【ZiDongHua 之品牌自定位收錄關(guān)鍵詞： ABB AI 上海交通大學(xué) IGBT 人工智能 】
 
 
　　領(lǐng)域知識+大模型，加速AI在工業(yè)場景落地
 
 
　　9月20日，由ABB與中國自動化學(xué)會聯(lián)合主辦的“2023 ABB杯智能技術(shù)創(chuàng)新大賽”圓滿落下帷幕，頒獎儀式在中國國際工業(yè)博覽會ABB展臺現(xiàn)場舉行。其中，在“變頻器半導(dǎo)體溫度預(yù)測AI建模挑戰(zhàn)賽”中，共有5組隊伍從來自全國51所院校的86支隊伍、194人中入圍決賽。經(jīng)過現(xiàn)場答辯和多位專家的嚴格評審，最終，來自上海交通大學(xué)電子信息與電氣工程學(xué)院自動化系王景成教授指導(dǎo)的甘子毅、吳舜禹同學(xué)榮獲一等獎桂冠。
 
　　
 
　　賽題背景
 
　　絕緣柵雙極型晶體管（Insulated Gate Bipolar Transistor，IGBT）廣泛應(yīng)用于現(xiàn)代電力電子裝置中，是其中最重要、也是容易失效的功率半導(dǎo)體器件。IGBT的可靠性在一定程度上決定了電力電子裝置的整體可靠性。當(dāng)變頻器處理反復(fù)波動的負載功率時，IGBT芯片的溫度（通常等效為芯片PN結(jié)的溫度，簡稱結(jié)溫）隨之大幅波動。結(jié)溫的波動會在IGBT內(nèi)部產(chǎn)生熱應(yīng)力沖擊，加速老化，造成IGBT失效。因此，IGBT結(jié)溫的在線監(jiān)測是變頻器功率控制、IGBT壽命預(yù)測的先決條件。除壽命預(yù)測外，IGBT結(jié)溫信息還有助于實現(xiàn)精確過溫保護，這同樣有助于提高變流器的可靠性，增加變流器的無故障服務(wù)時間。如何實現(xiàn)高精度、快響應(yīng)的IGBT結(jié)溫實時監(jiān)測，成為近年來學(xué)術(shù)界與工業(yè)界的研究熱點之一。
 
　　針對這一熱點問題，ABB杯創(chuàng)新大賽設(shè)計了“變頻器半導(dǎo)體溫度預(yù)測AI建模挑戰(zhàn)賽”的新賽題，要求選手們通過挖掘數(shù)據(jù)價值，解決具體的應(yīng)用難題：基于ABB提供的來自真實工業(yè)場景的海量數(shù)據(jù)，綜合利用機器學(xué)習(xí)、大數(shù)據(jù)預(yù)測等先進技術(shù)，分析設(shè)備數(shù)據(jù)間的關(guān)系，并在Python環(huán)境下自主開發(fā)和建立變頻器核心元件IGBT的溫度估測模型，對不同負載功率下IGBT的溫度波動進行高精度、快響應(yīng)的實時監(jiān)測。模型的準確性和創(chuàng)新性是決定選手勝敗的關(guān)鍵。
 
　　一等獎解決方案
 
　　
 
　　目標(biāo)變量分布分析
 
　　解決方案的模型框架
 
　　面對賽題所給出的海量低質(zhì)數(shù)據(jù)，甘子毅、吳舜禹同學(xué)在與導(dǎo)師多次討論后，決定以多工況為切入點，通過特征挖掘?qū)GBT運行工況進行劃分，再對應(yīng)設(shè)計不同復(fù)雜度的機器學(xué)習(xí)模型。實驗結(jié)果表明，所提出的分解預(yù)測模型可以在大數(shù)據(jù)集中顯著加快訓(xùn)練和推理速度，并同時兼顧了預(yù)測精度。
 
　　賽題背景與解決方案
 
　　源自“上海交大電院”公眾號
 
　　賽后，特邀專家與比賽評委團對賽題和一等獎作品做了多角度的點評與分析。
 
　　繆青海
 
　　中國科學(xué)院大學(xué)人工智能學(xué)院副教授
 
　　機器學(xué)習(xí)中，數(shù)據(jù)、算法是核心要素。數(shù)據(jù)分布的復(fù)雜性為模型架構(gòu)的選擇和后續(xù)訓(xùn)練帶來挑戰(zhàn)。針對‘變頻器半導(dǎo)體溫度預(yù)測’AI建模，上海交通大學(xué)參賽隊利用行業(yè)領(lǐng)域先驗知識，將數(shù)據(jù)依據(jù)工況分類，其本質(zhì)上類似于將數(shù)據(jù)空間復(fù)雜流形進行分片，每一個分片是一個具有相對簡單結(jié)構(gòu)的子流形。在子流形上，可采用相對簡單的模型即可取得理想的效果，訓(xùn)練變得更加容易，推理性能更加高效。通過引入領(lǐng)域知識對數(shù)據(jù)進行前處理，該方法有較好的普適性，在多個領(lǐng)域有較好的推廣前景。
 
　　孟金磊、邢承彥、楊曉茹
 
　　ABB杯創(chuàng)新大賽評委團成員
 
　　ABB中國運動控制部技術(shù)專家
 
　　面向工業(yè)預(yù)測類算法場景，獲獎選手對賽題理解深入、建模流程清晰，考慮了多工況下特征與預(yù)測目標(biāo)之間關(guān)系的差異性，采用差分、組合、變換等特征工程方法，同時從機理角度提取關(guān)鍵特征，根據(jù)不同工況嘗試不同復(fù)雜度的回歸模型及集成學(xué)習(xí)方法，最終模型具備較高的魯棒性和推理速度。
 
　　龐智博
 
　　ABB瑞典研究院資深主任科學(xué)家
 
　　瑞典皇家工學(xué)院KTH兼任教授
 
　　這次比賽的選題是AI在工業(yè)電子和自動化領(lǐng)域應(yīng)用的熱點和難點問題之一。經(jīng)過近幾年大量頭部企業(yè)和學(xué)術(shù)團隊的探索，大家的關(guān)注點已經(jīng)從數(shù)據(jù)和模型的有無問題，轉(zhuǎn)變?yōu)閿?shù)據(jù)和模型的實用性問題，甚至是數(shù)據(jù)和模型的‘去粗存精’的問題。獲獎團隊采取了領(lǐng)域知識與AI建模深度融合的策略，完全符合行業(yè)的共識和趨勢。進一步地，他們根據(jù)對電力電子器件工況的深入理解，有效化簡了數(shù)據(jù)空間，提高了算法的精度和運行效率。這些進展，對解決這一大類工業(yè)數(shù)據(jù)和AI模型的去粗存精問題，都有啟發(fā)意義。同時這個工作也完美地展示了，跨學(xué)科的知識結(jié)構(gòu)和人才培養(yǎng)，對實現(xiàn)工業(yè)AI落地的重要性。
 
　　人工智能正在改變工業(yè)世界。通過人工智能挖掘數(shù)據(jù)價值、提供數(shù)據(jù)洞察，可用于優(yōu)化工業(yè)流程，提高生產(chǎn)效率與產(chǎn)品質(zhì)量，并加速工業(yè)綠色轉(zhuǎn)型。目前，ABB 有 130 多個以人工智能為重點的項目，在眾多領(lǐng)域利用人工智能為客戶提供支持、創(chuàng)造價值。
 
　　關(guān)于ABB杯智能技術(shù)創(chuàng)新大賽
 
 
　　ABB杯智能技術(shù)創(chuàng)新大賽由ABB公司與中國自動化學(xué)會聯(lián)合主辦，并得到行業(yè)協(xié)會、業(yè)界專家以及瑞士駐華使領(lǐng)館的大力支持，18年來不斷迭代升級，累計參賽選手已超兩萬人。比賽致力于培養(yǎng)復(fù)合型創(chuàng)新人才和新工科應(yīng)用型人才，溝通產(chǎn)學(xué)研用，攜手各界推動工業(yè)數(shù)字化、智能化轉(zhuǎn)型。