[00303644]工业自学习智能体

受限于真实工程场景中设备采样成本高昂、环境干扰严重、观测信息缺失等难点，强化学习的工程应用目前仍是一个世界范围内的难题。 区别于常规智能算法，深策云控团队开发的强化学习框架，通过：构建约束更新，提升采样效率；概率建模，应对环境干扰；有序协同，缓解信息缺失；克服了基于强化学习的先进过程控制，在实际工程应用的三大难点。突破了传统控制算法对精确数学模型的依赖，该系统可利用历史数据进行预训练，并将模型训练周期从172天缩短至14天，结合在线自主学习机制，实现控制策略的持续进化。 分布式控制系统（DCS）作为生产装置的核心控制中枢，随着智能制造升级需求与工业生产复杂度的双重升级，传统DCS系统面临严峻挑战：升级成本高，封闭式架构无法加载第三方智能算法，多样化的现场总线协议数据传输壁垒，严重依赖预编程的顺序功能。 本人工智能平台采用“操作员站-人工智能平台-DCS控制器”架构层，嵌入人工智能平台，形成了非侵入式智能化改造方案，成本低，操作简单，不需要更改原厂设备；预装算法，并支持云端部署，Python算法模块，无缝集成第三方工具；集成多种标准工业接口与总线协议.

【成果编码】20261119

【单位性质】企业

【企业类别】科技型中小企业

【统一社会信用代码】91340503MAE7FLLU71

【是否有意愿在安徽落地转化】是

【意愿落地城市】马鞍山市

【期望参展板块】新兴产业壮大展区/人工智能

【荣誉与获奖】中国创新创业大赛工业智能体专业赛，全国二等奖

【技术水平】国际先进

【是否有自主知识产权】是

【项目阶段】工程样机/样品

【已应用场景】项目专注为流程工业，大型空调系统等需要持续应用的场景，尤其是需要资深操作人员进行干预，才能保证产品质量和盈利能力的领域。提供使用场景下的垂类自主学习系统及硬件方案供应商。 传统的控制技术包括PID控制和先进过程控制（APC）。采用PID控制或APC进行复杂控制，有时可能需要进行调整，而这可能会耗费大量的时间和精力。此外，某些工厂操作区域不适合PID控制或APC，必须手动控制，这就需要操作员在控制输入前进行判断。自主学习控制是针对此类情况的新技术，可实现复杂的控制，并消除对手动操作的依赖。 已在HVAC空调节能方向与化工流程工业智能体方向展开应用。

【对接倾向】企业

【展品联系人】兰琦琦

【展品联系人手机号】19917622007

【展示方式】展板

【参展要求】需要有显示屏用于播放介绍视频

【状态】退回