★趙鑫，郭永生，簡(jiǎn)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(zhù)人工智能技術(shù)的發(fā)展和成熟，工業(yè)領(lǐng)域越來(lái)越多地開(kāi)始采用人工智能技術(shù)解決復雜場(chǎng)景下的控制問(wèn)題。但是，目前工業(yè)現場(chǎng)控制常用的編程語(yǔ)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(zhù)強調開(kāi)放和復用的新一代工業(yè)控制標準IEC 61499的演進(jìn)，4PIC平臺創(chuàng )新性地把人工智能技術(shù)與IEC 61499相結合，將智能傳感、智能建模和智能控制封裝為IEC 61499的功能塊，實(shí)現了人工智能技術(shù)與工業(yè)現場(chǎng)控制編程的無(wú)縫融合。目前該平臺已經(jīng)在水泥，冶金等領(lǐng)域實(shí)際項目落地，提高了工廠(chǎng)的智能化水平。

關(guān)鍵詞：IEC 61499；工業(yè)現場(chǎng)控制；人工智能；模型預測控制；視覺(jué)傳感

1 引言

工業(yè)4.0在早期已經(jīng)顯現了一些優(yōu)勢，例如人工智能和機器學(xué)習算法極大地提高了運營(yíng)流程的質(zhì)量，可在設備故障發(fā)生前對其進(jìn)行預測以減少意外停機時(shí)間，可根據原材料現貨價(jià)格實(shí)時(shí)優(yōu)化生產(chǎn)工作，以及可以實(shí)時(shí)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)現場(chǎng)控制時(shí)，這些人工智能和機器學(xué)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，大多數主流制造商無(wú)法從這些技術(shù)中獲得更高回報的最大原因是其運營(yíng)的工廠(chǎng)系統是一套封閉的專(zhuān)有系統。

當今大多數自動(dòng)化系統均基于20世紀70年代和80年代形成的原理而開(kāi)發(fā)。該技術(shù)對實(shí)時(shí)控制進(jìn)行了高度優(yōu)化，但并未充分利用IT領(lǐng)域內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(xué)習、面向對象/面向服務(wù)的架構等）正是實(shí)現工業(yè)4.0愿景的重要因素。

另外，當今的自動(dòng)化系統都是以硬件為中心的業(yè)務(wù)模式。雖然硬件方面的進(jìn)步有助于優(yōu)化現有環(huán)境，但這不是實(shí)現數字化轉型優(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(jìn)行創(chuàng )新。

IEC 61499就是針對目前封閉的自動(dòng)化系統提出的新一代工業(yè)自動(dòng)化的標準。在最近五年，該標準得到了工業(yè)界和學(xué)界的廣泛關(guān)注。國外的工業(yè)自動(dòng)化公司如羅克韋爾自動(dòng)化和施耐德電氣都推出了自己的基于IEC 61499的工業(yè)自動(dòng)化平臺^[1]。上海交通大學(xué)戴文斌教授等人將目前工控領(lǐng)域應用最廣的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]}等人提出了結合IEC 61499，微服務(wù)和容器化技術(shù)解決工業(yè)現場(chǎng)控制問(wèn)題的技術(shù)。上海樂(lè )異自動(dòng)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(shí)時(shí)性方案。芬蘭的Vyatkin教授將IEC 61499應用在變電站領(lǐng)域^[8]。翟振坤將IEC 61499應用在數控領(lǐng)域^[9]。

本文呈現了筆者研發(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，尤其是4PIC與人工智能算法的接口設計，并且展示了4PIC平臺的落地應用。

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

同時(shí)，在工業(yè)控制領(lǐng)域，模型預測控制是最常用的先進(jìn)控制算法。Alois教授曾經(jīng)在PLC上基于IEC 61499實(shí)現模型預測控制^[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(shí)現工業(yè)過(guò)程的先進(jìn)控制。

2 IEC 61499簡(jiǎn)介

2.1體系結構

IEC 61499-1定義了分布式系統的體系結構。IEC 61499用事件驅動(dòng)模型取代了IEC 61131的循環(huán)執行模型。該模型明確了功能塊的執行順序。IEC 61499使以應用程序為中心的設計成為可能，即先進(jìn)行整體系統設計，隨后將完成設計的功能塊網(wǎng)絡(luò )劃分為一個(gè)或者多個(gè)應用程序被分配到不同的設備上。所有使用該系統的設備都被稱(chēng)為設備模型。系統的拓撲結構反映在系統模型中。關(guān)于應用的分布被稱(chēng)為映射模型。因此，系統內所有應用程序可被分布部署但仍能連接在一起。類(lèi)似于IEC 61131-3的功能模塊，IEC 61499功能模塊類(lèi)型同時(shí)明確了接口與邏輯實(shí)現方法。不同于IEC 61131-3，IEC 61499的界面在數據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(guò)WITH限制WITH constraints與數據輸入與輸出相關(guān)聯(lián)。IEC 61499規定了幾種功能模塊類(lèi)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、子應用程式。為了方便維護設備中的應用程序，IEC 61499提供了管理模型。設備管理器可以為任何設備資源提供全生命周期維護，并且通過(guò)管理指令實(shí)現軟件工具（例如配置工具，代理技術(shù)）之間的信息交互。通過(guò)軟件工具的接口及管理指令，可以實(shí)現IEC 61499應用程序的動(dòng)態(tài)重構。

2.2 軟件工具要求

IEC 61499-2規定了兼容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(xué)術(shù)和研究的開(kāi)源軟件工具。通常IEC 61499開(kāi)發(fā)環(huán)境都必須提供兼容的運行環(huán)境。

2.3 兼容文件的規則

IEC 61499-4描述了IEC 61499與其他系統、設備或軟件工具的兼容規則。這些規則包括交互操作性、可移植性和可重構性。如果兩種設備可以在同一系統配置下同時(shí)工作并實(shí)現各自功能，則二者可以交互操作。與IEC 61499兼容的應用程序必須具有可移植性，這表示此類(lèi)應用程序可以在不同供應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。供應商的設備必須達到與IEC 61499相兼容的軟件工具的配置。

3 4PIC

3.1 整體軟件架構

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

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

圖1 4PIC的整體軟件架構圖

DataViewer是可視化工具，在先進(jìn)過(guò)程控制和人工智能算法實(shí)施時(shí)，幫助進(jìn)行數據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(lèi)型選擇

如前所述，IEC 61499規定了功能塊的類(lèi)型和適用場(chǎng)景，我們選擇基本功能塊（BFB）來(lái)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，也是所有應用設計的起點(diǎn)。如圖2所示，基本功能塊由外部接口、執行控制圖表（Execution Control Chart, ECC），以及相應的算法（Algorithm）和內部變量（Internal Variable）四個(gè)主要部分組成?；竟δ軌K的外部接口構成遵從3.2.1節中的定義，包含事件輸入和輸出，數據輸入和輸出，以及事件與數據的關(guān)聯(lián)關(guān)系；基本功能塊的內部行為和狀態(tài)則由其算法和執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置功能，后者描述事件輸入、算法執行和事件輸出之間的因果關(guān)系。

圖2 基本功能塊

每個(gè)IEC 61499功能塊可以含有0個(gè)或多個(gè)算法，每個(gè)算法都滿(mǎn)足下面的要求：

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

（2）算法內可以有臨時(shí)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，但僅限在該算法內使用。

（3）不可訪(fǎng)問(wèn)任何在其所在基本功能塊之外的數據，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(yǔ)言編寫(xiě)，只要該語(yǔ)言的數據類(lèi)型和變量與功能塊的輸入、輸出以及內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(xué)習在學(xué)界和工業(yè)界的研究和開(kāi)發(fā)成果呈爆炸性增長(cháng)，在設計AI功能塊時(shí)，首要的考慮是如何將已有的研究開(kāi)發(fā)成果和我們目前的平臺相結合，避免重復發(fā)明輪子。

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

在實(shí)際項目實(shí)施時(shí)，封裝了兩類(lèi)的AI功能塊，一類(lèi)是智能視覺(jué)傳感AI功能塊，一類(lèi)是模型預測控制AI功能塊。以YOLO為例，來(lái)說(shuō)明如何設計和實(shí)現AI功能塊。

YOLO算法全稱(chēng)是You Only Look Once: Unified,Real-Time Object Detection.是目標檢測領(lǐng)域兼備準確性和快速性的算法之一。其算法開(kāi)源，實(shí)現眾多，是目前工業(yè)界應用最廣的目標檢測算法。

以YOLO功能塊為例，來(lái)說(shuō)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。其中數據管腳見(jiàn)表1。

表1 數據管腳

該功能塊的事件為初始化、初始化結束、請求和確認四種事件。以下?tīng)顟B(tài)機（如圖4所示），展示了外部事件和內部實(shí)現的方法，與功能塊狀態(tài)的轉換關(guān)系，在狀態(tài)轉換的同時(shí)，觸發(fā)外部事件并且修改輸出數據管腳的值。

圖4 HRG_OBJ_DET狀態(tài)機

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

在封裝模型預測控制功能塊時(shí)，封裝了目前工業(yè)界和學(xué)界流行的GEKKO框架^[14][15]。該框架是用python實(shí)現。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(shí)延的復雜控制系統。

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 )，才能夠完成現場(chǎng)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)域應用視覺(jué)檢測技術(shù)時(shí)，即使使用最先進(jìn)的人工智能技術(shù)和最完備的數據集，誤檢和漏檢也是不可避免的。簡(jiǎn)單列舉以下情形和相應的功能塊網(wǎng)絡(luò )解決方案。

（1）在工廠(chǎng)的煙霧檢測場(chǎng)景中，如遇到積水反光、大雨等情形可能會(huì )誤報煙霧。此時(shí)，利用IEC 61499的標準功能塊，通過(guò)實(shí)現一定的時(shí)序規則，可以過(guò)濾掉等間隔時(shí)間和同樣的ROI的報警，避免誤報。

（2）多視頻源目標檢測，此時(shí)通過(guò)相關(guān)的攝像頭之間的多圖目標檢測規則來(lái)提高mAP。一個(gè)示例規則如下：

·設置一個(gè)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(méi)有必要再看其他的圖片，或者說(shuō)其他圖片的檢測效果大概率不好。

·設置一個(gè)下限閾值，找到單張圖片score的最小值。不滿(mǎn)足規則1的情況，如果存在圖片score低于下限閾值，則為反例。否則，進(jìn)行規則3校驗。

·設置一個(gè)綜合閾值，對所有圖片score求和。不滿(mǎn)足規則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(jiǎn)單語(yǔ)義分析，如對于在某些工業(yè)控制場(chǎng)景的安全檢查是依賴(lài)人工利用視頻檢查無(wú)人無(wú)車(chē)之后操作，那么可以用目標檢測結果的邏輯運算之后解決。另外，比如吸煙等場(chǎng)景，可以利用頭、手、煙三者的識別做邏輯“與”運算。

4 實(shí)際案例

4.1 某水泥廠(chǎng)原料磨機自動(dòng)控制案例

輥式立磨是一套通過(guò)磨輥和磨盤(pán)之間轉動(dòng)，將物料碾磨成粉狀的裝置。碾磨裝置的運動(dòng)由磨盤(pán)回轉并相應帶動(dòng)磨輥滾動(dòng)，碾磨壓力除了磨輥自重外，主要靠液壓裝置對磨盤(pán)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(pán)再次粉磨，合格的成品經(jīng)收塵和輸送系統送入成品庫。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)品細度易于調節、噪音小、電耗低、工藝流程簡(jiǎn)單、磨耗小、運行費用低等優(yōu)點(diǎn)，被廣泛應用于大型化的建材、冶金等工業(yè)生產(chǎn)線(xiàn)的粉磨領(lǐng)域。

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

整體系統軟件框架圖如圖7所示。

圖7 系統框架圖

其中，除了DCS和OPC SERVER之外，均由4PIC實(shí)現。MPC是指為了實(shí)現預測控制和自動(dòng)啟停算法編寫(xiě)的function block network（FBN）。如圖8所示。

圖8 原料磨機自動(dòng)控制系統FBN

磨機的自動(dòng)一鍵啟停本身是一個(gè)離散順序控制問(wèn)題，正是4PIC擅長(cháng)的領(lǐng)域。傳統的實(shí)現方式是人工確認環(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?chē)鷽](méi)有“人”和“車(chē)”經(jīng)過(guò)。

封裝的YOLO塊，在此場(chǎng)景下，強調零漏報，滿(mǎn)足安全第一的原則。

通過(guò)與人工操作的歷史數據進(jìn)行對比分析，4PIC優(yōu)化控制系統投用后，幫助該原料磨系統實(shí)現了提產(chǎn)降耗和節能減排：平均臺時(shí)產(chǎn)量提高3.1%，噸電耗降低3.5%，系統自動(dòng)控制投運率＞98.3%。手動(dòng)自動(dòng)控制電耗對比如圖9所示。

圖9 手動(dòng)自動(dòng)控制電耗對比

5 結束語(yǔ)

本文創(chuàng )新性地基于IEC61499開(kāi)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)為基礎的智能傳感、智能建模和智能控制封裝為IEC61499的功能塊，實(shí)現人工智能技術(shù)與工業(yè)現場(chǎng)控制編程無(wú)縫融合。

將4PIC平臺應用在水泥原料磨機自動(dòng)控制系統中，封裝了YOLO視覺(jué)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(shí)施結束后，原料磨平均臺時(shí)產(chǎn)量提高3.1%，噸電耗降低3.5%，系統自控率>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(jiǎn)介：

趙鑫 （1981-），男，山西陽(yáng)泉人，中級工程師，碩士，現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(jiǎn)珣 （1982-），男，四川成都人，碩士，現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(jué)、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)架構數控系統研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2020.

[4] 戴文斌. 基于微服務(wù)與容器化的工業(yè)邊緣計算應用設計[J]. 自動(dòng)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(kāi)放式數控系統設計關(guān)鍵技術(shù)研究[D]. 廣州: 華南理工大學(xué). 2018.

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

[11] 馮國臣, 陳艷艷, 陳寧. 基于機器視覺(jué)的安全帽自動(dòng)識別技術(shù)研究[J]. 機械設計與制造工程, 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(dòng)化博覽》2022年10月刊