(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210916083.3 (22)申请日 2022.08.01 (71)申请人 浙江大学 地址 310027 浙江省杭州市西湖区浙大路 38号 申请人 浙江大学嘉兴研究院 (72)发明人 高翔　方铁根　韩尚伯　郑成航　 姚龙超　华奕　俞悦楷　胡腾　 杨健　周灿　吴卫红　张悠　 张涌新　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 郑芳 (51)Int.Cl. G06F 30/20(2020.01)G06F 30/10(2020.01) G06F 16/28(2019.01) G06F 3/04815(2022.01) F23G 5/50(2006.01) F23G 7/06(2006.01) (54)发明名称 一种基于数字孪生的RTO智慧监测与诊断方 法 (57)摘要 本发明涉及一种基于数字孪生的RTO智慧监 测与诊断方法， 包括： 步骤一、 收集包括RTO的运 行数据、 尺寸信息、 检维修记录在内的数据， 建立 多维度数据库， 基于数据库对RTO进行结构分析 和功能分析， 进行 RTO机理模型构建和RTO数据驱 动模型构建， 得到针对RTO的数字孪生模块； 步骤 二、 根据步骤一所得RTO的数字孪生模块， 对RTO 内部运行状态进行模拟， 实现RTO运行状态的实 时监测与诊断； 步骤三、 将模拟的内部运行过程 连接至AR眼镜， 实现可视化分析， 并可基于可视 化分析结果采 取相对应的安全决策。 本发明可以 防止因为部分参数超出合理范围而造成的RTO部 件损坏， 甚至是停炉和爆炸事故； 保证RTO设备的 稳定与安全运行。 权利要求书3页 说明书7页 附图1页 CN 115270473 A 2022.11.01 CN 115270473 A 1.一种基于数字 孪生的RTO智慧监测与诊断方法， 其特 征在于包括下述 步骤： 步骤一、 收集包括RTO的运行数据、 尺寸信息、 检维修记录在内的数据， 建立多维度数据 库， 基于数据库对RTO进行结构分析和功能分析， 进行RTO机理模型和RTO数据驱动模型构 建， 得到针对RTO的数字 孪生模块； 步骤二、 根据步骤一所得RTO的数字孪生模块， 对RTO内部运行状态进行模拟， 实现RTO 运行状态的实时监测与诊断； 步骤三、 将模拟的内部运行过程连接至AR眼镜， 实现可视化分析， 并可基于可视化分析 结果采取相对应的安全决策。 2.根据权利要求1所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于： 所述运 行数据包括但 不限于： 输入RTO运行前 投入的蓄热室的有机废气含量、 RTO中各个进、 出气阀 门的开度、 燃烧室温度、 管道温度、 各个阀门处的LEL浓度、 投入蓄热室的有机废气平均热 值、 以及以往 对应有机废气投料 下的处理量和处 理效率； 所述尺寸信息包括但不限于： RTO的几何尺寸、 RTO的几何形状、 内部各组件的几何尺寸 及形状、 以及各 组件之间的几何关系； 其中， 各组件包括燃烧室、 蓄热室、 蓄热体、 前旁通阀、 后旁通阀、 废气主阀、 新 风阀、 提升阀、 助燃风阀、 燃烧阀、 主风机、 旁通 风机和助燃风机； 所述检维修记录包括RTO参数报警记录、 人工 巡检记录、 以及设备台账。 3.根据权利要求1所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于： 所述结 构分析包括对RTO的尺 寸信息进行分析， 确定RTO组成部分； 功能分析包括对RTO各 组件的承 担功能、 各组件耦合关系进行分析； 结构分析时采用3D  MAX、 Soli dWorks或AutoCAD来构建 模型； 功能分析时采用Matlab或Simul ink来进行运行 过程功能模拟。 4.根据权利要求1所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于RTO机理 模型构建的步骤 包括： (a)基于RTO数据库， 获取RTO各组件的尺寸信息和承担功能； (b)通过对RTO的结构 分析和功能分析， 从RTO生产过程 中的物理、 化学规律出发建立关 键参数与可测变量之间的数学方程组； 其中， 物理、 化学规律包括： 能量守恒定律、 动量守恒 定律、 质量守恒定律工程热力学原理、 传热 学原理、 牛 顿定理、 燃烧热 方程和盖斯定律； (c)基于(b)中建立的数 学方程组， 整理得到描述RTO生产运行 过程的机理模型。 5.根据权利要求4所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于RTO数据 驱动模型构建的步骤 包括： (a)基于RTO数据库， 获取RTO各组件的尺寸信息和承担功能、 RTO运行中关键参数的初 始量； (b)根据建立的RTO机理模型， 获取需要求出 数值的参数； (c)利用数 学建模的方法建立 参数与关键参数之间的数 学表达式， 确立 其函数关系； 其中， 数学建模的方法包括但不限于： 回归分析建模、 神经网络建模和支持向量机的建 模； 所述关键参数包括： RTO运行过程中的温度、 RTO内部热量变化、 有机废气处理量和处理 效率、 有机废气流量、 LEL浓度、 以及RTO中各个进、 出气阀门的开度； 其中， 所述RTO运行过程 中的温度包括RTO运行 过程中蓄热室、 燃烧室和蓄热体的温度。 6.根据权利要求5所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于： 步骤二 包括对RTO运行 过程时关键参数的监测 和对RTO工作状态是否正常的诊断。权　利　要　求　书 1/3 页 2 CN 115270473 A 27.根据权利要求1所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于步骤三具 体为： (a)基于RTO数据库， 结合RTO几何构型和RTO实时监测数据构建RTO三维数据场； (b)将RTO三维数据场导入AR眼镜中； (c)通过AR眼镜使用RTO三维数据场即可实现对RTO数据场的可视化。 8.根据权利要求1所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于采取对应 安全决策包括但不限于： 调整有机废气投料、 维护 可能故障点位、 调控RTO运行过程中的温 度范围、 以及 及时切断设备电源停止 工作。 9.根据权利 要求5所述基于数字孪生的RTO智慧监测与诊断方法， 其特征在于： 以RTO运 行过程中的温度为关键参数， 基于RTO数据库和RTO热量数据模型， 建立多组分复杂 换热过 程热量衡算模型， 计算RTO各截面温度； 其中， 建立多组分复杂换热过程热量衡算模型操作 包括： 通过数据驱动建立未知参数关系方程、 通过局部蓄热体微观传热模型增加蓄热计算 精确度、 通过回归分析建立VOCs复杂组分 混合燃烧方程； 建立模型的方程包括： 废气输入热量： Qin＝minΔhin＝ρ vinCpain(Tin‑Tamb) 前置热旁通提供热量： Qpb＝mpbΔhcb＝ρ vpbCpacb(Tcb‑Tamb) 混合后的入口温度计算： Qmin＝(Qin+Qpb)＝mpinΔhpin＝ρ(vpb+vin)Cpapin(Tpin‑Tamb) 经蓄热体加热后的气体温度计算： 经蓄热体加热后的气体热量： Qha＝mhaΔhha＝ρ(vpb+vin)Cpaha(Tha‑Tamb) 废气中可燃物质燃烧产生的热量： Qcmb＝ δ LELvinLELminΔcHcmb 燃料燃烧产生的热量： Qfc＝vfuelΔcHfc 前置热旁通散出的热量： Qpbo＝mpbΔhcb＝ρ vpbCpacb(Tcb‑Tamb) 后置热旁通散出的热量： Qrb＝mrbΔhcb＝ρ vrbCpacb(Tcb‑Tamb) 燃烧室气体温度计算： Qcb＝(Qha+Qcmb+Qfc+Qair+Qfuel‑Qpbo‑Qrb)(1‑μ ) ＝ρ(vin+vpb+vair‑vpb‑vrb)Cpacb(Tcb‑Tamb)+ρfuelvfuelCpacbf(Tcb‑Tamb) 经蓄热体储热后的气体温度计算： Qfc+Qcmb+Qin‑Qcbμ/(1‑μ )‑Qrb ＝ρ(vin+vpb+vair‑vpb‑vrb)Cpaout(Tout‑Tamb)+ρfuelvfuelCpaoutf(Tout‑Tamb)权　利　要　求　书 2/3 页 3 CN 115270473 A 3