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

★趙鑫，郭永生，簡珣，徐大超，李文興（哈工大機器人國際創(chuàng)新研究院，安徽合肥230601)

摘要：隨著人工智能技術(shù)的發(fā)展和成熟，工業(yè)領(lǐng)域越來越多地開始采用人工智能技術(shù)解決復雜場景下的控制問題。但是，目前工業(yè)現(xiàn)場控制常用的編程語言（IEC 61131）和編程平臺，都不能自然地引入人工智能方法和技術(shù)。隨著強調(diào)開放和復用的新一代工業(yè)控制標準IEC 61499的演進，4PIC平臺創(chuàng)新性地把人工智能技術(shù)與IEC 61499相結(jié)合，將智能傳感、智能建模和智能控制封裝為IEC 61499的功能塊，實現(xiàn)了人工智能技術(shù)與工業(yè)現(xiàn)場控制編程的無縫融合。目前該平臺已經(jīng)在水泥，冶金等領(lǐng)域?qū)嶋H項目落地，提高了工廠的智能化水平。

關(guān)鍵詞：IEC 61499；工業(yè)現(xiàn)場控制；人工智能；模型預測控制；視覺傳感

1 引言

工業(yè)4.0在早期已經(jīng)顯現(xiàn)了一些優(yōu)勢，例如人工智能和機器學習算法極大地提高了運營流程的質(zhì)量，可在設(shè)備故障發(fā)生前對其進行預測以減少意外停機時間，可根據(jù)原材料現(xiàn)貨價格實時優(yōu)化生產(chǎn)工作，以及可以實時優(yōu)化生產(chǎn)計劃，從而盡可能提高產(chǎn)量。但是當真正深入到工業(yè)現(xiàn)場控制時，這些人工智能和機器學習算法并不能真正地起到作用。

造成這一局面的原因多種多樣，且與員工、流程和技術(shù)相關(guān)。在技術(shù)方面，大多數(shù)主流制造商無法從這些技術(shù)中獲得更高回報的最大原因是其運營的工廠系統(tǒng)是一套封閉的專有系統(tǒng)。

當今大多數(shù)自動化系統(tǒng)均基于20世紀70年代和80年代形成的原理而開發(fā)。該技術(shù)對實時控制進行了高度優(yōu)化，但并未充分利用IT領(lǐng)域內(nèi)日新月異的最新技術(shù)。而這些最新技術(shù)（包括分析、人工智能/機器學習、面向?qū)ο?面向服務(wù)的架構(gòu)等）正是實現(xiàn)工業(yè)4.0愿景的重要因素。

另外，當今的自動化系統(tǒng)都是以硬件為中心的業(yè)務(wù)模式。雖然硬件方面的進步有助于優(yōu)化現(xiàn)有環(huán)境，但這不是實現(xiàn)數(shù)字化轉(zhuǎn)型優(yōu)勢最關(guān)鍵的部分。真正的關(guān)鍵在于以智能化的方式基于軟件進行創(chuàng)新。

IEC 61499就是針對目前封閉的自動化系統(tǒng)提出的新一代工業(yè)自動化的標準。在最近五年，該標準得到了工業(yè)界和學界的廣泛關(guān)注。國外的工業(yè)自動化公司如羅克韋爾自動化和施耐德電氣都推出了自己的基于IEC 61499的工業(yè)自動化平臺^[1]。上海交通大學戴文斌教授等人將目前工控領(lǐng)域應(yīng)用最廣的OPC UA與IEC 61499的建模標準做了集成^[2]。戴文斌、劉建康和翟振坤^[3、4、5]等人提出了結(jié)合IEC 61499，微服務(wù)和容器化技術(shù)解決工業(yè)現(xiàn)場控制問題的技術(shù)。上海樂異自動化公司提出了自己的基于IEC 61499標準的工業(yè)控制平臺的解決方案。奧地利的Alois教授^[6]和P.Lindgren^[7]等人深入研究了基于IEC 61499的實時性方案。芬蘭的Vyatkin教授將IEC 61499應(yīng)用在變電站領(lǐng)域^[8]。翟振坤將IEC 61499應(yīng)用在數(shù)控領(lǐng)域^[9]。

本文呈現(xiàn)了筆者研發(fā)的基于IEC 61499的工業(yè)智能分析和控制平臺4PIC的平臺架構(gòu)，尤其是4PIC與人工智能算法的接口設(shè)計，并且展示了4PIC平臺的落地應(yīng)用。

視覺相關(guān)的人工智能技術(shù)是目前研究和應(yīng)用的熱點，YOLO模型是比較常見的深度學習模型。所以，以4PIC集成YOLO V3的目標檢測模型為例。^[10、11]

同時，在工業(yè)控制領(lǐng)域，模型預測控制是最常用的先進控制算法。Alois教授曾經(jīng)在PLC上基于IEC 61499實現(xiàn)模型預測控制^[12]。C.A.Garcia等人將IEC 61499和模型預測控制算法應(yīng)用在石油輸送管道上^[13]。4PIC封裝了模型預測控制算法以及OPC通信協(xié)議，可以在DCS之上實現(xiàn)工業(yè)過程的先進控制。

2 IEC 61499簡介

2.1體系結(jié)構(gòu)

IEC 61499-1定義了分布式系統(tǒng)的體系結(jié)構(gòu)。IEC 61499用事件驅(qū)動模型取代了IEC 61131的循環(huán)執(zhí)行模型。該模型明確了功能塊的執(zhí)行順序。IEC 61499使以應(yīng)用程序為中心的設(shè)計成為可能，即先進行整體系統(tǒng)設(shè)計，隨后將完成設(shè)計的功能塊網(wǎng)絡(luò)劃分為一個或者多個應(yīng)用程序被分配到不同的設(shè)備上。所有使用該系統(tǒng)的設(shè)備都被稱為設(shè)備模型。系統(tǒng)的拓撲結(jié)構(gòu)反映在系統(tǒng)模型中。關(guān)于應(yīng)用的分布被稱為映射模型。因此，系統(tǒng)內(nèi)所有應(yīng)用程序可被分布部署但仍能連接在一起。類似于IEC 61131-3的功能模塊，IEC 61499功能模塊類型同時明確了接口與邏輯實現(xiàn)方法。不同于IEC 61131-3，IEC 61499的界面在數(shù)據(jù)變量輸入與輸出之外，包含了事件輸入與輸出。各種事件可以通過WITH限制WITH constraints與數(shù)據(jù)輸入與輸出相關(guān)聯(lián)。IEC 61499規(guī)定了幾種功能模塊類型，包括服務(wù)接口功能模塊（SIFB）、基本功能模塊（BFB）、復合功能塊（CFB）、適配器接口、子應(yīng)用程式。為了方便維護設(shè)備中的應(yīng)用程序，IEC 61499提供了管理模型。設(shè)備管理器可以為任何設(shè)備資源提供全生命周期維護，并且通過管理指令實現(xiàn)軟件工具（例如配置工具，代理技術(shù)）之間的信息交互。通過軟件工具的接口及管理指令，可以實現(xiàn)IEC 61499應(yīng)用程序的動態(tài)重構(gòu)。

2.2 軟件工具要求

IEC 61499-2規(guī)定了兼容IEC 61499標準的軟件工具的要求。該要求包括IEC 61499各元素的表達及可移植性，以及在不同軟件工具間以DTD格式傳輸IEC 61499的元素。如今已有一些兼容IEC 61499標準的軟件工具面世。其中有商業(yè)軟件，也有用于學術(shù)和研究的開源軟件工具。通常IEC 61499開發(fā)環(huán)境都必須提供兼容的運行環(huán)境。

2.3 兼容文件的規(guī)則

IEC 61499-4描述了IEC 61499與其他系統(tǒng)、設(shè)備或軟件工具的兼容規(guī)則。這些規(guī)則包括交互操作性、可移植性和可重構(gòu)性。如果兩種設(shè)備可以在同一系統(tǒng)配置下同時工作并實現(xiàn)各自功能，則二者可以交互操作。與IEC 61499兼容的應(yīng)用程序必須具有可移植性，這表示此類應(yīng)用程序可以在不同供應(yīng)商的軟件工具中傳輸，只要該軟件工具符合IEC 61499-2中的描述。供應(yīng)商的設(shè)備必須達到與IEC 61499相兼容的軟件工具的配置。

3 4PIC

3.1 整體軟件架構(gòu)

4PIC在研發(fā)時的愿景是通過“一次搭積木式的構(gòu)建項目，任意跨平臺部署先進控制、人工智能和工業(yè)互聯(lián)網(wǎng)項目”，為了實現(xiàn)以上目標，將4PIC平臺分為DataViewer、IDE和RTE三部分。它們分別服務(wù)于先進控制實施的不同階段，通過類似于Linux管道的設(shè)計，將不同的工具連接起來完成整個先進控制的實施。每個工具功能完整，可獨立更新。

4PIC IDE服務(wù)于工業(yè)自動化工程師。自動化工程師按照IEC 61499的先整體設(shè)計，后劃分設(shè)備的流程，在4PIC的IDE上編寫二次程序（功能塊網(wǎng)絡(luò)）并且將二次程序下發(fā)到設(shè)備執(zhí)行。為了屏蔽不同設(shè)備、不同操作系統(tǒng)之間的區(qū)別，我們設(shè)計了4PIC RTE，即運行時環(huán)境，運行于設(shè)備的操作系統(tǒng)之上。RTE的源代碼是由運行時環(huán)境的基礎(chǔ)C++源代碼和功能塊庫源碼組成的。經(jīng)過目標操作系統(tǒng)的編譯工具鏈編譯和鏈接，生成了4PIC RTE。4PIC的整體軟件架構(gòu)圖如圖1所示。

圖1 4PIC的整體軟件架構(gòu)圖

DataViewer是可視化工具，在先進過程控制和人工智能算法實施時，幫助進行數(shù)據(jù)前處理和后處理的工作。

3.2 AI功能塊以及功能塊網(wǎng)絡(luò) 

3.2.1功能塊類型選擇

如前所述，IEC 61499規(guī)定了功能塊的類型和適用場景，我們選擇基本功能塊（BFB）來封裝人工智能模型。

在IEC 61499標準體系中，基本功能塊是最核心的功能單元，也是所有應(yīng)用設(shè)計的起點。如圖2所示，基本功能塊由外部接口、執(zhí)行控制圖表（Execution Control Chart, ECC），以及相應(yīng)的算法（Algorithm）和內(nèi)部變量（Internal Variable）四個主要部分組成。基本功能塊的外部接口構(gòu)成遵從3.2.1節(jié)中的定義，包含事件輸入和輸出，數(shù)據(jù)輸入和輸出，以及事件與數(shù)據(jù)的關(guān)聯(lián)關(guān)系；基本功能塊的內(nèi)部行為和狀態(tài)則由其算法和執(zhí)行控制圖表共同決定，其中前者定義基本功能塊可以提供的內(nèi)置功能，后者描述事件輸入、算法執(zhí)行和事件輸出之間的因果關(guān)系。

圖2 基本功能塊

每個IEC 61499功能塊可以含有0個或多個算法，每個算法都滿足下面的要求：

（1）可以讀取所在基本功能塊的輸入、輸出、和內(nèi)部變量，并更改輸出和內(nèi)部變量的值，其中內(nèi)部變量可以跨算法使用，相當于功能塊內(nèi)的“全局變量”，隨著功能塊執(zhí)行完畢而“消失”。

（2）算法內(nèi)可以有臨時變量（相當于局部變量），但需要在算法中定義，該變量可以賦值，但僅限在該算法內(nèi)使用。

（3）不可訪問任何在其所在基本功能塊之外的數(shù)據(jù)，以確保功能塊的獨立性。

（4）可以單獨使用任何一種高級編程語言編寫，只要該語言的數(shù)據(jù)類型和變量與功能塊的輸入、輸出以及內(nèi)部變量存在明確的映射關(guān)系。

3.2.2 AI功能塊

目前深度學習在學界和工業(yè)界的研究和開發(fā)成果呈爆炸性增長，在設(shè)計AI功能塊時，首要的考慮是如何將已有的研究開發(fā)成果和我們目前的平臺相結(jié)合，避免重復發(fā)明輪子。

目前最主要的深度學習開源框架基本都采用Python和C++。而4PIC平臺采用了C++語言開發(fā)。在集成深度學習的C++SDK時，可以使用動態(tài)庫加載的方式；在嵌入python腳本時，首先初始化python的解釋器，然后調(diào)用python腳本中的深度學習模型。

在實際項目實施時，封裝了兩類的AI功能塊，一類是智能視覺傳感AI功能塊，一類是模型預測控制AI功能塊。以YOLO為例，來說明如何設(shè)計和實現(xiàn)AI功能塊。

YOLO算法全稱是You Only Look Once: Unified,Real-Time Object Detection.是目標檢測領(lǐng)域兼?zhèn)錅蚀_性和快速性的算法之一。其算法開源，實現(xiàn)眾多，是目前工業(yè)界應(yīng)用最廣的目標檢測算法。

以YOLO功能塊為例，來說明以IEC 61499的基本功能塊的形式封裝人工智能功能塊HRG_OBJ_DET。

圖3 HRG_OBJ_DET功能塊

圖3是4PIC封裝的目標檢測功能塊。其中數(shù)據(jù)管腳見表1。

表1 數(shù)據(jù)管腳

該功能塊的事件為初始化、初始化結(jié)束、請求和確認四種事件。以下狀態(tài)機（如圖4所示），展示了外部事件和內(nèi)部實現(xiàn)的方法，與功能塊狀態(tài)的轉(zhuǎn)換關(guān)系，在狀態(tài)轉(zhuǎn)換的同時，觸發(fā)外部事件并且修改輸出數(shù)據(jù)管腳的值。

圖4 HRG_OBJ_DET狀態(tài)機

HRG_OBJ_DET在執(zhí)行時，需要一個訓練好的YOLO網(wǎng)絡(luò)，而HRG_OBJ_DET本身的執(zhí)行，其實是做一個推理任務(wù)。此時，HRG_OBJ_DET就能夠扮演智能視覺傳感器了。

在封裝模型預測控制功能塊時，封裝了目前工業(yè)界和學界流行的GEKKO框架^[14][15]。該框架是用python實現(xiàn)。4PIC平臺封裝的功能塊如圖5所示。

圖5 預測控制功能塊

狀態(tài)機如圖6所示。

圖6 預測控制功能塊狀態(tài)機

該HRG_MPC_MIMO功能塊就可以作為智能控制器使用，用于多變量，大時延的復雜控制系統(tǒng)。

3.2.3 功能塊網(wǎng)絡(luò)

單獨的AI功能塊，能完成的功能是智能傳感和智能控制。將這些AI功能塊和其他功能塊一起組合為功能塊網(wǎng)絡(luò)，才能夠完成現(xiàn)場復雜的控制功能。這是因為AI功能塊本身的功能帶有一定的不確定性。

比如，在工業(yè)領(lǐng)域應(yīng)用視覺檢測技術(shù)時，即使使用最先進的人工智能技術(shù)和最完備的數(shù)據(jù)集，誤檢和漏檢也是不可避免的。簡單列舉以下情形和相應(yīng)的功能塊網(wǎng)絡(luò)解決方案。

（1）在工廠的煙霧檢測場景中，如遇到積水反光、大雨等情形可能會誤報煙霧。此時，利用IEC 61499的標準功能塊，通過實現(xiàn)一定的時序規(guī)則，可以過濾掉等間隔時間和同樣的ROI的報警，避免誤報。

（2）多視頻源目標檢測，此時通過相關(guān)的攝像頭之間的多圖目標檢測規(guī)則來提高mAP。一個示例規(guī)則如下：

·設(shè)置一個上限閾值，找出單張圖score的最大值。如果最大值大于上限閾值（比如0.90），那就沒有必要再看其他的圖片，或者說其他圖片的檢測效果大概率不好。

·設(shè)置一個下限閾值，找到單張圖片score的最小值。不滿足規(guī)則1的情況，如果存在圖片score低于下限閾值，則為反例。否則，進行規(guī)則3校驗。

·設(shè)置一個綜合閾值，對所有圖片score求和。不滿足規(guī)則1、2的情況，總和低于此閾值，則為反例，高于此閾值，則為正例。

（3）簡單語義分析，如對于在某些工業(yè)控制場景的安全檢查是依賴人工利用視頻檢查無人無車之后操作，那么可以用目標檢測結(jié)果的邏輯運算之后解決。另外，比如吸煙等場景，可以利用頭、手、煙三者的識別做邏輯“與”運算。

4 實際案例

4.1 某水泥廠原料磨機自動控制案例

輥式立磨是一套通過磨輥和磨盤之間轉(zhuǎn)動，將物料碾磨成粉狀的裝置。碾磨裝置的運動由磨盤回轉(zhuǎn)并相應(yīng)帶動磨輥滾動，碾磨壓力除了磨輥自重外，主要靠液壓裝置對磨盤物料加壓。碾磨后的物料經(jīng)配套的選粉機分選，粗粉回到磨盤再次粉磨，合格的成品經(jīng)收塵和輸送系統(tǒng)送入成品庫。輥式立磨集細碎、烘干、粉磨、選粉、輸送于一體，具有粉磨效率高、烘干能力大、產(chǎn)品細度易于調(diào)節(jié)、噪音小、電耗低、工藝流程簡單、磨耗小、運行費用低等優(yōu)點，被廣泛應(yīng)用于大型化的建材、冶金等工業(yè)生產(chǎn)線的粉磨領(lǐng)域。

基于4PIC平臺設(shè)計的輥式立磨控制系統(tǒng)包含兩部分，一部分是基于滾動時域估計模型的預測控制系統(tǒng)，另一部分是基于YOLO算法的磨機自動啟停算法。

整體系統(tǒng)軟件框架圖如圖7所示。

圖7 系統(tǒng)框架圖

其中，除了DCS和OPC SERVER之外，均由4PIC實現(xiàn)。MPC是指為了實現(xiàn)預測控制和自動啟停算法編寫的function block network（FBN）。如圖8所示。

圖8 原料磨機自動控制系統(tǒng)FBN

磨機的自動一鍵啟停本身是一個離散順序控制問題，正是4PIC擅長的領(lǐng)域。傳統(tǒng)的實現(xiàn)方式是人工確認環(huán)境安全后的順序控制。人工確認環(huán)境安全主要是磨機周圍沒有“人”和“車”經(jīng)過。

封裝的YOLO塊，在此場景下，強調(diào)零漏報，滿足安全第一的原則。

通過與人工操作的歷史數(shù)據(jù)進行對比分析，4PIC優(yōu)化控制系統(tǒng)投用后，幫助該原料磨系統(tǒng)實現(xiàn)了提產(chǎn)降耗和節(jié)能減排：平均臺時產(chǎn)量提高3.1%，噸電耗降低3.5%，系統(tǒng)自動控制投運率＞98.3%。手動自動控制電耗對比如圖9所示。

圖9 手動自動控制電耗對比

5 結(jié)束語

本文創(chuàng)新性地基于IEC61499開發(fā)了一套人工智能工業(yè)分析與控制平臺，將以人工智能技術(shù)為基礎(chǔ)的智能傳感、智能建模和智能控制封裝為IEC61499的功能塊，實現(xiàn)人工智能技術(shù)與工業(yè)現(xiàn)場控制編程無縫融合。

將4PIC平臺應(yīng)用在水泥原料磨機自動控制系統(tǒng)中，封裝了YOLO視覺檢測功能塊，模型預測控制算法功能塊等人工智能功能塊，項目實施結(jié)束后，原料磨平均臺時產(chǎn)量提高3.1%，噸電耗降低3.5%，系統(tǒng)自控率>98.3%。

★基金項目：安徽省科技攻關(guān)計劃——智能服務(wù)機器人關(guān)鍵技術(shù)及核心部件研究(202003a05020015)。

作者簡介：

趙鑫 （1981-），男，山西陽泉人，中級工程師，碩士，現(xiàn)就職于哈工大機器人國際創(chuàng)新研究院，主要研究方向為人工智能、工業(yè)控制。

郭永生 （1992-），男，安徽亳州人，中級工程師，碩士，現(xiàn)就職于哈工大機器人國際創(chuàng)新研究院，主要研究方向為人工智能、工業(yè)控制。

簡珣 （1982-），男，四川成都人，碩士，現(xiàn)就職于哈工大機器人國際創(chuàng)新研究院，主要研究方向為人工智能。

徐大超 （1988-），男，安徽合肥人，中級工程師，本科，現(xiàn)就職于哈工大機器人國際創(chuàng)新研究院，主要研究方向為人工智能、工業(yè)控制。

李文興 （1982-），男，安徽宿州人，高級工程師，碩士，現(xiàn)就職于哈工大機器人國際創(chuàng)新研究院，主要研究方向為機器視覺、工業(yè)機器人。

參考文獻：

[1] L. Sonnleithner, A. Zoitl. A Software Measure for IEC 61499 Basic Function Blocks[A]. 2020 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA)[C]. 2020: 997 - 1000.

[2] W. Dai, Y. Song, Z. Zhang, P. Wang, C. Pang, V. Vyatkin. Modelling Industrial Cyber-Physical Systems using IEC 61499 and OPC UA[A]. 2018 IEEE 16th International Conference on Industrial Informatics (INDIN)[C]. 2018: 772 - 777.

[3] 劉建康. 面向集群部署的微服務(wù)架構(gòu)數(shù)控系統(tǒng)研究[D]. 哈爾濱: 哈爾濱工業(yè)大學, 2020.

[4] 戴文斌. 基于微服務(wù)與容器化的工業(yè)邊緣計算應(yīng)用設(shè)計[J]. 自動化博覽, 2021, ( 2 ) : 30 - 32.

[5] F. Yang, Y. Zhang, B. Lv, W. Dai. A Task-Oriented Automatic Microservice Deployment Method For Industrial Edge Applications[A]. IECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society[C]. 2020 : 2149 - 2154.

[6] A. Zoitl. Real-Time Execution for IEC 61499. Durham North Carolina[A]. International Society of Automation[C]. 2008: 35 - 48.

[7] P. Lindgren, M. Lindner, A. Lindner, V. Vyatkin, D. Pereira, L. M. Pinho. A real-time semantics for the IEC 61499 standard[A]. 2015 IEEE 20th Conference on Emerging Technologies & Factory Automation (ETFA)[C]. 2015: 1 - 6.

[8] C. Yang, V. Vyatkin, A. Mousavi, V. Dubinin. On automatic generation of IEC61850/IEC61499 substation automation systems enabled by ontology[A]. IECON 2014 - 40th Annual Conference of the IEEE Industrial Electronics Society[C]. 2014: 3577 - 3583.

[9] 翟振坤. 面向服務(wù)的開放式數(shù)控系統(tǒng)設(shè)計關(guān)鍵技術(shù)研究[D]. 廣州: 華南理工大學. 2018.

[10] 王兵, 李文璟, 唐歡. 改進YOLO v3算法及其在安全帽檢測中的應(yīng)用[J]. 計算機工程與應(yīng)用, 2020, 56(9) : 33 - 40.

[11] 馮國臣, 陳艷艷, 陳寧. 基于機器視覺的安全帽自動識別技術(shù)研究[J]. 機械設(shè)計與制造工程, 2015，44(10) : 39 - 42.

[12] Wenger, Monika & Hametner, Reinhard & Zoitl, Alois & Roither-Voigt, Andreas. Industrial Embedded Model Predictive Controller Platform[A]. IEEE International Conference on Emerging Technologies and Factory Automation[C]. 2011.

[13] C. A. Garcia et al. MPC Under IEC-61499 Using Low-Cost Devices for Oil Pipeline System[A]. 2018 IEEE 16th International Conference on Industrial Informatics[C]. 2018: 659 - 664.

[14] Hedengren, J. D. and Asgharzadeh Shishavan, R., Powell, K.M., and Edgar, T.F. Nonlinear Modeling, Estimation and Predictive Control in APMonitor[J]. Computers and Chemical Engineering, 2014 : 133 – 148.

[15] Beal, L.D.R., Hill, D., Martin, R.A., and Hedengren, J. D. GEKKO Optimization Suite[J]. 2018, 6 (8).

摘自《自動化博覽》2022年10月刊