应过程进行实时监测；所述数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；
12.通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。
13.进一步地，所述数字孪生体的构建过程包括：
14.通过预设的工业设计软件构建所述聚酯酯化装置的几何模型；
15.基于预设的生产工艺流程图和工艺物料平衡图，构建所述聚酯酯化装置的工艺模型；
16.基于预设的神经网络以及神经元数据构建所述聚酯酯化装置的数据模型；
17.基于所述几何模型、所述工艺模型和所述数据模型构建得到聚酯酯化反应过程的数字孪生体。
18.进一步地，所述采集聚酯酯化反应过程的实时数据，包括：
19.通过api接口获取所述聚酯酯化反应装置的dcs数据以采集得到生产工控运行过程的工控数据；
20.通过api接口与erp系统连接以采集得到所述聚酯酯化反应装置的物料数据；
21.基于安装在聚酯酯化设备上的各种传感器采集得到所述聚酯酯化反应装置的设备数据；
22.通过预先配置的气体传感器以及视觉分析装置采集得到所述聚酯酯化反应装置的环境数据；
23.通过集成的作业管理系统和人员定位系统分别采集得到所述聚酯酯化反应装置的作业数据和人员数据。
24.进一步地，所述采集聚酯酯化反应过程的实时数据，还包括：
25.对于难以使用硬件设施采集的数据，通过模拟仿真构建软传感器的形式进行数据采集。
26.进一步地，所述通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，包括：
27.利用深度神经网络，以所述实时数据作为元数据进行有效特征提取，并对这些有效特征进行拟合；
28.利用深度神经网络将输入的元数据进行逐层计算，提取并抽象出拟合的原始特征空间中的特征作为高级特征；
29.将所述高级特征输入至训练好的数据模型深度神经网络中，得到预测的风险指数等级值；
30.基于预测得到的风险指数等级值与预设的风险评估标准获取得到所述聚酯酯化反应过程的风险分区结果。
31.进一步地，在构建所述深度神经网络过程中，采用缩放指数线性单元作为激活函数，并采用随机失活技术进行神经元构造。
32.进一步地，在所述数据模型的自适应训练过程中，利用均方根误差作为损失函数，通过反向传播算法计算出基于误差的权重更新值，并对数据模型逐层更新这些值。
33.本发明还提供一种基于数字孪生技术的聚酯酯化过程风险监测装置，包括：
34.数据采集模块，用于采集聚酯酯化反应过程的实时数据，并将所述实时数据接入预先构建的数字孪生体；所述实时数据包括人员数据、作业数据、工控数据、物料数据、设备数据和环境数据中的至少一种；
35.孪生监测模块，用于通过所述数字孪生体根据所述实时数据对聚酯酯化反应过程进行实时监测；所述数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；
36.风险提示模块，用于通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。
37.本发明还提供一种终端设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现任一项所述的基于数字孪生技术的聚酯酯化过程风险监测方法。
38.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述的基于数字孪生技术的聚酯酯化过程风险监测方法。
39.与现有技术相比，本发明具有如下有益效果：
40.本发明提供了一种基于数字孪生技术的聚酯酯化过程风险监测方法、装置、设备及存储介质，所述方法包括：采集聚酯酯化反应过程的实时数据，并将所述实时数据接入预先构建的数字孪生体；所述实时数据包括人员数据、作业数据、工控数据、物料数据、设备数据和环境数据中的至少一种；通过所述数字孪生体根据所述实时数据对聚酯酯化反应过程进行实时监测；所述数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。本发明能够实现生产过程中风险分区的定量分析，提高识别准确度，能够对风险分区结果进行直观展示，并且提高了监测过程数据的保存及调用的便捷度。
附图说明
41.图1是本发明提供的基于数字孪生技术的聚酯酯化过程风险监测方法的流程示意图之一；
42.图2是本发明提供的基于数字孪生技术的聚酯酯化过程风险监测方法的流程示意图之二；
43.图3是本发明提供的实时风险分区过程的系统架构示意图；
44.图4是本发明提供的基于数字孪生技术的聚酯酯化过程风险监测装置的结构示意图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.请参见图1，本发明实施例提供了一种基于数字孪生技术的聚酯酯化过程风险监测方法，可以包括步骤：
47.s1、采集聚酯酯化反应过程的实时数据，并将所述实时数据接入预先构建的数字孪生体；所述实时数据包括人员数据、作业数据、工控数据、物料数据、设备数据和环境数据中的至少一种；
48.s2、通过所述数字孪生体根据所述实时数据对聚酯酯化反应过程进行实时监测；所述数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；
49.s3、通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。
50.在本发明实施例中，进一步地，所述数字孪生体的构建过程包括：
51.通过预设的工业设计软件构建所述聚酯酯化装置的几何模型；
52.基于预设的生产工艺流程图和工艺物料平衡图，构建所述聚酯酯化装置的工艺模型；
53.基于预设的神经网络以及神经元数据构建所述聚酯酯化装置的数据模型；
54.基于所述几何模型、所述工艺模型和所述数据模型构建得到聚酯酯化反应过程的数字孪生体。
55.在本发明实施例中，进一步地，所述采集聚酯酯化反应过程的实时数据，包括：
56.通过api接口获取所述聚酯酯化反应装置的dcs数据以采集得到生产工控运行过程的工控数据；
57.通过api接口与erp系统连接以采集得到所述聚酯酯化反应装置的物料数据；
58.基于安装在聚酯酯化设备上的各种传感器采集得到所述聚酯酯化反应装置的设备数据；
59.通过预先配置的气体传感器以及视觉分析装置采集得到所述聚酯酯化反应装置的环境数据；
60.通过集成的作业管理系统和人员定位系统分别采集得到所述聚酯酯化反应装置的作业数据和人员数据。
61.在本发明实施例中，进一步地，所述采集聚酯酯化反应过程的实时数据，还包括：
62.对于难以使用硬件设施采集的数据，通过模拟仿真构建软传感器的形式进行数据采集。
63.在本发明实施例中，进一步地，所述通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，包括：
64.利用深度神经网络，以所述实时数据作为元数据进行有效特征提取，并对这些有效特征进行拟合；
65.利用深度神经网络将输入的元数据进行逐层计算，提取并抽象出拟合的原始特征空间中的特征作为高级特征；
66.将所述高级特征输入至训练好的数据模型深度神经网络中，得到预测的风险指数等级值；
67.基于预测得到的风险指数等级值与预设的风险评估标准获取得到所述聚酯酯化反应过程的风险分区结果。
68.在本发明实施例中，进一步地，在构建所述深度神经网络过程中，采用缩放指数线性单元作为激活函数，并采用随机失活技术进行神经元构造。
69.在本发明实施例中，进一步地，在所述数据模型的自适应训练过程中，利用均方根误差作为损失函数，通过反向传播算法计算出基于误差的权重更新值，并对数据模型逐层更新这些值。
70.需要说明的是，本发明实施例提供了一种基于数字孪生技术的用于聚酯酯化反应过程的实时风险分区的方法和系统，该系统包括酯化反应设备、传感器、服务器以及访问客户端；其中传感器用于采集聚酯反应设备的运行数据、工控数据、人员数据、物料数据和作业数据等。
71.如图2至图3所示，本发明实施例主要步骤为：通过传感器采集数据，将采集的数据通过服务器存储并传输到数字孪生平台，在数字孪生平台建立酯化反应的工艺模型、数据模型以及几何模型以构建数字孪生体，通过分析程序对数据进行清洗和分析，得到实时风险分区结果，将结果以标准风险四色图形式在客户端进行可视化展示。
72.本发明实施例可实现的功能包括：
73.(1)模拟仿真和验证：
74.可以通过数字孪生体验证分区结果的精确度和准确性，将模拟仿真结果和工厂运行的实际数据进行对比，反复验证，保障分区结果的准确性。
75.(2)数据实时化：
76.数据的实时性是指对数据的传输、处理或最后交付发生在数据刚产生的短暂瞬间，主要看企业实际数据采集的频率。企业在经营过程中所产生的海量实时数据，直接反映着产品质量、经营状况和企业管理的效率，并且在很大程度上影响了企业数字化转型建设的顺利开展。很多业务场景也都需要实时数据的支撑，比如风险分区。在本发明实施例中可通过模型显示聚酯酯化反应装置的实时风险状态。
77.(3)二、三维可视化展示：
78.基于数字孪生技术的风险分区，可以将程序的分析结果以四色图的形式在客户端以二维或者三维可视化的形式显示，同时可以根据实时计算结果进行色彩转换。
79.(4)风险预警：
80.对每个级别的风险指数设置阈值，一旦区域的数据超出阈值，即可发出警报，并以颜色做出不同级别的提醒。
81.本发明实施例应用于聚酯工厂的酯化反应装置的实时风险分区方法，其价值体现在于：
82.(1)提升工厂安全生产保障：
83.通过基于数字孪生技术的实施安全风险分区方法，将互联网+安全生产进行结合，通过对聚酯工厂中最危险的酯化装置区域进行更加细致的风险识别和管控，可以实现工厂的运行状态的实时监测和预警，有效提升聚酯工厂生产和管理过程中的安全保障。
84.同时，本发明实施例可以和工厂人员定位系统通过api等协议进行对接，建立电子围栏，对靠近的不在允许范围内的人员进行警报，降低因为人员失误带来的安全隐患。
85.(2)降低工厂运行管理成本：
86.本发明实施例提供了一种可通过浏览器直接打开的平台，操作员可以在三维模型
上通过四色图直观的了解工厂的风险分布和风险变化，掌握当前生产状况是否处于有效控制阶段。
87.可以在在平台上关联责任人，通过电话、短信和网络弹窗等方式根据权限自动发送报警信息，通过数字化的科技手段降低管理过程中的沟通时间，结合电子生产日报，实现无纸化办公。
88.(3)增加工厂经济效益：
89.本发明实施例通过对风险的实时识别和分区，可以对风险进行预测，缩短工厂应对反应周期，降低损失，增加工厂的经济效益。
90.基于上述方案，为便于更好的理解本发明实施例提供的基于数字孪生技术的聚酯酯化过程风险监测方法，以下进行详细说明：
91.本发明实施例可以通过以下步骤实现：
92.步骤1、安装选定好物理实体(聚酯酯化装置)，确定数据源；
93.步骤2、通过添加属性数据，采集装置的静态数据；
94.通过api接口获取聚酯酯化反应装置的dcs(分散控制系统)数据，即装置的生产工控运行动态数据(工控数据)；
95.通过api接口与erp系统连接获取聚酯酯化反应装置的物料数据；
96.在聚酯酯化设备上安装不同的传感器，比如测量温度、压力以及液位等参数的传感器，得到设备数据；
97.通过传感器对装置环境中有毒有害气体进行检测分析，对烟雾火焰的进行视觉分析，采集装置运行的环境数据；
98.通过集成作业管理和人员定位等系统，采集装置的作业数据和检维修数据(人员数据)；
99.在此过程中，对于难以使用硬件设施采集的数据，可以通过模拟仿真构建软传感器的形式进行采集。
100.设置采集频率，将数据上传到私有云数据库(服务器)进行数据存储，同时，对传感器上采集得到的数据，进行数据清洗和筛选(数据抽取)，得到有效数据，从而实现实时数据的采集过程。
101.步骤3、通过服务器，在数字孪生平台上建立聚酯酯化装置的几何模型、工艺模型和数据模型。
102.3.1、通过pdms、3dmax等工业设计软件构建装置的几何模型，并根据模型大小，选择合适的渲染模式。将模型轻量化后以低代码的形式导入平台，通过可视化引擎，实现模型的浏览功能。模型内置二、三维联动的逻辑，通过对模型位号进行数据解析，可实现三维模型和二维图纸之间的交互。
103.3.2、结合生产工艺流程图(p&id)，工艺物料平衡图(p&fd)等，建立生产装置的工艺模型，通过模拟仿真，验证模型和物理实体的一致性。
104.3.3、基于神经网络、神经元构造装置的数据模型，通过装置设计的数据，验证模型的准确性。
105.通过以上几个步骤，就建立起了聚酯酯化过程的数字孪生体，接入步骤2提到的动态和静态数据，实现整个生产过程中物理实体和数字孪生体的实时交互。这样整个聚酯酯
化过程都能够在数字孪生体上进行实时监测。通过数字孪生体可获得周围环境状态信息和聚酯酯化反应过程的内部信息。
106.步骤4、通过数据模型计算得到风险数值，根据风险等级划分得到风险分区结果，将结果发送到平台，进行人工确认。
107.步骤5、风险分区结果可以通过pc端、大屏和手机app进行展示。
108.步骤6、在数字孪生模型上以四色图的形式进行可视化显示，当风险分区结果出现变动时候，不仅可以在界面上换色示警，还可以一键报警。
109.需要说明的是，与同类产品相比，本发明实施例具有以下算法技术方面的优势：
110.(1)神经网络建模：
111.在本发明实施例使用了神经网络结构，神经网络技术对完成对微弱信号的检验和对各传感器信息实时处理，具有自适应自学习功能，能自动掌握环境特征，实现自动目标识别及容错性好，抗干扰能力强等优点。
112.在风险分区的数据模型的建模的过程中进行如下建模流程：
113.1)利用深度神经网络，自动提取并产生基于元数据(人员、物料、设备、作业、工控等数据)的有效特征，并进行拟合。
114.2)在此过程中，输入的元数据经过深度神经网络逐层计算，自动提取并抽象出原始特征空间中的特征作为高级特征。
115.3)将第二步的结果作为输入，输入后面的深度神经网络中，进行建模，最后，得到预测的风险指数等级值。
116.对于特征之间的存在耦合的情况。本模型使用了注意力(attention)机制，捕获特征和特征之间的关联性，并自动计算权重。具体地，即采用了一个可训练的较小的深度神经网络计算注意力权重，并将此权重与不同特征相结合，进一步输入后面的神经网络中。
117.(2)神经元构造：
118.在神经元构建方面，采用了缩放指数线性单元(selu)作为激活函数。它具有自归一化的特征，即使施加噪声也收敛为平均值为0、方差为1或方差具有上下边界。本发明实施例能较好地防止梯度消失和梯度爆炸的产生。
119.同时，神经元中也使用了随机失活(dropout)技术。这可以显著的降低过拟合，使测试数据集的表现更佳。
120.(3)数据模型的自适应训练过程：
121.在此过程中，利用均方根误差(rmse)作为损失函数(loss)，通过反向传播算法计算出基于误差的权重更新值，并逐层更新这些值。在优化器方面，使用了自适应矩估计(adam)优化器，通过对梯度的一阶和二阶矩估计的计算，自适应地调整了梯度。这样使得梯度较大时更新的程度更大，梯度较小时更新地较慢，便于模型的收敛。
122.(4)自动调参，结构优化：
123.在基于神经网络建立的数据模型的自适应训练过程中，使用了自动化的调参技术。例如通过对一系列的超参进行网格搜索的方式，找到效果最优的一组超参，作为最终模型的参数。同时，也使用了早停策略(earlystop)，使得模型精度在一定轮数内没有提升时自动停止训练，并保存当下的模型。
124.需要说明的是，本发明实施例除了上述算法技术面的优势之外，还存在以下先进
性体现：
125.(1)实时分区，数据时效性性强：
126.本发明实施例采用装置运行期间产生的实时数据，并在次数据的基础上实时划分风险区域，数据和分区结果具备极强的时效性。
127.(2)界面友好，结果一目了然：
128.聚酯酯化反应过程复杂，利用数字孪生技术将复杂的风险分区过程智能化处理，将分区结果在数字孪生体上通过可视化形式表达，结果一目了然。当出现风险时候，管理人员不需要复杂的学习和操作，就可以快速反应过来，并通过对应的手段进行有针对性的管控。
129.(3)环境数据同步监测：
130.此外，本发明实施例可对聚酯酯化反应装置周边环境的状态及相对应的风险评估效果进行展示，相对于现有技术，可以以最经济、最便捷的方式对酯化反应过程进行调试、验证，降低制造成本，发挥最大的效益。
131.需要说明的是，对于以上方法或流程实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本发明实施例所必须的。
132.请参见图4，本发明实施例还提供一种基于数字孪生技术的聚酯酯化过程风险监测装置，包括：
133.数据采集模块1，用于采集聚酯酯化反应过程的实时数据，并将所述实时数据接入预先构建的数字孪生体；所述实时数据包括人员数据、作业数据、工控数据、物料数据、设备数据和环境数据中的至少一种；
134.孪生监测模块2，用于通过所述数字孪生体根据所述实时数据对聚酯酯化反应过程进行实时监测；所述数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；
135.风险提示模块3，用于通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。
136.可以理解的是上述装置项实施例，是与本发明方法项实施例相对应的，本发明实施例提供的一种基于数字孪生技术的聚酯酯化过程风险监测装置，可以实现本发明任意一项方法项实施例提供的基于数字孪生技术的聚酯酯化过程风险监测方法。
137.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述的基于数字孪生技术的聚酯酯化过程风险监测方法。
138.需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或
多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
139.所述领域的技术人员可以清楚地了解到，为了方便和简洁，上述描述的装置的具体工作过程，可参考前述方法实施例中对应的过程，在此不再赘述。
140.终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。
141.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
142.所述存储器可用于存储所述计算机程序，所述处理器通过运行或执行存储在所述存储器内的计算机程序，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
143.所述存储介质为计算机可读存储介质，所述计算机程序存储在所述计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
144.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

技术特征：
1.一种基于数字孪生技术的聚酯酯化过程风险监测方法，其特征在于，包括：采集聚酯酯化反应过程的实时数据，并将所述实时数据接入预先构建的数字孪生体；所述实时数据包括人员数据、作业数据、工控数据、物料数据、设备数据和环境数据中的至少一种；通过所述数字孪生体根据所述实时数据对聚酯酯化反应过程进行实时监测；所述数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。2.根据权利要求1所述的基于数字孪生技术的聚酯酯化过程风险监测方法，其特征在于，所述数字孪生体的构建过程包括：通过预设的工业设计软件构建所述聚酯酯化装置的几何模型；基于预设的生产工艺流程图和工艺物料平衡图，构建所述聚酯酯化装置的工艺模型；基于预设的神经网络以及神经元数据构建所述聚酯酯化装置的数据模型；基于所述几何模型、所述工艺模型和所述数据模型构建得到聚酯酯化反应过程的数字孪生体。3.根据权利要求1所述的基于数字孪生技术的聚酯酯化过程风险监测方法，其特征在于，所述采集聚酯酯化反应过程的实时数据，包括：通过api接口获取所述聚酯酯化反应装置的dcs数据以采集得到生产工控运行过程的工控数据；通过api接口与erp系统连接以采集得到所述聚酯酯化反应装置的物料数据；基于安装在聚酯酯化设备上的各种传感器采集得到所述聚酯酯化反应装置的设备数据；通过预先配置的气体传感器以及视觉分析装置采集得到所述聚酯酯化反应装置的环境数据；通过集成的作业管理系统和人员定位系统分别采集得到所述聚酯酯化反应装置的作业数据和人员数据。4.根据权利要求3所述的基于数字孪生技术的聚酯酯化过程风险监测方法，其特征在于，所述采集聚酯酯化反应过程的实时数据，还包括：对于难以使用硬件设施采集的数据，通过模拟仿真构建软传感器的形式进行数据采集。5.根据权利要求1所述的基于数字孪生技术的聚酯酯化过程风险监测方法，其特征在于，所述通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，包括：利用深度神经网络，以所述实时数据作为元数据进行有效特征提取，并对这些有效特征进行拟合；利用深度神经网络将输入的元数据进行逐层计算，提取并抽象出拟合的原始特征空间中的特征作为高级特征；将所述高级特征输入至训练好的数据模型深度神经网络中，得到预测的风险指数等级值；
基于预测得到的风险指数等级值与预设的风险评估标准获取得到所述聚酯酯化反应过程的风险分区结果。6.根据权利要求5所述的基于数字孪生技术的聚酯酯化过程风险监测方法，其特征在于，在构建所述深度神经网络过程中，采用缩放指数线性单元作为激活函数，并采用随机失活技术进行神经元构造。7.根据权利要求5所述的基于数字孪生技术的聚酯酯化过程风险监测方法，其特征在于，在所述数据模型的自适应训练过程中，利用均方根误差作为损失函数，通过反向传播算法计算出基于误差的权重更新值，并对数据模型逐层更新这些值。8.一种基于数字孪生技术的聚酯酯化过程风险监测装置，其特征在于，包括：数据采集模块，用于采集聚酯酯化反应过程的实时数据，并将所述实时数据接入预先构建的数字孪生体；所述实时数据包括人员数据、作业数据、工控数据、物料数据、设备数据和环境数据中的至少一种；孪生监测模块，用于通过所述数字孪生体根据所述实时数据对聚酯酯化反应过程进行实时监测；所述数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；风险提示模块，用于通过所述数据模型根据所述实时数据实时获取所述聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。9.一种终端设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于数字孪生技术的聚酯酯化过程风险监测方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于数字孪生技术的聚酯酯化过程风险监测方法。

技术总结
本发明提供一种基于数字孪生技术的聚酯酯化过程风险监测方法、装置、设备及存储介质，所述方法包括：采集聚酯酯化反应过程的实时数据，并将实时数据接入预先构建的数字孪生体；通过数字孪生体根据实时数据对聚酯酯化反应过程进行实时监测；数字孪生体包括聚酯酯化装置的几何模型、工艺模型和数据模型；通过数据模型根据实时数据实时获取聚酯酯化反应过程的风险分区结果，并以标准风险四色图的形式对实时获取到的风险分区结果进行可视化展示。本发明能够实现生产过程中风险分区的定量分析，提高识别准确度，能够对风险分区结果进行直观展示，并且提高了监测过程数据的保存及调用的便捷度。便捷度。便捷度。


技术研发人员：周玉锋 李博华 陈国康 邱雷
受保护的技术使用者：珠海华润化学材料科技有限公司
技术研发日：2023.03.27
技术公布日：2023/7/22