摘要：近年來，深度學習促進了人工智能的快速發展，并逐漸滲透到各行各業。然而人工智能訓練和推理所需的大量數據傳輸、算力資源調用會影響到系統的實時性能，從而導致該技術在工業應用中存在困難。眾所周知，實時性是工業自動化的一項指標，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系統接收和發送數據、指令響應緩慢，那么工廠生產終將難以實現智能化突破，阻礙了人工智能在工業自動化中的普及?；诖?，本文提出一種三實時架構，它涉及實時網絡、實時操作系統和實時調度，希望通過提出該架構引起業界廣泛的研究熱潮。

關鍵詞：三實時架構；邊緣計算；人工智能；工業自動化

1 引言

在過去的三次工業革命中都無一例外地淘汰了一些舊技術，出現了一些新技術。正如內燃機取代蒸汽機，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，邊緣計算或許是優選的平臺。

PLC是工業自動化（Industrial Automation, IA）行業的專用計算機，能夠在惡劣環境下運行，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在和現場設備交互時存在著延遲問題。

2 三實時架構的提出

2.1 延遲的原因分析

造成延遲的原因有三方面：一是，云計算與終端設備間的多級網絡；二是，過多的操作系統任務；三是，算力資源的分派與調度。顯然延遲已經成為研究人工智能AI與工業自動化IA 融合的重要方向（以下簡稱：IA&AI）。目前，AI技術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技術依托高實時、可靠和確定性普遍應用于工業自動化的各行各業，如圖1所示。在我國產業轉型升級背景下，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）是以太網通信中常用的協議，其沖突檢測方式造成的延遲不確定性已成為工業控制的主要障礙[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域發展，IA 則需要智能行為更加復雜的應用程序開發，“調度” 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、數據存儲和處理能力， 只有通過資源的有效調度才能更好地助力工業發展[7]。 因此，網絡、系統和調度成為了三項重要組成，三實時架構如圖2所示。

圖2 三實時架構金字塔

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

3 三實時架構的主要技術構成

3.1 實時以太網

實時以太網（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， 其響應速度已經能夠滿足人機交互要求，幾乎所有的TCP/IP網絡都能夠輕松達到。

（2）過程控制：設備與設備間的交互時間在10ms 以內。這是大多數生產線、機床控制系統的實時響應要求。在工業以太網出現之前，現場總線一直是過程控制的主流通信網絡，常用于PLC與輸入/輸出（Input/ Output, I/O）模塊間的通信。

（3）運動控制：設備與設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，對于網絡的實時性能要求非常高。信號在網絡中傳輸的速度和確定性，決定了實時網絡的性能表現。在上述三種模式中，人機控制對速度的要求最低，但由于它屬于工業場合，必須無條件服從信號傳輸的確定性，比如控制電機啟動/停止命令不能因 網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通信網絡進行信號傳送。

RTE網絡的一個重要特征便是引入了時間敏感網絡（Time-Sensitive Networking, TSN）的技術。 IEEE-1588協議用于網絡測量和控制系統的精確時鐘同步協議的標準，它根據需要以特定間隔發送特殊電報， 以避免時鐘偏離超出規定的限制。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（開源的IEEE-1588實 現），這為三實時架構的上下層銜接，即實時操作系統與實時通信層之間的協作創造了條件。

通過文獻檢索，本文列出了國內外部分有線和無線RTE協議，如表1所示。

表1 國內外部分工業實時網絡

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

3.2 實時操作系統

一般來說，操作系統（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，在非工業環境中，實時性并不那么重要。實時操作系統（Real-Time Operating System, RTOS）是專門為滿足嚴格的時間限制而設計的。大多數實時操作系統經常出現在嵌入式系統中，普通用戶一般不會注意到它們。RTOS是一個具有時空分區的操作系統，每個關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。硬實時系統能夠保證操作最長時間的絕對性，而軟實時系統則允許丟失少量的數據。因此，在數據輪詢采集的過程中可以應用軟實時系統，但在對設備發出控制指令，要求設備進行時間同步操作時，就應當采用硬實時操作系統。

與Windows操作系統一樣，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送控制指令。然而RTOS 是為了可靠地運行關鍵應用程序而設計，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建IA&AI架構應當采用RTOS才能滿足工業控制指令下發的確定性。表2列出了部分RTOS和官方網站。

表2 國內外部分RTOS

RTOS具有高精度定時、多級中斷和實時調度等特點。目前，很多操作系統忽略了實時性能，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 實時調度

事實上，實時與吞吐是一對矛盾關系，為了實現負載均衡，內容分發網絡（Content Delivery Net work,  CDN）是一種提高互聯網服務質量的有效途徑[ 1 7 ] 。 C D N 能夠將內容從來源地復制到副本服務器提高訪問的響應速度。軟件定義網絡（Software Defined Network，SDN）則把網絡變為了管道，使得數據流轉變得更加智能[18]。依靠CDN和SDN在不同設備間的程序調度不再變得那么困難，基于嵌入式的輕量級容器技術[19]則更進一步地推動了實現該平臺的難度?；诖耍鐖D3所示，采用RTOS構建虛擬計算，在滿足系統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。

圖3 三實時IA&AI軟硬件架構

圖3可以是一個可擴展平臺，能夠在邊緣側完成自和智能控制。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增加算力；

（3）靈活性：可柔性調用不同的程序完成生產；

（4）兼容性：兼容PLC編程方法；

（5）穩定性：達到工業級別穩定性要求；

（6）高速性：達到時運動控制實時響應要求；

（7）融合性：實現自動化與人工智能的平臺融合。

4 三實時架構的云邊端互補

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的工業自動化控制器。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絡工程研究中心，建設三實時IA&AI邊緣計算平臺并命名為工業物理信息智能控制操作系統（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，實現對工業的智能化升級改造， 如圖4所示。 

圖4 工業物理信息智能控制操作系統

5 總結與展望

本文提出了一種基于邊緣計算的三實時IA&AI體系架構，通過對邊緣計算、IA、AI等梳理，給出了工業自動化向智能化轉型升級的思路。希望對該架構的研究引起業界的廣泛關注。展望未來，我們將依托工程研究中心聚集國內外優秀人才，共同建設ICICOS邊緣計算平臺，開展實時算法、工業控制器虛擬化、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項目——云南省高校邊緣計算網絡工程研究中心；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絡工程研究中心負責人，主要研究方向為邊緣計算、工業自動化、人工智能等。

潘明波（1984-），男，江蘇鎮江人，副教授，碩士， 現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，主要研究方向為網絡工程、云計算、創新創業等。

董家瑞（1983-），男，云南通海人，工程師，學士，現就職于云南云創數字生態科技有限公司，主要研究方向為數據通信、區塊鏈、數據應用等。

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高速工業現場總線[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工業無線網絡的通信調度方法[J]. 儀器儀表學報, 2011, 32 (05) : 1189 - 1195.

[16] 曾鵬, 等. 面向工業無線網絡協議WIA-PA的網絡設備研發及應用(大規模應用)[Z]. 2015. 

[17] 趙紅. CDN內容分發網絡技術原理[A]. 建筑科技與管理學術交流會論文集[C]. 2017. 

[18] 李藝, 唐宏, 馬樞清. 軟件定義網絡基于分段路由的多路徑調度算法[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工業云智能控制系統的研究與開發[D]. 濟南: 山東大學, 2020.

摘自《自動化博覽》2021年2月刊