久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

摘要：近年來，深度學(xué)習(xí)促進(jìn)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(xùn)練和推理所需的大量數(shù)據(jù)傳輸、算力資源調(diào)用會(huì)影響到系統(tǒng)的實(shí)時(shí)性能，從而導(dǎo)致該技術(shù)在工業(yè)應(yīng)用中存在困難。眾所周知，實(shí)時(shí)性是工業(yè)自動(dòng)化的一項(xiàng)指標(biāo)，特別是在運(yùn)動(dòng)控制和自動(dòng)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(yīng)緩慢，那么工廠生產(chǎn)終將難以實(shí)現(xiàn)智能化突破，阻礙了人工智能在工業(yè)自動(dòng)化中的普及。基于此，本文提出一種三實(shí)時(shí)架構(gòu)，它涉及實(shí)時(shí)網(wǎng)絡(luò)、實(shí)時(shí)操作系統(tǒng)和實(shí)時(shí)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(shí)時(shí)架構(gòu)；邊緣計(jì)算；人工智能；工業(yè)自動(dòng)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(jī)取代蒸汽機(jī)，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(dòng)化水平……在不久的將來，一種更先進(jìn)的智能化控制器也會(huì)出現(xiàn)，邊緣計(jì)算或許是優(yōu)選的平臺(tái)。

PLC是工業(yè)自動(dòng)化（Industrial Automation, IA）行業(yè)的專用計(jì)算機(jī)，能夠在惡劣環(huán)境下運(yùn)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(jì)算機(jī)，PLC具有更高的實(shí)時(shí)和穩(wěn)定特性，但計(jì)算速度卻遠(yuǎn)遠(yuǎn)不如個(gè)人電腦或者服務(wù)器，更不能像圖形處理器（Graphics Processing Unit,GPU）一樣并行計(jì)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(jì)算中，這樣便能與AI更好地融合[2]，但是這種基于云平臺(tái)的軟件架構(gòu)在和現(xiàn)場(chǎng)設(shè)備交互時(shí)存在著延遲問題。

2 三實(shí)時(shí)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(jì)算與終端設(shè)備間的多級(jí)網(wǎng)絡(luò)；二是，過多的操作系統(tǒng)任務(wù)；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(dòng)化IA 融合的重要方向（以下簡(jiǎn)稱：IA&AI）。目前，AI技術(shù)主要集中在人臉識(shí)別、語音識(shí)別和信號(hào)處理特征提取等應(yīng)用場(chǎng)景；IA技術(shù)依托高實(shí)時(shí)、可靠和確定性普遍應(yīng)用于工業(yè)自動(dòng)化的各行各業(yè)，如圖1所示。在我國(guó)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)背景下，IA擁抱AI突破智能制造難題，首先要解決的就是“實(shí)時(shí)”問題。

圖1 IA&AI融合問題

2.2 三實(shí)時(shí)架構(gòu)的形成

首先，載波偵聽多路訪問/沖突檢測(cè)（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(cè)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(shí)時(shí)計(jì)算的目標(biāo)是滿足每個(gè)任務(wù)的時(shí)序要求，而不僅僅是速度快，實(shí)時(shí)系統(tǒng)的最重要屬性應(yīng)該是可預(yù)測(cè)性[5]；第 三，由于AI算法正朝著更高實(shí)時(shí)響應(yīng)的領(lǐng)域發(fā)展，IA 則需要智能行為更加復(fù)雜的應(yīng)用程序開發(fā)，“調(diào)度” 成為邊緣計(jì)算平臺(tái)對(duì)算力資源進(jìn)行整合與分配的有效手段[6]。深度學(xué)習(xí)（Deep Learning, DL）作為AI的前沿，需要更為強(qiáng)大的并行計(jì)算、數(shù)據(jù)存儲(chǔ)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(luò)、系統(tǒng)和調(diào)度成為了三項(xiàng)重要組成，三實(shí)時(shí)架構(gòu)如圖2所示。

圖2 三實(shí)時(shí)架構(gòu)金字塔

為了完整地描述基于邊緣計(jì)算的三實(shí)時(shí)架構(gòu)，后文將繼續(xù)闡述三實(shí)時(shí)架構(gòu)的主要技術(shù)構(gòu)成，展望云、邊、端互補(bǔ)優(yōu)勢(shì)和我中心基于該平臺(tái)的未來主要研究工作。

3 三實(shí)時(shí)架構(gòu)的主要技術(shù)構(gòu)成

3.1 實(shí)時(shí)以太網(wǎng)

實(shí)時(shí)以太網(wǎng)（Real-Time Ethernet, RTE）可按交互時(shí)間分為三類[8]：

（1）人機(jī)控制：人機(jī)交互響應(yīng)時(shí)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(yīng)， 其響應(yīng)速度已經(jīng)能夠滿足人機(jī)交互要求，幾乎所有的TCP/IP網(wǎng)絡(luò)都能夠輕松達(dá)到。

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

（3）運(yùn)動(dòng)控制：設(shè)備與設(shè)備間的交互時(shí)間低于1ms。主要用于伺服電機(jī)控制和自動(dòng)駕駛控制，其特點(diǎn)是速度快、精度高，對(duì)于網(wǎng)絡(luò)的實(shí)時(shí)性能要求非常高。信號(hào)在網(wǎng)絡(luò)中傳輸?shù)乃俣群痛_定性，決定了實(shí)時(shí)網(wǎng)絡(luò)的性能表現(xiàn)。在上述三種模式中，人機(jī)控制對(duì)速度的要求最低，但由于它屬于工業(yè)場(chǎng)合，必須無條件服從信號(hào)傳輸?shù)拇_定性，比如控制電機(jī)啟動(dòng)/停止命令不能因 網(wǎng)絡(luò)丟包或延時(shí)而失效。因此，即使在人機(jī)控制的低速要求模式下，也應(yīng)當(dāng)使用具有確定性保障機(jī)制的工業(yè)通信網(wǎng)絡(luò)進(jìn)行信號(hào)傳送。

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

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

表1 國(guó)內(nèi)外部分工業(yè)實(shí)時(shí)網(wǎng)絡(luò)

需要注意的是，當(dāng)前5G得到了高速發(fā)展，6G 的研究也在如火如荼地進(jìn)行中。但是在I A行業(yè)， 許多自動(dòng)化制造商或國(guó)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(duì)于邊緣計(jì)算終端的操作與數(shù)據(jù)的交互同樣重要。

3.2 實(shí)時(shí)操作系統(tǒng)

一般來說，操作系統(tǒng)（Operating System, OS）負(fù)責(zé)管理計(jì)算機(jī)的硬件資源，并運(yùn)行托管在計(jì)算機(jī)上的應(yīng)用程序，在非工業(yè)環(huán)境中，實(shí)時(shí)性并不那么重要。實(shí)時(shí)操作系統(tǒng)（Real-Time Operating System, RTOS）是專門為滿足嚴(yán)格的時(shí)間限制而設(shè)計(jì)的。大多數(shù)實(shí)時(shí)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(huì)注意到它們。RTOS是一個(gè)具有時(shí)空分區(qū)的操作系統(tǒng)，每個(gè)關(guān)鍵的操作都必須有已知的最長(zhǎng)時(shí)間，它有硬實(shí)時(shí)和軟實(shí)時(shí)兩種類別。硬實(shí)時(shí)系統(tǒng)能夠保證操作最長(zhǎng)時(shí)間的絕對(duì)性，而軟實(shí)時(shí)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(yīng)用軟實(shí)時(shí)系統(tǒng)，但在對(duì)設(shè)備發(fā)出控制指令，要求設(shè)備進(jìn)行時(shí)間同步操作時(shí)，就應(yīng)當(dāng)采用硬實(shí)時(shí)操作系統(tǒng)。

與Windows操作系統(tǒng)一樣，RTOS用來維護(hù)用戶對(duì)眾多進(jìn)程的響應(yīng)。但是Windows并不需要精確計(jì)時(shí)或延長(zhǎng)阻塞時(shí)間準(zhǔn)點(diǎn)發(fā)送控制指令。然而RTOS 是為了可靠地運(yùn)行關(guān)鍵應(yīng)用程序而設(shè)計(jì)，這種可靠性包含了精確和可預(yù)測(cè)的時(shí)間。如果用戶編程正確， RTOS可以保證程序以預(yù)先設(shè)計(jì)的絕對(duì)一致時(shí)間運(yùn)行，并且不會(huì)越過最終截止時(shí)間線（Deadline）。顯然基于邊緣計(jì)算構(gòu)建IA&AI架構(gòu)應(yīng)當(dāng)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(guó)內(nèi)外部分RTOS

RTOS具有高精度定時(shí)、多級(jí)中斷和實(shí)時(shí)調(diào)度等特點(diǎn)。目前，很多操作系統(tǒng)忽略了實(shí)時(shí)性能，源于民用場(chǎng)合的要求相對(duì)較低，通常以提高吞吐能力運(yùn)行更多任務(wù)為目標(biāo)，導(dǎo)致了對(duì)硬件的極致需求。

3.3 實(shí)時(shí)調(diào)度

事實(shí)上，實(shí)時(shí)與吞吐是一對(duì)矛盾關(guān)系，為了實(shí)現(xiàn)負(fù)載均衡，內(nèi)容分發(fā)網(wǎng)絡(luò)（Content Delivery Net work,  CDN）是一種提高互聯(lián)網(wǎng)服務(wù)質(zhì)量的有效途徑[ 1 7 ] 。 C D N 能夠?qū)?nèi)容從來源地復(fù)制到副本服務(wù)器提高訪問的響應(yīng)速度。軟件定義網(wǎng)絡(luò)（Software Defined Network，SDN）則把網(wǎng)絡(luò)變?yōu)榱斯艿溃沟脭?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(jí)容器技術(shù)[19]則更進(jìn)一步地推動(dòng)了實(shí)現(xiàn)該平臺(tái)的難度。基于此，如圖3所示，采用RTOS構(gòu)建虛擬計(jì)算，在滿足系統(tǒng)的單機(jī)實(shí)時(shí)性能要求的同時(shí)，把剩余的算力提取出來幫助其它計(jì)算能力相對(duì)較弱或計(jì)算繁忙的設(shè)備分擔(dān)計(jì)算任務(wù)，那么邊緣計(jì)算將變成可橫向擴(kuò)展算力的新型架構(gòu)。

圖3 三實(shí)時(shí)IA&AI軟硬件架構(gòu)

圖3可以是一個(gè)可擴(kuò)展平臺(tái)，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(gè)RTOS上運(yùn)行卻不確定，這與云計(jì)算的方法一致。此外，右側(cè)的GPU服務(wù)器可以增強(qiáng)深度學(xué)習(xí)的訓(xùn)練和推理能力。

三實(shí)時(shí)IA&AI邊緣計(jì)算架構(gòu)應(yīng)具有以下特點(diǎn)：

（1） 確定性：信號(hào)傳送確定性、計(jì)算任務(wù)確定性；

（2） 可擴(kuò)展性：可不改變?cè)瓉斫泳€動(dòng)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(dá)到工業(yè)級(jí)別穩(wěn)定性要求；

（6）高速性：達(dá)到時(shí)運(yùn)動(dòng)控制實(shí)時(shí)響應(yīng)要求；

（7）融合性：實(shí)現(xiàn)自動(dòng)化與人工智能的平臺(tái)融合。

4 三實(shí)時(shí)架構(gòu)的云邊端互補(bǔ)

邊緣計(jì)算不是云計(jì)算的替代品，相反，它是云計(jì)算的補(bǔ)充，但是依靠實(shí)時(shí)邊緣計(jì)算卻完全可以取代傳統(tǒng)的工業(yè)自動(dòng)化控制器。事實(shí)上，在過去的30年里， PLC的性能變化不大，邊緣計(jì)算正好可以補(bǔ)足PLC的缺點(diǎn)。因此，本文的研究依托云南省高校邊緣計(jì)算網(wǎng)絡(luò)工程研究中心，建設(shè)三實(shí)時(shí)IA&AI邊緣計(jì)算平臺(tái)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(tái)擬通過整合物理I/O、邊緣計(jì)算平臺(tái)、云計(jì)算平臺(tái)，實(shí)現(xiàn)對(duì)工業(yè)的智能化升級(jí)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(jì)算的三實(shí)時(shí)IA&AI體系架構(gòu)，通過對(duì)邊緣計(jì)算、IA、AI等梳理，給出了工業(yè)自動(dòng)化向智能化轉(zhuǎn)型升級(jí)的思路。希望對(duì)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(guó)內(nèi)外優(yōu)秀人才，共同建設(shè)ICICOS邊緣計(jì)算平臺(tái)，開展實(shí)時(shí)算法、工業(yè)控制器虛擬化、嵌入式AI、人工智能訓(xùn)練和推理等研究工作。

★基金項(xiàng)目：云南省第七批高校重點(diǎn)實(shí)驗(yàn)室和工程研究中心建設(shè)項(xiàng)目——云南省高校邊緣計(jì)算網(wǎng)絡(luò)工程研究中心；云南省教育廳科學(xué)研究基金項(xiàng)目（2021J0893）。

作者簡(jiǎn)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(xué)院智能科學(xué)與工程學(xué)院，擔(dān)任云南省高校邊緣計(jì)算網(wǎng)絡(luò)工程研究中心負(fù)責(zé)人，主要研究方向?yàn)檫吘売?jì)算、工業(yè)自動(dòng)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(xué)院智能科學(xué)與工程學(xué)院院長(zhǎng)，主要研究方向?yàn)檫吘売?jì)算、計(jì)算機(jī)科學(xué)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(xué)院智能科學(xué)與工程學(xué)院，主要研究方向?yàn)榫W(wǎng)絡(luò)工程、云計(jì)算、創(chuàng)新創(chuàng)業(yè)等。

董家瑞（1983-），男，云南通海人，工程師，學(xué)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?yàn)閿?shù)據(jù)通信、區(qū)塊鏈、數(shù)據(jù)應(yīng)用等。

參考文獻(xiàn)：

 [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(chǎng)總線[J]. 儀器儀表標(biāo)準(zhǔn)化與計(jì)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(luò)的通信調(diào)度方法[J]. 儀器儀表學(xué)報(bào), 2011, 32 (05) : 1189 - 1195.

[16] 曾鵬, 等. 面向工業(yè)無線網(wǎng)絡(luò)協(xié)議WIA-PA的網(wǎng)絡(luò)設(shè)備研發(fā)及應(yīng)用(大規(guī)模應(yīng)用)[Z]. 2015. 

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

[18] 李藝, 唐宏, 馬樞清. 軟件定義網(wǎng)絡(luò)基于分段路由的多路徑調(diào)度算法[J]. 計(jì)算機(jī)應(yīng)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(jì)算機(jī)應(yīng)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(jì)南: 山東大學(xué), 2020.

摘自《自動(dòng)化博覽》2021年2月刊