2.2　CPS的基本理论

2.2.1　CPS的定义

从理论发展路线来看，CPS无疑是分布式人工智能中对智能主体，特别是多智能主体研究的现实落地。从结构来看，CPS由以下几个部分组成，它们和上面介绍过的智能主体的构成十分类似：

·传感器：用于感知物理世界的信息。

·控制器或执行器：用于执行对物理实体的操作。

·计算部件：可以是集中式的，也可能是分布式的，能够根据物理信息做出恰当的处理与分析，并制定控制和执行策略。

·通信网络：用于连接以上各个单元以及相关的信息、对象、事件和人。

在实践中，CPS是带有嵌入式软件的系统（可以是设备、建筑、运输工具、运输路线、生产系统、医疗过程、物流过程、管理过程的一部分），它可以：

·使用传感器直接记录物理数据，通过执行器影响物理流程。

·评价和保存已记录的数据，主动或被动地与物理世界或数字世界进行交互。

·在全球网络中，通过数字化通信设施（无线或有线，局域网或广域网）相互连接。

·使用全局可获得的数据和服务。

·具有一套专门的、多种模式的人机界面。

图2-11给出了一个典型的CPS的结构。我们可以把CPS抽象为“感”“联”“知”“控”4个字。其中，“感”是指多传感器协同感知物理世界的状态；“联”是指连接虚拟世界与物理世界的各种对象；“知”是指通过对感知数据的认知和推理，正确、深入地认知物理世界；“控”是指根据认知结果，确定控制策略，发送控制指令，指挥各执行器协同控制物理世界。

CPS在实际中的应用已经形成了一定的范式，为工业4.0在制造业的应用奠定了基础。如图2-12所示，以制造业的工厂为例，“物理世界”中的设备或产品被附上了多种传感器，它们将搜集到的数据发送到云端。在云端建立起设备或产品的“虚拟世界”，对设备和产品进行模拟、预测等运算。由于传感器发来的数据量通常很大，无疑属于大数据的范畴。当然，在云端可以利用的数据往往不止局限于这些传感器数据，同时也要与设备或产品的“交易数据”混合起来，形成所谓的“智能大数据”，据此再做出更加全面、及时的决策，并由此对设备或产品发出动作指令。与此同时，这种搜集数据不止局限于工厂内部，在工厂的上下游也都会搜集数据，发出指令，从而推动整个工厂及其上下游的运行。

从技术发展路线来看，CPS是在嵌入式系统、传感器技术和网络技术的基础上发展起来的。简单地说，CPS就是开放的嵌入式系统加上网络和控制功能。与物联网、传感器网相比，后者所擅长的是无线连接，主要实现的是感知。感知对于CPS来说还不够，CPS还要实现控制，即感控。CPS网络的主要目的也是为了实现控制。CPS的最终目标是实现虚拟世界和物理世界的完全融合，构建一个可控、可信、可扩展且安全高效的CPS网络。

应该说，CPS在目前还有很多的研究领域尚待完善，例如在物理世界中的标识问题、虚拟世界中的语义问题等。目前这一领域给人的感觉是物理世界这一端很热闹，有很多可以看得见摸得着的技术和设备。但是在虚拟世界这一端，由于其更加开放，所以从控制和预测的角度看实际上难度更高。

物理世界和虚拟世界的融合难题如图2-13所示。

CPS的应用领域十分广阔，包括智能工厂、智能交通、能源节省、环境监控、航空航天、水和电等基础设施、节能建筑等。在本章最后，会给出CPS在智能电网、智能交通和智能医疗中的应用分析。

2.2.2　CPS的五层次结构

一般来说，CPS包括了两个主要的功能组件：

·高级的互联功能，确保能够实时地从物理世界获取数据，以及从网络空间中获得信息反馈。

·智能的数据管理、分析和计算能力，从而构建出一个网络空间。

但是，这样的定义仍然非常抽象，在实现过程中缺乏针对性和指导性。CPS的五层次结构则提供了一种逐步渐进的在制造行业中开发和部署CPS的指南（见图2-14）。

1.智能连接层（Connection）

从设备及其零部件中获取准确可靠的数据是开发CPS的第一步。这些数据可以是直接通过传感器测量的，或者是从控制器获得的，又或者是从企业管理系统（如ERP、MES、SCM、CRM等）中获得数据。此处，需要考虑两个重要的因素。首先，需要考虑数据的不同类型。在这里，需要采用无缝的和无障碍的方法来管理数据获取的过程，采用特定的通信协议，将数据传输到中央服务器。其次，合适的传感器（类型和规格）也是需要考虑的重要因素。

2.数据-信息的转换层（Conversion）

必须从数据中获得有意义的信息。目前，在数据-信息的转换层上已经有不少种可供使用的工具和方法。近年来，人们关注的焦点转向了开发预测算法，通过计算，可给设备带来“自感知（Self-Awareness）”的能力。

3.网络层（Cyber）

网络层在这个结构中起着中央信息连接的作用。信息从每一台连接的设备中向它推送，从而构成了设备网络。在搜集了大量的信息之后，必须要使用特定的分析技术来从中抽取出额外的信息，从而对每一台设备的状态获得更好的洞察。这些分析技术让设备具有了“自比较（Self-Comparison）”的能力，从而让每一台设备可以与其他设备进行性能上的比较。在另一方面，当前设备的性能和之前设备（历史信息）之间的相似性可以被度量，以预测出设备未来的行为。

4.认知层（Cognition）

在这个层面上实施CPS会对被监控的系统产生完整的知识。通过将获取的知识正确地展示给专家，以支持他们做正确的决策。由于每一台设备的状态和比较信息都可以获得，所以可以在此基础上对所执行的流程做出进行优化的优先任务的决策。在这个层面上，需要通过正确的信息-图形，将所获取的知识完整地传递给用户。

5.配置层（Configuration）

配置层是来自网络空间对物理空间的反馈，其作用是监管控制，让设备做出自配置和自适应。这一层扮演着复原控制系统（Resilience Control System，RCS）的角色，执行正确的和具有预防性的决策。它所发出的信息可以作为供给业务管理系统的反馈。操作人员和工厂经理可以基于这些信息做出对应的决策。

如图2-15所示，CPS的五层次架构适用于工业体系中的不同层次——零部件、机器、车间、企业。每一层进行不同的分析，从原始数据中生成有用的知识，然后向上进行传递。

从多智能主体的视角来看，CPS其实就是一组架设在一个传感器网络上的、基于不同的本体论和语义服务的、基于一套分布式决策算法的多智能主体（见图2-16）。在这里，本体论是人工智能界经常用到的概念，是指构成相关领域词汇的基本术语和关系，以及由这些术语和关系构成的、规定这些词汇外延的规则与定义。简单地说，可以理解为不同的设备有不同的语言及语法规则。这些都需要由本体论和语义服务来进行翻译和解释。

2.2.3　基于服务和支持实时运行的CPS

CPS无疑是一个分布式的系统，它通过基于CPS的实时联网，实现对物理世界的数据搜集和感知，然后在虚拟世界中进行分析，从而对物理世界进行控制。在这里，物理世界和虚拟世界之间究竟应该是一种什么样的关系呢？

CPS理论使用的是一种类似于市场经济中的契约方式来定义物理世界和虚拟世界之间的关系，换个名词说，就是服务。通俗地说，就是买卖双方签订一份合同，然后买方向卖方提供信息输入，卖方根据合同规定的内容向买方提供服务。

沿着IT从业者的视角来看，这是一种典型的面向服务的架构（Service-Oriented Architecture，SOA）。提供服务的一方和接受服务的一方是一种松耦合的体系结构。如图2-17所示，虚拟世界由一系列驻留在云中的业务对象构成，通过联网向外提供服务，即所谓的服务联网。物理世界的实体通过实时联网，在云中建立类似于“双胞胎”的业务对象，持续地向云端传递相关的数据和信息，而虚拟世界中的业务对象则向物理世界中的实体提供服务。

实际上，如果将这种基于云端服务的CPS架构用于生产中，则意味着需要将现今生产线上的各类嵌入式控制软件全部“服务化”，并置于云端（见图2-18）。这其实也就是基于CPS的网络物理生产系统（CPPS）的雏形。