一、研究的背景与问题
2008-2013年，针对冶金过程多相多场耦合导致的非线性、强耦合、大滞后等复杂特性，以及微小故障易演化为灾难性事故的难题，项目组揭示了传统诊断方法因SVD分解缺陷导致故障诊断率低于70%的根源，提出了多质心流形非负矩阵分解的故障诊断与安全博弈优化控制技术，将诊断率提升至98%以上，有效避免了喷炉、崩料等事故。
2014-2019年，面向钢铁行业高碳排放的挑战（占全球7%，我国粗钢年产近10亿吨、碳排占16.02%），项目组针对冶金机理复杂、数据整合难等问题，研发了多元异构数据流转与几何-物理-行为-性能建模技术，以及数字孪生多元数据解耦与全要素流转技术，显著提升材料性能预测精度与适配决策能力。该技术实现比欧美经典模型加速14倍、精度提高16倍的突破，有力支撑了新材料设计与节能降碳。
2020-2025年，面对中国制造业产业升级中的大规模调度决策难题，项目组聚焦“模型优化难适应多变任务”、“云边协作效率低”、“跨组织协同难”、“异构集成排产难”四类挑战，提出了群体智能优化决策与知识图谱知识迁移技术。通过提升运行性能、碳排预报与再调度，成功实现减排32%的显著成效。
二、解决问题的思路与技术方案
1、解决问题的思路
图1 本项目总体创新思路
人工智能赋能新型工业化是第四次工业革命的核心驱动力，支撑制造强国、质量强国的重大战略。工业人工智能是推动新质生产力发展的重要基础，自2018年以来连续8年被写入政府工作报告。极端工业微-介-宏观显微解构物理数字孪生建模、超大规模精准决策和绿色安全控制是推动传统制造业通过工业互联网实现智能化转型升级的核心抓手。
随着制造业数字化、网络化、智能化转型升级，极端制造场景数量急剧增加，面临极端工业显微解构、微小故障预报、知识迁移调度和安全优化控制等难题。针对钢铁、大飞机和电子等极端环境制造过程，通常涉及超高温黑箱制造、数以百万计的零部件和模块组装，如何实现极端制造介观、微小故障预报、大规模节点、复杂任务需求下工业智能高效协同管控成为关键。
本项目在国家多项重大项目和计划支持下，突破了微观-介观-宏观物理数字孪生建模关键技术，研制了系列软硬件装置以及工业机器人与安全管控平台，在钢铁制造、国产大飞机智能制造、特种机器人、国家关键基础设施智能安防等领域实现了规模化应用，为我国新型工业化高质量发展提供了关键技术支撑。
2、关键技术
（1）在线微观解构技术
图2 物理数字孪生建模
针对极端环境生产制造显微架构“解不了”难题，提出了图像、传感器数据和能量离散拓扑时空结构保持与流形编码机制，发明了基于机器视觉和反演的质量、动量、能量和信息流转在线显微解构技术，首次提出了热传导、力平衡和质守恒等典型物理算子的电路节点计算技术，构建了微观-介观-宏观生产状态物理数字孪生模型，首次提取了微观CO2反应特征和实现了湍流区非接触式温度在线测量，精准预测了碳排放量和碳足迹。首次突破了N-S方程无法求解的瓶颈，首次实现了极端环境生产状态微观解构和建立了状态方程，首次实现了精度基本不变条件下经典模型14倍以上加速，微观建模精度提高16倍。该技术被鉴定为“国际领先”，解决了工业边缘智能“建不了”的难题。
（2）微小故障预报与血缘关系识别技术
针对安全事故“防不住”的难题，发明了多质心拓扑流形非负矩阵分解的微小故障预报和模型移植血缘关系识别技术，解决了极端环境大型装备故障预报问题，避免了喷炉、漏炉、气塞和崩料、漏水和烧穿等重大事故。通过将装备内外监测图像、声纳、视频、物理化学变量以及物理数字孪生数据按照一定的拓扑结构来进行模型移植和非负矩阵分解，同时保持数据的流形结构不变来提取微小故障特征。发明了基于图的多智能体多质流形心非负矩阵分解技术，提升了样本数据的处理能力，解决了样本的隶属度识别问题，从而提升了聚类结果的可解释性和准确性。
图3 故障诊断技术
图4 微小故障预报
（3）制造运行孪生演化与知识迁移的调度决策技术
针对超大规模装配制造，提出了复杂制造系统全要素数据综合汇聚融合的知识迁移工业大模型建立技术，突破了降本增效的大规模智能化技术瓶颈，攻克了群体智能优化调度决策技术、调度知识图谱知识迁移技术，解决了大规模多参数动态工控网络的资源优化调度与实时决策问题，边缘端协同处理能力达到每秒10万条指令且间隔小于5毫秒，实现了典型场景下机器人多任务毫秒级系统响应。建立了焦炉-高炉-转炉等大规模碳素循环流转调度系统，实现零碳排。
图5 迁移学习调度架构
图6 遗传迁移学习调度技术
（4）边缘端高精度与安全优化控制技术
针对故障调控难题，构建对状态/输入约束与故障的博弈系统，突破了安全性与最优性设计的自适应动态规划技术，设计了在线故障调控更新律，解决了安全约束与动态博弈的安全调控问题，建立了智能安全标准。针对故障调控下“控不准”的难题，揭示了在通信拓扑时变与智能体动态异构双重不确定性下的博弈协同混杂特性，构建了具有一致性约束的协同控制目标。引入了分布式摄动观测器，估计并补偿由拓扑变化和动态异构性引起的不确定性。设计了基于故障事件触发的策略更新规则以降低通信与计算负担，实现了异构混合智能体群在复杂动态环境下的博弈协同控制。
（5）边端软硬件装置和平台
基于上述技术创新，项目研制了系列化边端软硬件装置和极端环境特种机器人，构建了工业边缘智能模型与安全管控平台，实现了规模化应用。开发了涵盖数据采集、存储、转化、处理、分析等功能的边缘计算智能模块11个，支持各类边缘数据流转、处理和计算组件共计195个，研制了三大类（准入、态感、终端）数十种型号的软硬件及其安全配套产品，量产工业互联网安全产品超100万台套，累计应用终端数超亿台。自主研制了特种机器人视觉系统、听觉系统、嗅觉系统等和人机协作机器人、移动操作机器人、机器人操作系统等系列具备智能安全管控的设备及平台产品，应用于钢铁等行业领域。构建了轻量化部署平台、工业互联网全域安全态势平台和边缘智能产线管控平台，形成了一套工业边缘智能模型与安全管控平台，具备全周期数据采集、设备状态建模、设备故障预警、设备及人员管理等功能，实现了制造工厂的精益化、自动化和数控化升级改造。
近三年项目累计直接经济效益超820亿元，产生了重大经济和社会效益。
图7 边缘智能系列装备
图8 特种机器人
图9 工业边缘智能与安全管控平台
图10 超高温冶炼和大飞机智能制造
三、主要创新性成果
1、能感知技术：突破世纪求解瓶颈
针对极端环境生产制造显微架构难题，提出图像、传感器数据和能量离散拓扑时空结构保持与流形编码机制，发明基于机器视觉和反演的在线智能感知技术。首次提出典型物理算子的电路节点计算方法，构建微观-介观-宏观生产状态物理数字孪生模型，突破三大守恒定律N-S方程求解瓶颈，构建极端工业实时生产状态方程，实现经典模型14倍以上加速、微观建模精度提高16倍。该技术被鉴定为“国际领先”，解决工业边缘智能“建不了”难题。基于此研制极端环境视嗅听机器人，应用于钢铁生产等领域，完成多项标准制定，在宝武等头部企业规模化应用。
2、故障预报与血缘关系识别技术：筑牢安全防线
为解决安全事故“防不住”问题，发明多质心拓扑流形非负矩阵分解的微小故障预报和模型移植血缘关系识别技术。将装备内外多种监测数据按拓扑结构进行模型移植和非负矩阵分解，保持数据流形结构不变提取微小故障特征，揭示其与多种检测信号的血缘关系，避免喷炉等重大事故。该技术应用于冶炼生产流程，单吨能耗平均降低9.2%，故障率降低94.8%，节省维护成本10.8%，降低工人工作量11.6%，年均减少二氧化碳排放量56万吨，安全事故下降98.5%，获国际发明展览会等奖励。
3、运行孪生演化与知识迁移调度决策技术：优化资源配置
针对超大规模装配制造，提出复杂制造系统全要素数据综合汇聚融合的知识迁移工业大模型建立方法，攻克群体智能优化调度决策等技术，解决大规模多参数动态工控网络资源优化调度与实时决策问题。边缘端协同处理能力达每秒10万条指令且间隔小于5毫秒，实现典型场景下机器人多任务毫秒级系统响应。构建生成-预测-调度闭环优化框架，为复杂装配环境智能资源配置提供新范式，形成全链条创新体系，实现钢铁特种机器人智能化生产典型边缘端场景规模化应用。
4、端高精度与安全优化控制技术：实现精准调控
针对故障调控“控不准”难题，构建博弈系统，揭示博弈协同混杂特性，突破自适应动态规划技术，设计在线故障调控更新律，解决安全约束与动态博弈的安全调控问题，取得能耗降低、故障率降低等成效。突破经典协同控制限制，为异构混合智能体群博弈协同控制提供理论支撑，引入分布式摄动观测器估计补偿不确定性。成果应用于轻型协作机器人系列产品，在宝武等8家头部企业及326家重点行业企业规模化推广应用。
5、软硬件装置和平台：构建智能管控生态
研制系列边端软硬件装置与极端环境特种机器人，构建工业边缘智能与安全管控平台。开发11类边缘计算智能模块，研制多种型号软硬件及安全配套产品，应用于多行业，辐射多市场。自主研制多种特种机器人及智能安全管控设备，应用于高危复杂环境。构建的平台具备全周期数据建模与智能管控功能，推动冶炼智能化转型，实现生产协同效率提升58%以上，近三年累计直接经济效益超820亿元。
四、应用情况与效果
本项目在极端工业领域取得一系列突破性成果，在技术性能、应用成效、学术影响等多方面表现卓越，有力推动了工业智能化发展。
本项目发明的极端工业微观结构、微小故障预报、智能调度和安全优化控制等关键技术，相比传统方法性能均有显著提升，与国内外相关技术比较见下表1、2。表1显示项目实现首次突破了整个世纪三大守恒定律N-S方程无法求解的瓶颈，首次构建了极端环境实时生产状态方程。表2显示项目所研发特种机器人的微小故障预报准确率、定位速度、安全调控等关键技术指标，均超过国内外同类产品最高水平。
表1.边缘智能模型技术指标对比
表2.视嗅听机器人技术指标对比
信息来源：东北大学
如需查看科技新进展全部文章，请点击“阅读原文”查看。