国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

摘要：近年來，深度學習促進了人工智能的快速發(fā)展，并逐漸滲透到各行各業(yè)。然而人工智能訓練和推理所需的大量數(shù)據(jù)傳輸、算力資源調(diào)用會影響到系統(tǒng)的實時性能，從而導致該技術(shù)在工業(yè)應用中存在困難。眾所周知，實時性是工業(yè)自動化的一項指標，特別是在運動控制和自動駕駛方面更為重要。如果因人工智能而使得工業(yè)系統(tǒng)接收和發(fā)送數(shù)據(jù)、指令響應緩慢，那么工廠生產(chǎn)終將難以實現(xiàn)智能化突破，阻礙了人工智能在工業(yè)自動化中的普及?；诖?，本文提出一種三實時架構(gòu)，它涉及實時網(wǎng)絡、實時操作系統(tǒng)和實時調(diào)度，希望通過提出該架構(gòu)引起業(yè)界廣泛的研究熱潮。

關(guān)鍵詞：三實時架構(gòu)；邊緣計算；人工智能；工業(yè)自動化

1 引言

在過去的三次工業(yè)革命中都無一例外地淘汰了一些舊技術(shù)，出現(xiàn)了一些新技術(shù)。正如內(nèi)燃機取代蒸汽機，電力能源解決燃料能源傳送效率低下的問題， 可編程邏輯控制器（Program Logic Controller, PLC）替換繼電器提升自動化水平……在不久的將來，一種更先進的智能化控制器也會出現(xiàn)，邊緣計算或許是優(yōu)選的平臺。

PLC是工業(yè)自動化（Industrial Automation, IA）行業(yè)的專用計算機，能夠在惡劣環(huán)境下運行，具有寬溫、防灰、防塵、防潮和防電磁干擾的能力。相較于通用型計算機，PLC具有更高的實時和穩(wěn)定特性，但計算速度卻遠遠不如個人電腦或者服務器，更不能像圖形處理器（Graphics Processing Unit,GPU）一樣并行計算[1]，所以無法滿足人工智能（Artificial Intelligence, AI）的算力要求。雖然軟件型PLC可以部署在云計算中，這樣便能與AI更好地融合[2]，但是這種基于云平臺的軟件架構(gòu)在和現(xiàn)場設(shè)備交互時存在著延遲問題。

2 三實時架構(gòu)的提出

2.1 延遲的原因分析

造成延遲的原因有三方面：一是，云計算與終端設(shè)備間的多級網(wǎng)絡；二是，過多的操作系統(tǒng)任務；三是，算力資源的分派與調(diào)度。顯然延遲已經(jīng)成為研究人工智能AI與工業(yè)自動化IA 融合的重要方向（以下簡稱：IA&AI）。目前，AI技術(shù)主要集中在人臉識別、語音識別和信號處理特征提取等應用場景；IA技術(shù)依托高實時、可靠和確定性普遍應用于工業(yè)自動化的各行各業(yè)，如圖1所示。在我國產(chǎn)業(yè)轉(zhuǎn)型升級背景下，IA擁抱AI突破智能制造難題，首先要解決的就是“實時”問題。

圖1 IA&AI融合問題

2.2 三實時架構(gòu)的形成

首先，載波偵聽多路訪問/沖突檢測（Carrier Sense Multiple Access with Collision Detection, CSMA/CD）是以太網(wǎng)通信中常用的協(xié)議，其沖突檢測方式造成的延遲不確定性已成為工業(yè)控制的主要障礙[3，4]；第二，實時計算的目標是滿足每個任務的時序要求，而不僅僅是速度快，實時系統(tǒng)的最重要屬性應該是可預測性[5]；第 三，由于AI算法正朝著更高實時響應的領(lǐng)域發(fā)展，IA 則需要智能行為更加復雜的應用程序開發(fā)，“調(diào)度” 成為邊緣計算平臺對算力資源進行整合與分配的有效手段[6]。深度學習（Deep Learning, DL）作為AI的前沿，需要更為強大的并行計算、數(shù)據(jù)存儲和處理能力， 只有通過資源的有效調(diào)度才能更好地助力工業(yè)發(fā)展[7]。 因此，網(wǎng)絡、系統(tǒng)和調(diào)度成為了三項重要組成，三實時架構(gòu)如圖2所示。

圖2 三實時架構(gòu)金字塔

為了完整地描述基于邊緣計算的三實時架構(gòu)，后文將繼續(xù)闡述三實時架構(gòu)的主要技術(shù)構(gòu)成，展望云、邊、端互補優(yōu)勢和我中心基于該平臺的未來主要研究工作。

3 三實時架構(gòu)的主要技術(shù)構(gòu)成

3.1 實時以太網(wǎng)

實時以太網(wǎng)（Real-Time Ethernet, RTE）可按交互時間分為三類[8]：

（1）人機控制：人機交互響應時間約100ms，該類控制屬于低速控制。由于人類的視覺暫留停頓效應， 其響應速度已經(jīng)能夠滿足人機交互要求，幾乎所有的TCP/IP網(wǎng)絡都能夠輕松達到。

（2）過程控制：設(shè)備與設(shè)備間的交互時間在10ms 以內(nèi)。這是大多數(shù)生產(chǎn)線、機床控制系統(tǒng)的實時響應要求。在工業(yè)以太網(wǎng)出現(xiàn)之前，現(xiàn)場總線一直是過程控制的主流通信網(wǎng)絡，常用于PLC與輸入/輸出（Input/ Output, I/O）模塊間的通信。

（3）運動控制：設(shè)備與設(shè)備間的交互時間低于1ms。主要用于伺服電機控制和自動駕駛控制，其特點是速度快、精度高，對于網(wǎng)絡的實時性能要求非常高。信號在網(wǎng)絡中傳輸?shù)乃俣群痛_定性，決定了實時網(wǎng)絡的性能表現(xiàn)。在上述三種模式中，人機控制對速度的要求最低，但由于它屬于工業(yè)場合，必須無條件服從信號傳輸?shù)拇_定性，比如控制電機啟動/停止命令不能因 網(wǎng)絡丟包或延時而失效。因此，即使在人機控制的低速要求模式下，也應當使用具有確定性保障機制的工業(yè)通信網(wǎng)絡進行信號傳送。

RTE網(wǎng)絡的一個重要特征便是引入了時間敏感網(wǎng)絡（Time-Sensitive Networking, TSN）的技術(shù)。 IEEE-1588協(xié)議用于網(wǎng)絡測量和控制系統(tǒng)的精確時鐘同步協(xié)議的標準，它根據(jù)需要以特定間隔發(fā)送特殊電報， 以避免時鐘偏離超出規(guī)定的限制。一方面，高精度時間同步可以有效提高頻譜利用率，另一方面，時間同步可以通過軟件使用PTPD實現(xiàn)（開源的IEEE-1588實 現(xiàn)），這為三實時架構(gòu)的上下層銜接，即實時操作系統(tǒng)與實時通信層之間的協(xié)作創(chuàng)造了條件。

通過文獻檢索，本文列出了國內(nèi)外部分有線和無線RTE協(xié)議，如表1所示。

表1 國內(nèi)外部分工業(yè)實時網(wǎng)絡

需要注意的是，當前5G得到了高速發(fā)展，6G 的研究也在如火如荼地進行中。但是在I A行業(yè)， 許多自動化制造商或國際組織都擁有自己的工業(yè)以太網(wǎng)協(xié)議，從功能上來看5G和6G解決的是信息與通信技術(shù)（Information and Communications Technology, ICT）層面的問題，而表1羅列的通信協(xié)議則是解決操作技術(shù)（Operational Technology, OT）層面的問題，對于邊緣計算終端的操作與數(shù)據(jù)的交互同樣重要。

3.2 實時操作系統(tǒng)

一般來說，操作系統(tǒng)（Operating System, OS）負責管理計算機的硬件資源，并運行托管在計算機上的應用程序，在非工業(yè)環(huán)境中，實時性并不那么重要。實時操作系統(tǒng)（Real-Time Operating System, RTOS）是專門為滿足嚴格的時間限制而設(shè)計的。大多數(shù)實時操作系統(tǒng)經(jīng)常出現(xiàn)在嵌入式系統(tǒng)中，普通用戶一般不會注意到它們。RTOS是一個具有時空分區(qū)的操作系統(tǒng)，每個關(guān)鍵的操作都必須有已知的最長時間，它有硬實時和軟實時兩種類別。硬實時系統(tǒng)能夠保證操作最長時間的絕對性，而軟實時系統(tǒng)則允許丟失少量的數(shù)據(jù)。因此，在數(shù)據(jù)輪詢采集的過程中可以應用軟實時系統(tǒng)，但在對設(shè)備發(fā)出控制指令，要求設(shè)備進行時間同步操作時，就應當采用硬實時操作系統(tǒng)。

與Windows操作系統(tǒng)一樣，RTOS用來維護用戶對眾多進程的響應。但是Windows并不需要精確計時或延長阻塞時間準點發(fā)送控制指令。然而RTOS 是為了可靠地運行關(guān)鍵應用程序而設(shè)計，這種可靠性包含了精確和可預測的時間。如果用戶編程正確， RTOS可以保證程序以預先設(shè)計的絕對一致時間運行，并且不會越過最終截止時間線（Deadline）。顯然基于邊緣計算構(gòu)建IA&AI架構(gòu)應當采用RTOS才能滿足工業(yè)控制指令下發(fā)的確定性。表2列出了部分RTOS和官方網(wǎng)站。

表2 國內(nèi)外部分RTOS

RTOS具有高精度定時、多級中斷和實時調(diào)度等特點。目前，很多操作系統(tǒng)忽略了實時性能，源于民用場合的要求相對較低，通常以提高吞吐能力運行更多任務為目標，導致了對硬件的極致需求。

3.3 實時調(diào)度

事實上，實時與吞吐是一對矛盾關(guān)系，為了實現(xiàn)負載均衡，內(nèi)容分發(fā)網(wǎng)絡（Content Delivery Net work,  CDN）是一種提高互聯(lián)網(wǎng)服務質(zhì)量的有效途徑[ 1 7 ] 。 C D N 能夠?qū)?nèi)容從來源地復制到副本服務器提高訪問的響應速度。軟件定義網(wǎng)絡（Software Defined Network，SDN）則把網(wǎng)絡變?yōu)榱斯艿?，使得?shù)據(jù)流轉(zhuǎn)變得更加智能[18]。依靠CDN和SDN在不同設(shè)備間的程序調(diào)度不再變得那么困難，基于嵌入式的輕量級容器技術(shù)[19]則更進一步地推動了實現(xiàn)該平臺的難度?；诖?，如圖3所示，采用RTOS構(gòu)建虛擬計算，在滿足系統(tǒng)的單機實時性能要求的同時，把剩余的算力提取出來幫助其它計算能力相對較弱或計算繁忙的設(shè)備分擔計算任務，那么邊緣計算將變成可橫向擴展算力的新型架構(gòu)。

圖3 三實時IA&AI軟硬件架構(gòu)

圖3可以是一個可擴展平臺，能夠在邊緣側(cè)完成自和智能控制。所有的I/O模塊通過RTE與上層硬件

連接，然而具體生產(chǎn)程序在哪一個RTOS上運行卻不確定，這與云計算的方法一致。此外，右側(cè)的GPU服務器可以增強深度學習的訓練和推理能力。

三實時IA&AI邊緣計算架構(gòu)應具有以下特點：

（1） 確定性：信號傳送確定性、計算任務確定性；

（2） 可擴展性：可不改變原來接線動態(tài)增加算力；

（3）靈活性：可柔性調(diào)用不同的程序完成生產(chǎn)；

（4）兼容性：兼容PLC編程方法；

（5）穩(wěn)定性：達到工業(yè)級別穩(wěn)定性要求；

（6）高速性：達到時運動控制實時響應要求；

（7）融合性：實現(xiàn)自動化與人工智能的平臺融合。

4 三實時架構(gòu)的云邊端互補

邊緣計算不是云計算的替代品，相反，它是云計算的補充，但是依靠實時邊緣計算卻完全可以取代傳統(tǒng)的工業(yè)自動化控制器。事實上，在過去的30年里， PLC的性能變化不大，邊緣計算正好可以補足PLC的缺點。因此，本文的研究依托云南省高校邊緣計算網(wǎng)絡工程研究中心，建設(shè)三實時IA&AI邊緣計算平臺并命名為工業(yè)物理信息智能控制操作系統(tǒng)（Industrial Cyber Intelligent Control Operating System, ICICOS）[20]。該平臺擬通過整合物理I/O、邊緣計算平臺、云計算平臺，實現(xiàn)對工業(yè)的智能化升級改造， 如圖4所示。 

圖4 工業(yè)物理信息智能控制操作系統(tǒng)

5 總結(jié)與展望

本文提出了一種基于邊緣計算的三實時IA&AI體系架構(gòu)，通過對邊緣計算、IA、AI等梳理，給出了工業(yè)自動化向智能化轉(zhuǎn)型升級的思路。希望對該架構(gòu)的研究引起業(yè)界的廣泛關(guān)注。展望未來，我們將依托工程研究中心聚集國內(nèi)外優(yōu)秀人才，共同建設(shè)ICICOS邊緣計算平臺，開展實時算法、工業(yè)控制器虛擬化、嵌入式AI、人工智能訓練和推理等研究工作。

★基金項目：云南省第七批高校重點實驗室和工程研究中心建設(shè)項目——云南省高校邊緣計算網(wǎng)絡工程研究中心；云南省教育廳科學研究基金項目（2021J0893）。

作者簡介：

蘇為斌（1983-），男，云南通海人，副教授，碩士，現(xiàn)就職于云南工商學院智能科學與工程學院，擔任云南省高校邊緣計算網(wǎng)絡工程研究中心負責人，主要研究方向為邊緣計算、工業(yè)自動化、人工智能等。

潘明波（1984-），男，江蘇鎮(zhèn)江人，副教授，碩士， 現(xiàn)任云南工商學院智能科學與工程學院院長，主要研究方向為邊緣計算、計算機科學等。

徐 剛（1978-），男，湖北宜昌人，副教授，碩士，現(xiàn)就職于云南工商學院智能科學與工程學院，主要研究方向為網(wǎng)絡工程、云計算、創(chuàng)新創(chuàng)業(yè)等。

董家瑞（1983-），男，云南通海人，工程師，學士，現(xiàn)就職于云南云創(chuàng)數(shù)字生態(tài)科技有限公司，主要研究方向為數(shù)據(jù)通信、區(qū)塊鏈、數(shù)據(jù)應用等。

參考文獻：

 [1] Li-Yung Ho, Jan-Jan Wu, Pangfeng Liu. Adaptive communication for distributed deep learning on commodity GPU  cluster[P]. Cluster, Cloud and Grid Computing, 2018. 

[2] Goldschmidt T, Murugaiah M K, Sonntag C, et al. Cloud-Based Control: A Multi-tenant, Horizontally Scalable Soft PLC[C]. IEEE International Conference on Cloud Computing. IEEE, 2015.

 [3] Lin C L, Chen C H, Huang H C. Stabilizing control of networks with uncertain time varying communication  delays[J]. Control Engineering Practice, 2008, 16 (1) : 56 - 66. 

[4] Jiqiang X, Quan C, Ronggang B. Modeling and quantitative real-time analysis of Ethernet based on CSMA/CD[C].  IEEE Conference Anthology. IEEE, 2014. 

[5] Stankovic J A. Misconceptions about real-time computing: a serious problem for next-generation systems[J].  Computer, 1988, 21 (10) : 10 - 19.

[6] Huangke Chen, Xiaomin Zhu, Hui Guo, Jianghan Zhu, Xiao Qin, Jianhong Wu. Towards energy-efficient scheduling  for real-time tasks under uncertain cloud computing environment[J]. The Journal of Systems & Software, 2015, (8) : 99.

[7] Dharinya S S, Ephzibah E P. Machine Intelligence and Automation: Deep Learning Concepts Aiding Industrial  Applications[M]. Internet of Things for Industry 4.0. 2020. 

[8] Felser M. Real-Time Ethernet - Industry Prospective[J]. Proceedings of the IEEE, 2005, 93 (6) : 1118 - 1129. 

[9] Li Lu, Dong-qin Feng, Jian Chu. Improving the real-time performance of Ethernet for plant automation (EPA) based  industrial networks[J]. Journal of Zhejiang University SCIENCE C, 2013, 14 (6). 

[10] 邵枝暉, 康良川, 黃易, 薛百華, 朱瑩. AUTBUS高速工業(yè)現(xiàn)場總線[J]. 儀器儀表標準化與計量, 2020, (02) : 9 - 12.

[11] Ferrari P, Flammini A, Rinaldi S, et al. On the Seamless Interconnection of IEEE1588-Based Devices Using a  PROFINET IO Infrastructure[J]. IEEE Transactions on Industrial Informatics, 2010, 6 (3) : 381 - 392. 

[12] Limal S, Stéphane Potier, Denis B, et al. Formal verification of redundant media extension of Ethernet  PowerLink[C]. IEEE Conference on Emerging Technologies & Factory Automation. IEEE, 2009. 

[13] Evaluation of EtherCAT Clock Synchronization in Distributed Control Systems[J]. A, 2014, 38 (7). 

[14] Depari A, Ferrari P, Flammini A, et al. Design and performance evaluation of a distributed WirelessHART sniffer  based on IEEE1588[C]. Precision Clock Synchronization for Measurement, Control and Communication, 2009.  International Symposium on. IEEE, 2009. 

[15] 王平, 劉其琛, 王恒, 李同波. 一種適用于ISA100.11a工業(yè)無線網(wǎng)絡的通信調(diào)度方法[J]. 儀器儀表學報, 2011, 32 (05) : 1189 - 1195.

[16] 曾鵬, 等. 面向工業(yè)無線網(wǎng)絡協(xié)議WIA-PA的網(wǎng)絡設(shè)備研發(fā)及應用(大規(guī)模應用)[Z]. 2015. 

[17] 趙紅. CDN內(nèi)容分發(fā)網(wǎng)絡技術(shù)原理[A]. 建筑科技與管理學術(shù)交流會論文集[C]. 2017. 

[18] 李藝, 唐宏, 馬樞清. 軟件定義網(wǎng)絡基于分段路由的多路徑調(diào)度算法[J]. 計算機應用研究, 2021.

[19] 彭博, 楊鵬, 馬志程, 等. Performace measurement and analysis of ARM embedded platform using Docker  container[J]. 計算機應用, 2017, 037 (s1) : 325 - 330.

[20] 蘇為斌. ICICOS工業(yè)云智能控制系統(tǒng)的研究與開發(fā)[D]. 濟南: 山東大學, 2020.

摘自《自動化博覽》2021年2月刊