智能工廠的感知、通信與控制

關新平　呂玲　楊博

摘要：認為信息化和工業(yè)化的深度融合是未來工業(yè)化的必然趨勢，基于感知、通信、控制相融合的工業(yè)網絡系統(tǒng)有利于推動全局統(tǒng)籌調度、過程運行優(yōu)化和系統(tǒng)反饋控制等的實現，為建立高品質、低能耗、個性化、小批量生產的智能工廠奠定基礎。同時，還提出了一種基于工業(yè)網絡系統(tǒng)的智能工廠架構，指出了傳統(tǒng)工廠面臨的挑戰(zhàn)，以及實現智能工廠亟需解決的關鍵問題。

關鍵詞： 智能工廠；工業(yè)網絡系統(tǒng)；感知通信控制一體化設計

Abstract： Deeply integration of informatization and industrialization is an inevitable trend of future industrialization. The industrial network based on combining sensing， communications and control is beneficial for global scheduling， process optimization and feedback control. In this way， the high-product-quality， low-energy-consumption and small-batch-production smart factories foundation can be built. Moreover， an architecture of smart factory is proposed， the challenges of traditional factories and the key issues in realizing the smart factory are analyzed.

Key words： smart factory； industrial network systems； co-design of sensing， communication and control

制造業(yè)是國民經濟的主體，是立國之本、興國之器、強國之基。改革開放以來，中國制造業(yè)持續(xù)快速發(fā)展，建成了門類齊全、獨立完整的產業(yè)體系，有力推動工業(yè)化和現代化進程，顯著增強綜合國力，支撐世界大國地位。然而，與世界先進水平相比，中國制造業(yè)仍然大而不強，在自主創(chuàng)新能力、資源利用效率、產業(yè)結構水平、信息化程度、質量效益等方面差距明顯，轉型升級和跨越發(fā)展的任務緊迫而艱巨。在新環(huán)境下，中國政府立足于國際產業(yè)變革大勢，全面提升中國制造業(yè)發(fā)展質量和水平。國務院發(fā)布《中國制造2025》，明確提出通過政府引導、資源整合，實施國家制造業(yè)創(chuàng)新中心建設、智能制造、工業(yè)強基、綠色制造、高端裝備創(chuàng)新5項重大工程，實現長期制約制造業(yè)發(fā)展的關鍵共性技術突破，提升中國工業(yè)企業(yè)的整體競爭力。

近年來，日趨激烈的市場競爭迫使工業(yè)企業(yè)由過去的單純追求大型化、高速化、連續(xù)化，轉向注重提高產品質量，降低生產成本，減少資源消耗和環(huán)境污染，可持續(xù)發(fā)展的道路上來。面對制造模式的逐步轉型升級，智能工廠本質上是利用計算機技術、通信技術、網絡技術、自動控制技術、人機交互和虛擬現實等先進技術，融合智能裝備/設備，形成高度協(xié)同的生產系統(tǒng)（含實時監(jiān)測控制系統(tǒng)、自動化流程管理、環(huán)境監(jiān)測與管理等系統(tǒng)），達到生產的最優(yōu)化、流程的最簡化和效率的最大化。其主要特征為廣泛利用工業(yè)自動化、智能設備、大數據等，形成具有自感知、自調節(jié)、自執(zhí)行等“知識自動化”功能的新一代智能系統(tǒng)：通過工業(yè)網絡系統(tǒng)實現生產的跨層協(xié)同與跨域集成，通過面向服務制造的工業(yè)軟件實現柔性生產，通過工業(yè)大數據分析實現產業(yè)鏈的上下互動，通過工業(yè)系統(tǒng)安全標準保證可管、可控與可信。

1 智能工廠發(fā)展面臨的

機遇和挑戰(zhàn)

以信息技術和自動化技術為核心的智能工廠發(fā)展戰(zhàn)略是提高中國工業(yè)競爭力的必然選擇。信息技術作為智能工廠的關鍵，已經成為信息化推動工業(yè)化發(fā)展的代表性技術，是國際技術競爭的焦點和科技的制高點。隨著信息通信技術的不斷發(fā)展，成本低、易部署、可移動的無線設備已被廣泛應用于工業(yè)現場監(jiān)測控制，如基于傳感器、控制器、執(zhí)行器等構成的智能生產系統(tǒng)。在智能化工廠車間中，感知設備可布置在一些不易人為監(jiān)測和管理的環(huán)境中，實現監(jiān)測控制與預警操作，并能在緊急情況下實現無人監(jiān)測控制的應急處理，避免工業(yè)設備的大規(guī)模級聯(lián)失效等故障。此外，智能設備的感知信息通過有線/無線異構通信網絡傳輸到遠端控制中心，控制中心將網絡空間的高級計算能力有效運用于現實世界中，從而可對與生產、設計、開發(fā)有關的所有數據進行統(tǒng)一分析，實現生產資源、人力資源和經濟資源的合理分配，并對工廠中各物理實體進行實時高效地調整和控制，提高工程監(jiān)管的效率。

然而，目前企業(yè)的工廠仍處在批量化、低收益、高能耗的傳統(tǒng)工業(yè)模式，因此要在現有基礎上實現智能工廠面臨著巨大挑戰(zhàn)，其中較為顯著且至關重要的三大挑戰(zhàn)如下。

挑戰(zhàn)1：數據采集器功能單一、數目稀少、采集參數少，難以滿足個性化、小批量生產對多維豐富數據的要求。隨著人們消費理念與偏好的升級，追求消費的個性化已經成為現實與趨勢，消費者不再滿足現有制造業(yè)所能夠提供的標準化產品，這些傳統(tǒng)標準化產品的用戶滿意度越來越低，個性化、小批量定制生產已成為未來制造業(yè)發(fā)展趨勢。由于全流程中影響產品質量的參數眾多且動態(tài)變化，需要部署更多數目、更多種類以獲取更多參數信息數據的采集，實現對物理世界的泛在感知。因此，智能工廠必須具備多類大量的智能感知設備，以快速獲取生產全流程的全面數據，并基于數據分析實現生產目標的自我調整，自動驅動生產加工，保持產品品質，最后生產出個性化產品。

挑戰(zhàn)2：現有有線網絡覆蓋范圍有限、可擴展性較差、可承載業(yè)務量與種類有限，難以為智能工廠中大量不同應用提供滿意的服務質量。隨著無線通信技術的快速發(fā)展，無線通信和網絡技術被引入了工業(yè)控制領域；但在許多工業(yè)領域，由于安全性、效率、費用等，無線網絡不太可能取代目前已經得到廣泛應用的各種有線網絡。因此，有線/無線異構工業(yè)網絡已成為工業(yè)監(jiān)測控制領域的一個新興熱點，推動了傳統(tǒng)工廠向智能工廠發(fā)展，降低了智能工廠全面監(jiān)測的建設和維護成本。在有線、無線異構，多種網絡并存的工業(yè)網絡系統(tǒng)中，通過利用軟件定義網絡技術對并存的多個網絡進行統(tǒng)一管理，同時設計建立工業(yè)網絡多協(xié)議轉換體系，實現有線/無線異構網絡與系統(tǒng)的融合，既保留了有線通信的高安全性與可靠性，也充分利用工業(yè)無線技術為多類工業(yè)應用提供滿意的服務，以實現按需高效地獲取眾多在線監(jiān)測的重要工業(yè)過程參數，并以此為基礎實施優(yōu)化控制定制生產，達到提高產品質量，提高能源效率，完成個性化柔性生產的目標。

挑戰(zhàn)3：企業(yè)管理與生產排程、工序分配相分離，難以滿足智能工廠對柔性生產智能按需控制的需求。智能工廠自動化系統(tǒng)已由集散控制系統(tǒng)演進到計算、通信與控制融合的時代，探索智能工廠從控制域到管理域的垂直集成實現技術新模式，研發(fā)智能工廠制造執(zhí)行系統(tǒng)與運營管理平臺，實現工廠的智能生產與智能管理。由于智能工廠的子系統(tǒng)眾多，智能工廠中感知信息與控制決策傳輸的具體實現過程與傳統(tǒng)工廠存在很大的差異，傳統(tǒng)工廠的控制管理系統(tǒng)已不能夠提供滿意的控制性。通過設計可重構軟件架構來提高系統(tǒng)的可擴展性，以促進制造過程系統(tǒng)設計、控制與優(yōu)化工業(yè)軟件。通過開發(fā)可編程智能控制器實現可編程分布式自主邏輯控制，以實現智能控制器與系統(tǒng)的開發(fā)。與此同時，工業(yè)網絡系統(tǒng)的性能好壞既取決于控制器執(zhí)行控制算法，也與系統(tǒng)參數、控制命令等數據的感知精度與傳輸質量有關，因此控制算法設計與感知策略、通信協(xié)議是相互依賴、相互影響的，單純優(yōu)化任意一個并不能滿足工業(yè)網絡系統(tǒng)的整體性能要求。因此，感知通信控制一體化設計對于提高智能工廠性能至關重要。

雖然實現智能工廠面臨著巨大挑戰(zhàn)，但是智能工廠的發(fā)展卻是勢在必行、亟需推進的。與此同時，各國針對如何實現智能工廠也采取眾多舉措。德國的工業(yè)4.0充分利用信息通信技術和網絡空間虛擬系統(tǒng)、信息物理系統(tǒng)相結合的手段，推動制造業(yè)向智能化轉型，將實體物理世界與虛擬網絡世界融合、產品全生命周期、全制造流程數字化以及基于信息通信技術的模塊集成，形成一種高度靈活、個性化、數字化的產品與服務新生產模式。美國的互聯(lián)網以及信息通信技術巨頭與傳統(tǒng)制造業(yè)領導廠商攜手推出工業(yè)互聯(lián)網概念，GE、思科、IBM、AT&T、英特爾等80多家企業(yè)成立了工業(yè)互聯(lián)網聯(lián)盟。通過制定通用標準，利用網絡和數據的力量，打破技術壁壘，提升整個工業(yè)的價值創(chuàng)造能力，更好地促進物理世界和數字世界的融合。2016年3月，德國工業(yè)4.0平臺和美國工業(yè)互聯(lián)網聯(lián)盟雙方達成共識，形成了初始映射圖，以顯示兩種架構之間的直接關系；制定了未來確保互操作性的一個清晰路線圖，以及工業(yè)互聯(lián)網中標準化、架構和業(yè)務成果方面的合作。

中國將智能制造定位于國家戰(zhàn)略高度。2015年國務院出臺了《中國制造2025》，明確提出通過政府引導、整合資源，實施國家制造業(yè)創(chuàng)新中心建設、智能制造、工業(yè)強基、綠色制造、高端裝備創(chuàng)新5項重大工程，實現長期制約制造業(yè)發(fā)展的關鍵共性技術突破，提升中國工業(yè)企業(yè)的整體競爭力。中國共產黨第十六次代表大會（以下簡稱16大）報告明確指出：“實現工業(yè)化仍然是中國現代化進程中艱巨的歷史性任務。信息化是中國加快實現工業(yè)化和現代化的必然選擇。堅持以信息化帶動工業(yè)化，以工業(yè)化促進信息化，，走出一條科技含量高、經濟效益好、資源消耗低、環(huán)境污染少、人力資源優(yōu)勢得到充分發(fā)揮的新型工業(yè)化路子”。中國共產黨第十七次代表大會（以下簡稱17大）報告也明確指出：“加強能源資源節(jié)約和生態(tài)環(huán)境，增強可持續(xù)發(fā)展能力”， “發(fā)展現代化產業(yè)體系，大力推進信息化與工業(yè)化融合，促進工業(yè)由大變強，振興裝備制造業(yè)，淘汰落后生產能力”。

2 面向智能工廠的感知

傳輸控制一體化設計

目前工廠的管理與運行大多以工程師為主體，當市場需求和生產工況發(fā)生頻繁變化時，以人工操作為主體的生產計劃、調度和工藝技術等部門不能及時、準確地調整相應的指標，導致產品質量下降，生產效率降低和能耗增加，從而無法實現企業(yè)綜合生產指標的優(yōu)化控制。因此，面向未來智能工廠，研究基于感知傳輸控制一體化的工業(yè)網絡系統(tǒng)，以實現智能工廠從控制域到管理域的垂直集成，實現工廠的智能生產與智能管理，對提高工業(yè)產值、個性化生產至關重要。智能工廠的工業(yè)網絡系統(tǒng)架構主要分為3層：現場設備層，網關層，傳感器云層[1]。

現場設備層主要是實現對工況的泛在感知。其主要目的是通過利用異構大量的智能感知設備以快速全面地獲取生產加工過程中的數據，并對獲取到的數據進行分析，實現對產品全生命周期信息的全面掌控。

網關層面主要是建立現場設備與網關之間的雙向連接并完成數據通信。其主要目的是通過軟件定義網絡技術對有線無線并存的多個網絡進行統(tǒng)一管理，為多類工業(yè)應用提供滿意的服務，實現按需高效獲取眾多在線監(jiān)測的重要工業(yè)過程參數。

傳感器云層面主要是將各類應用需求與網關層面的服務質量需求相匹配，并生成控制指令。其主要目的是根據用戶個性化需求，智能地做出生產決策，并將其轉化為底層系統(tǒng)相應的控制指令，促進實現個性化、小批量、低能耗、高收益的生產目標。

2.1 感知

數據是所有智能的源頭，因此數據獲取是實現工業(yè)網絡系統(tǒng)的第1步。在工業(yè)網絡系統(tǒng)中，傳感設備收集物理單元運行狀態(tài)信息，并且將其通過實時通信網絡傳送到計算單元，實現智能控制。在此過程中，數據獲取性能受到傳感設備硬件、通信資源、時變傳輸環(huán)境影響，最終導致某個或某些獲取不到數據或者獲取到的數據收到嚴重污染。因此，需要對獲取到的數據進行分析，可使用基于信息稀疏性的重構技術與基于部分可觀測信息的狀態(tài)估計技術，盡可能地提取原始數據攜帶的信息，完成最終的物理單元感知過程。

針對狀態(tài)問題，我們前期工作著眼于如何提高工業(yè)網絡系統(tǒng)狀態(tài)感知的準確性與一致性[2-6]。在復雜惡劣的工業(yè)環(huán)境中，機器馬達和設備運轉時產生的噪聲會干擾傳感器節(jié)點的正確感知，使得其感知性能和感知數據存在較大誤差，且分布在不同位置的節(jié)點獲取的數據往往存在較大差異，單一節(jié)點感知數據不準確、節(jié)點間信息不一致等現象明顯。針對工業(yè)過程監(jiān)測控制的需求，將大量、多類傳感器根據不同工藝過程進行密集部署，以獲取更豐富、更準確的生產運行狀態(tài)信息。同時，將底層現場子網、中間層Mesh骨干網和頂層工業(yè)以太網的無線/有線異構網絡相互融合，形成新一代的混合網絡架構，實現對現有工業(yè)有線網絡的補充與改進。此分布式/集中式混合架構可以保證感知信息的準確性、一致性、完備性，因此基于有線/無線異構網絡的混合式信息感知是實現泛在感知的關鍵。

考慮感知設備涉及兩類傳感器節(jié)點，其中第1類節(jié)點為主節(jié)點，其全體記為[IS]；第2類節(jié)點為中繼節(jié)點，其全體記為[IR]。每個主節(jié)點獲得測量值[yi，wk]，每個中繼節(jié)點只負責為主節(jié)點轉發(fā)數據，并無感知能力。一般將網絡抽象為圖，從圖論的角度來刻畫網絡拓撲，然后根據節(jié)點間的距離來確定鄰居集合，鄰居節(jié)點間相互交換信息，實現分布式協(xié)同估計，最終達到一致。將節(jié)點的通信網絡建模為一個無向圖[G=V，E]，其中[V=IS?IR]為所有節(jié)點的全體，[E?V×V]為節(jié)點間所有通信鏈接的集合。在節(jié)點[i]的通信半徑[κ]范圍之內的所有節(jié)點為節(jié)點[i]的鄰居，記為[Ni]，[Ni=j∈V：di，j≤κ，?i∈V]。在濾波器的演化過程中，主節(jié)點首先感知環(huán)境，獲得狀態(tài)的觀測值以及鄰居節(jié)點的估計值，并根據這些信息去更新自己的估計值，如公式（1）所示。

其中，[?i，w]和[φi，w]為常數，[?wi，j]與傳感器發(fā)射功率與鄰居間具有有關，[?wi，j≥0，j∈Νi?wi，j=1，?i∈IR]。在上述過程中，節(jié)點間的通信僅限于鄰居節(jié)點之間，故公式（1）和公式（2）是分布式的，且能夠很好地消除單一節(jié)點感知不準確性對物理單元狀態(tài)感知性能的影響。

2.2 通信

針對工業(yè)網絡系統(tǒng)大規(guī)模、異構、高實時、高可靠及可重構需求，研究工業(yè)網絡系統(tǒng)一體化網絡架構，以解決工業(yè)網絡泛在互聯(lián)、可靠傳輸和即插即用的問題。為了攻克工業(yè)以太網與低速現場總線、工業(yè)無線網絡的互聯(lián)共存技術，研究制造裝備垂直集成和水平集成的互操作標準技術體系與架構。并在此架構下，研究基于軟件定義的可重構工業(yè)控制網絡，以攻克基于軟件定義的流交換技術，管理和控制業(yè)務混合傳輸模式下的實時調度技術、網絡自動重構技術?；谏鲜鲅芯康募軜嫞O計多網間跨域跨層合作通信協(xié)議，保證數據傳輸的實時性、可靠性、可擴展性。

針對可靠傳輸問題，我們前期部分工作著眼于如何提高工業(yè)無線網絡信息傳輸可靠性[7-8]。工業(yè)無線傳輸過程涉及電磁頻譜異常擁擠，頻譜資源受限，通信設備能量受限，多信道接入、傳輸沖突、傳輸時延大等問題，為了實現在惡劣工業(yè)環(huán)境下可靠的通信，有必要構建一個保障服務質量的、實時的、可靠的和自適應的通信協(xié)議，特別是無線通信協(xié)議，以保障信息物理系統(tǒng)中數據的高可靠性傳輸[9]。現有的WirelessHART、ISA100.11a 和WIA-PA工業(yè)無線標準協(xié)議都基于時分多址（TDMA）技術，進行確定性的、可控的數據傳輸調度以保證數據的時效性與可靠性。越來越多的無線設備和網絡，已經對有限的頻譜資源形成巨大壓力，然而當非授權無線頻譜資源越來越擁擠和不足時，部分己被分配的固定用戶使用頻段卻沒有得到充分的利用，降低頻譜資源利用率。為減少頻譜資源浪費，認知無線電技術被提出并逐漸興起，它使無線設備具有認知功能，能主動感知周圍環(huán)境的可用頻譜，并在其空閑時加以利用，實現頻譜動態(tài)分配，極大地提高頻譜利用率，解決頻譜資源緊張的問題，受到學術界和工業(yè)界的極大關注，被認為是通信領域未來發(fā)展的關鍵技術之一[10-11]。因此可以借助認知無線電技術擴展網絡的可用頻譜，通過設計高效可靠的信息傳輸協(xié)議實現感知信息的可靠傳輸，這對工業(yè)網絡系統(tǒng)的控制性能至關重要。

另外，在智能工廠中部署多類傳感器節(jié)點，感知不同參數，各類節(jié)點根據信息重要性的不同，具有不同的傳輸優(yōu)先等級。過程數據的傳輸時效一般為毫秒級到秒級，需要很高的傳輸實時性和可靠性；而設備環(huán)境監(jiān)測數據的時效性相對要長很多，一般在秒級以上。因此，自動化過程數據就要求比設備環(huán)境監(jiān)測數據具有更高的優(yōu)先級，如何設計滿足智能工廠多優(yōu)先級異構數據收集和傳輸對于整個工控系統(tǒng)安全高效的運行至關重要。針對此問題，我們前期工作將異構多優(yōu)先級數據抽象建模成不同的傳輸優(yōu)先級，然后設計一個優(yōu)先級協(xié)調器，指定當高優(yōu)先級的節(jié)點在指定的時隙沒有數據傳輸的時候，低優(yōu)先級節(jié)點才能進行數據傳輸。如圖1所示，以一個3 類優(yōu)先級節(jié)點和2個信道的場景為例，說明此多信道多優(yōu)先級傳輸機制。此機制首先為3 類優(yōu)先級節(jié)點分別設計了多信道超幀，由3個不同顏色深度的超幀表示。通過這種TDMA 多信道傳輸規(guī)劃，在相同的優(yōu)先等級的節(jié)點之間不會發(fā)生沖突，沖突只可能發(fā)生在不同傳輸優(yōu)先級的節(jié)點之間。由于3個超幀是分離設計的，都完全利用了超幀中的所有信道和時隙資源，因而每個時隙都同時分配給了不同優(yōu)先等級的節(jié)點。為了解決這種可能的沖突，進而設計了優(yōu)先級傳輸控制機制，通過引入一個優(yōu)先級指示標識來協(xié)調各節(jié)點按照預設的優(yōu)先級進行數據傳輸。通過這種方式，低優(yōu)先級的節(jié)點只能機會式地傳輸。因此，需要引入一個優(yōu)先級指示標識，以便對節(jié)點的優(yōu)先級進行聲明和辨識，進而利用此指示標識完成多優(yōu)先級數據傳輸控制，協(xié)調不同優(yōu)先級的節(jié)點在來各個時隙和信道上進行數據傳輸。

2.3 控制

智能工廠自動化系統(tǒng)已由集散控制系統(tǒng)演進到計算、通信與控制融合的時代，其智能化體現在：具有高效、靈活、可擴展與可重構功能的控制管理系統(tǒng)；具有自主、安全、穩(wěn)定與分布式控制功能的現場控制器；具有實時、可靠、魯棒與自適應性能的控制算法等各個層面。

工業(yè)控制管理系統(tǒng)需要具有高效、靈活、可擴展與可重構功能。面向未來智能工廠，探索智能工廠從控制域到管理域的垂直集成，實現技術新模式，研發(fā)制造過程系統(tǒng)設計、控制與優(yōu)化工業(yè)軟件，研發(fā)智能工廠制造執(zhí)行系統(tǒng)與運營管理平臺，實現工廠的智能生產與智能管理。由于智能工廠的子系統(tǒng)眾多，智能工廠中感知信息與控制決策傳輸的具體實現過程與傳統(tǒng)工廠存在很大的差異，傳統(tǒng)工廠的控制管理系統(tǒng)已不能夠提供滿意控制性，需要設計可重構軟件架構來提高系統(tǒng)的可擴展性，建立工業(yè)網絡多協(xié)議轉換體系以實現有線/無線異構網絡與系統(tǒng)的融合。分布式結構為自動化系統(tǒng)提供了高度的靈活性與高效協(xié)作的可能性，基于IEC61499標準的分布式工業(yè)自動化軟件設計范式采用面向服務的軟件架構，建立基于時間與事件混合驅動的計算模式，實現高效、靈活、可擴充與可重構的工業(yè)分布式軟件架構。完整分布式自動化系統(tǒng)的軟件模型中應包含控制軟件、工業(yè)系統(tǒng)物理信息模型以及通信模型。因此建模語言可以表示為[Mt = S， P， C]，其中S代表控制軟件模型，P代表系統(tǒng)物理仿真模型，C代表通信協(xié)議模型?？紤]到分布式自動化系統(tǒng)的復雜性、多樣性等特點，以及用戶體驗，可在 IEC61499 標準的基礎上，根據分布式自動化系統(tǒng)特點，實現對控制、仿真與通信進行抽象化建模，使得各類不同設備可以根據自身的性能從協(xié)議中選擇支持的指令，實現可擴充、可重構的分布式自動控制軟件系統(tǒng)。

現場控制器需要具有實時、自主、分布式以及模塊化控制能力。面向智能工廠大規(guī)模分布式控制需求進行理念創(chuàng)新，研發(fā)智能控制器與系統(tǒng)，實現分布式邏輯控制和運動控制的功能整合，開發(fā)先進可編程智能控制器，實現可編程分布式自主邏輯控制，以及分布式實時可靠控制。從嵌入式硬件層面，進行面向分布式集群控制的工業(yè)控制器模塊化架構設計，采用PC104總線架構，基于復雜可編程邏輯器件（CPLD）的軟件可編程邏輯控制器（PLC）輸入/輸出模塊、模塊化控制擴展模塊以及Can、Ethernet、EtherCat等通信模塊，實現面向運動控制、過程控制、時序控制的混合控制架構；從嵌入式軟件層面，通過研究軟件PLC模塊的關鍵技術，提升大規(guī)模多任務分布式控制模式下實時操作系統(tǒng)的響應能力；從上位機軟件層面，基于組態(tài)編碼的數字量和條件解析技術，實現分布式信息交互的邏輯控制。

控制算法需要具有實時、可靠、魯棒的控制性能。智能工廠中控制器執(zhí)行的控制算法性能由工業(yè)網絡系統(tǒng)的通信性能和控制策略共同決定，且二者相互依賴、相互影響的關系，單純優(yōu)化任意一個并不能滿足工業(yè)網絡系統(tǒng)的整體性設計要求，因此控制與通信一體化設計對于工業(yè)網絡系統(tǒng)性能優(yōu)化至關重要。在有線/無線多網共存且異構的通信環(huán)境中，有線網絡帶寬相對較低，無線網絡存在信道時變、衰落嚴重、噪音干擾等多種不利因素，導致工業(yè)網絡系統(tǒng)的網絡環(huán)境具有極大的動態(tài)性、不確定性。加之可用通信網絡資源有限，攜帶控制命令的數據包在通信網絡中可能遭受較大的傳輸時延，即使此控制命令在決策時十分準確，但是因為其時延過大，到達物理單元時已經過時，因此物理單元將認為此控制命令是無效的。另外，如果動態(tài)的網絡環(huán)境導致此控制命令丟失，那么物理單元將無控制命令可執(zhí)行，因此需要考慮丟包、時延等網絡誘導因素對控制性能影響。在這樣的網絡環(huán)境下，實時、可靠、魯棒控制的技術難點在于有限的網絡資源導致部分感知信息丟失，無線資源調度直接控制器的穩(wěn)定性，使得基于傳統(tǒng)控制系統(tǒng)以及狀態(tài)估計理論的設計與分析方法難以直接應用到基于無線技術的工業(yè)網絡系統(tǒng)控制器的設計。因此，在網絡資源受限的情況下，實時、可靠、魯棒的控制面臨新的挑戰(zhàn)，直接決定智能工廠中的工業(yè)系統(tǒng)是否能夠安全、穩(wěn)定、高效地運行。然而，目前基于控制與通信聯(lián)合設計的網絡系統(tǒng)性能優(yōu)化在國際上仍處于探索階段，尚不具備一套完整的理論與設計方法，有必要深入地研究。關于感知、傳輸、控制一體化設計研究剛剛起步[12-16]，可將分布式狀態(tài)估計、基于估計的控制以及無線網絡資源進行優(yōu)化聯(lián)合設計，構建能夠表征工業(yè)信息系統(tǒng)的總代價函數，包括估計代價、控制代價以及通信代價。與此同時，還需要滿足無沖突可靠傳輸、最大發(fā)射功率限制、可用無線資源約束等要求。

3 結束語

在未來的智能工廠中，智能現場設備的感知信息通過多網并存的有線/無線異構通信網絡傳輸到遠端控制中心，控制中心運用高級計算能力對與生產、設計、開發(fā)有關的所有數據進行統(tǒng)一分析與決策?；诠I(yè)網絡系統(tǒng)的智能工廠架構主要分為三大層面：現場設備層面主要是實現對工況的泛在感知；網關層面主要是建立現場設備與網關之間的雙向連接并完成數據通信；傳感器云層面主要是將各類應用需求與網關層面的服務質量需求相匹配，并生成控制指令。面向未來智能工廠，研究基于感知通信控制一體化的工業(yè)網絡系統(tǒng)有利于推動全局統(tǒng)籌調度、過程運行優(yōu)化和系統(tǒng)反饋控制等；有利于促進實現智能工廠從控制域到管理域的垂直集成；有利于提高產品質量，降低生產能耗，實現個性化小批量生產；有利于推進智能工廠的建成。

參考文獻

[1] HU P. A System Architecture for Software-Defined Industrial Internet of Things[C]//IEEE International Conference on Ubiquitous Wireless Broadband. IEEE， 2016：1-5. DOI： 10.1109/ICUWB.2015.7324414

[2] CHEN C， ZHU S， GUAN X， et al. Wireless Sensor Networks： Distributed Consensus Estimation[M]. New York：Springer， 2014.

[3] CHEN C， YAN J， LU N， et al. Ubiquitous Monitoring for Industrial Cyber-Physical Systems Over Relay-Assisted Wireless Sensor Networks[J]. IEEE Transactions on Emerging Topics in Computing， 2015， 3（3）：352-362. DOI： 10.1109/TETC.2014.2386615

[4] ZHU S， XIE L， CHEN C， et al. Collective Behavior of Mobile Agents with State-Dependent Interactions [J]. Automatica， 2015， 51：394-401. DOI： 10.1016/j.automatica.2014.10.064

[5] ZHU S， CHEN C， MA X， et al. Consensus Based Estimation Over Relay Assisted Sensor Networks for Situation Monitoring[J]. IEEE Journal of Selected Topics in Signal Processing， 2015， 9（2）：278-291. DOI： 10.1109/JSTSP.2014.2375851

[6] ZHU S， CHEN C， LI W， et al. Distributed Optimal Consensus Filter For Target Tracking in Heterogeneous Sensor Networks[J]. IEEE Trans Cybern， 2013， 43（6）：1963-1976. DOI： 10.1109/TSMCB.2012.2236647

[7] LIN F， CHEN C， ZHANG N， et al. Autonomous Channel Switching： Towards Efficient Spectrum Sharing for Industrial Wireless Sensor Networks[J]. IEEE Internet of Things Journal， 2016， 3（2）：231-243. DOI： 10.1109/JIOT.2015.2490544

[8] LIN F， CHEN C， XU Q， et al. A Separate Design Principle for Priority-Aware Packet Collection in Industrial Cyber-Physical Systems[J]. Eurasip Journal on Wireless Communications & Networking， 2016， 2016（1）：1-14. DOI： 10.1186/s13638-016-0572-x

[9] LIU Y， ZHU Y， NI L， et al. A Reliability-Oriented Transmission Service in Wireless Sensor Networks[J]. IEEE Transactions on Parallel & Distributed Systems， 2011， 22（12）：2100-2107. DOI： 10.1109/TPDS.2011.113

[10] LYU L， CHEN C， YAN J， et al. State Estimation Oriented Wireless Transmission for Ubiquitous Monitoring in Industrial Cyber-Physical Systems[J]. IEEE Transactions on Emerging Topics in Computing， 2016， （99）：1-1. DOI ：10.1109/TETC.2016.2573719

[11] AZARFAR A， FRIGON J F， SANSO B. Improving the Reliability of Wireless Networks Using Cognitive Radios[J]. IEEE Communications Surveys & Tutorials， 2011， 14（2）：338-354. DOI： 10.1109/SURV.2011.021111.00064

[12] GATSIS K， RIBEIRO A， PAPPAS G J. Optimal Power Management in Wireless Control Systems[C]//American Control Conference. USA：IEEE， 2013：1562-1569. DOI： 10.1109/ACC.2013.6580058

[13] GASIS K， PAJIC M， RIBEIRO A， et al. Opportunistic Control Over Shared Wireless Channels[J]. IEEE Transactions on Automatic Control， 2015， 60（12）：3140-3155. DOI： 10.1109/TAC.2015.2416922

[14] LI H， WU C， SHI P， et al. Control of Nonlinear Networked Systems With Packet Dropouts： Interval Type-2 Fuzzy Model-Based Approach.[J]. IEEE Transactions on Cybernetics， 2015， 45（11）：2378. DOI： 10.1109/TCYB.2014.2371814

[15] ZHANG L， GAO H， KAYNAK O. Network-Induced Constraints in Networked Control Systems—A Survey[J]. IEEE Transactions on Industrial Informatics， 2012， 9（1）：403-416. DOI： 10.1109/TII.2012.2219540

[16] YANG R， LIU G P， SHI P， et al. Predictive Output Feedback Control for Networked Control Systems[J]. IEEE Transactions on Industrial Electronics， 2014， 61（1）：512-520. DOI： 10.1109/TIE.2013.2248339