工业互联网跨域异质数据关联建模与预测技术
发布时间: 2021-11-10
基本信息
工业互联网是新一代信息技术与工业经济深度融合的新型关键基础设施,已上升为国家创新发展战略。工业数据作为工业互联网的血脉,是其赖以发挥价值的核心支撑。数据驱动的建模技术是工业互联网的关键技术,是支撑工业互联网环境下各类机理未知“黑盒”问题建模与预测的核心技术。然而,工业互联网数据呈现跨域异质的复杂特性,例如跨业务域、跨模态域、跨计算域,及数据质量各异、结构类型各异、计算目标各异等特点,使得工业互联网环境下数据驱动的建模技术面临“低质精准表征”、“异质耦合建模”、“分布优化计算”3个挑战难题。本项目在国家重点研发计划、国家自然科学基金等5项国家级项目(课题)支持下,围绕上述3个挑战难题,提出了一套创新的工业互联网跨域异质数据关联建模与预测技术。取得了以下创新成果:针对挑战难题一,提出了基于新型半监督并行深度因子分解机模型SS-PdeepFM的低质数据精准表征方法技术,解决了大量无标签低质数据条件下基于伪标签数据高近似生成的高精准表征建模问题。针对挑战难题二,提出了融合宽度网络、深度网络和时序网络的新型Wide-Deep-Sequence深度神经网络建模方法技术,解决了多源异质数据耦合关联建模与融合学习问题。针对挑战难题三,提出了大规模云边协同任务并合调度优化方法技术,解决了复杂高耗时模型在工业云端与边缘端分布式高效计算问题。10篇代表性SCI英文论文发表在IEEE TNNLS、TII等国际顶级期刊,含ESI 2篇,SCI引用至少371次,被至少20位国际知名Fellow或院士正面评价;1篇《中国科学信息科学》中文论文获中国仿真学会优秀论文奖。授权及公示发明专利10项,2项实现工业互联网相关技术转化。技术成果成功应用于我国首个国家级工业互联网平台——航天云网INDICS、大型集团企业工业互联网平台——联想LeapIOT、以及神州数码集团等,在航空航天、电子、机械、汽车等行业获得成功应用,企业提质降本增效应用效果明显,取得了显著经济效益(新增销售额97892万元)和社会效益。对于推动我国工业互联网自主可控的核心技术突破与产业化应用具有重要意义。