CN108508856B - 一种工业设备智能控制系统及方法 - Google Patents

Abstract

本发明提供了一种工业设备智能控制系统及方法，系统包括：RT模块、AI模块和APP模块；其中：RT模块通过接口与工业设备相连，获取工业设备的现场数据，并对现场数据进行处理，将处理结果数据传输至AI模块和APP模块；AI模块将接收到的处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块；APP模块包括具有多种功能的多个APP，并对分析结果进行判断控制，发送反馈信号至RT模块实现闭环控制策略，发送反馈信号至AI模块实现人工智能模型的参数调整，APP模块还包括用于数据发送的APP接口。本发明能够实现工业设备的数据的采集、监控和交互，以及基于数据的模型学习及优化和控制策略的实时更新响应。

Description

一种工业设备智能控制系统及方法

技术领域

本发明属于工业设备技术领域，尤其涉及一种工业设备智能控制系统及方法。

背景技术

目前的工业设备现场控制系统，通常由一个实时采集与监控模块以及HMI人机交互模块构成，实现设备根据预设的流程按照运行状态进行运转控制，并实现简单的人机交互功能。

现有技术中，可以实现设备的运维数据的实时采集与监控，以及相关接口的配置，同时也可以实现简单的人机交互，以实现对设备的控制。但仍然存在着几方面的问题，一是仅实现了数据的基本采集，控制指令的下发仍要取决于人机交互；二是无法对设备的实时数据进行充分的分析及判断，无法基于设备历史数据进行人工智能计算，无法实现智能控制，三是无法实现基于设备数据变化过程的控制策略修正优化，策略的更新及优化需要断电实现，响应速度慢且对控制系统的运行有影响，四是现有的控制终端，无法直接接入公共云平台。

因此，如何实现工业设备的数据的采集、监控和交互，以及基于数据的模型学习及优化和控制策略的实时更新响应是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种工业设备智能控制系统，能够实现工业设备的数据的采集、监控和交互，以及基于数据的模型学习及优化和控制策略的实时更新响应。

为了实现上述目的，本发明提供如下技术方案：

一种工业设备智能控制系统，包括：RT模块、AI模块和APP模块；其中：

所述RT模块通过接口与工业设备相连，获取所述工业设备的现场数据，并对所述现场数据进行判断、计算和分析，将处理结果数据通过总线传输至所述AI模块和所述APP模块；

所述AI模块将接收到的所述处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块；

所述APP模块包括具有多种功能的多个APP，并对所述分析结果进行判断控制，发送反馈信号至所述RT模块实现闭环控制策略，发送所述反馈信号至所述AI模块实现人工智能模型的参数调整，所述APP模块还包括用于数据发送的APP接口。

优选地，所述系统还包括安全隔离单元；其中：

所述安全隔离单元分别与所述RT模块、AI模块和APP模块相连，在所述AI模块或APP模块根据需求进行优化更新时，通过所述安全隔离单元将所述AI模块或APP模块与所述RT模块隔离。

优选地，所述RT模块包括：数据接口/协议转换单元、采集模块、调制转换单元、缓存器、状态判断识别单元和边际执行策略单元；其中：

所述转换单元和采集模块将所述现场数据进行收集，然后送入所述调制模块，完成数据的采集及调制，完成后送入所述缓存器；

所述缓存器中的数据通过总线接口直接传送至所述AI模块分析，通过所述边际计算单元的实时处理，实现工业设备的运行状态判断以及现场控制策略的制定。

优选地，所述AI模块包括：实时数据流处理单元、机器学习单元、控制策略判断单元、状态评估及故障诊断单元、策略优化单元以及历史数据知识库；其中：

所述数据流处理单元将所述RT模块中所述缓存器获取的信息进行基本处理，然后送入所述机器学习单元，结合所述知识库单元进行人工智能分析；

所述控制策略判断单元基于人工智能分析的现场控制策略判据输出；

所述状态评估及故障诊断单元基于深度学习及大数据分析算法实现，完成从现场控制到智能控制的优化设计；

所述策略优化单元实现所述AI模块的全功能流程。

优选地，所述现场数据包括：传感信号、状态信号和控制信号。

优选地，所述RT模块、AI模块和APP模块之间通过总线连接。

优选地，所述RT模块、AI模块和APP模块之间通过高速串行接口连接。

一种工业设备智能控制方法，包括：

RT模块获取工业设备的现场数据，并对所述现场数据进行判断、计算和分析，将处理结果数据通过总线传输至AI模块和APP模块；

所述AI模块将接收到的所述处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块；

所述APP模块包括具有多种功能的多个APP，并对所述分析结果进行判断控制，发送反馈信号至所述RT模块实现闭环控制策略，发送所述反馈信号至所述AI模块实现人工智能模型的参数调整，并通过APP接口发送数据。

优选地，所述现场数据包括：传感信号、状态信号和控制信号。

从上述技术方案可以看出，本发明提供了一种工业设备智能控制系统，包括：RT模块、AI模块和APP模块；其中：述RT模块通过接口与工业设备相连，获取工业设备的现场数据，并对现场数据进行判断、计算和分析，将处理结果数据通过总线传输至AI模块和APP模块；AI模块将接收到的处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块；APP模块包括具有多种功能的多个APP，并对分析结果进行判断控制，发送反馈信号至RT模块实现闭环控制策略，发送反馈信号至AI模块实现人工智能模型的参数调整，APP模块还包括用于数据发送的APP接口。能够实现工业设备的数据的采集、监控和交互，以及基于数据的模型学习及优化和控制策略的实时更新响应。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明公开的一种工业设备智能控制系统实施例1的结构示意图；

图2为本发明公开的一种工业设备智能控制系统实施例2的结构示意图；

图3为本发明公开的一种工业设备智能控制方法实施例1的方法流程图；

图4为本发明公开的单芯片虚拟技术实现方式示意图；

图5为本发明公开的多芯片耦合技术实现方式示意图；

图6为本发明公开的单芯片FPGA技术实现方式示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明公开的一种工业设备智能控制系统实施例1的结构示意图，所述系统包括：RT模块101、AI模块102和APP模块103；其中：

RT模块101通过接口与工业设备相连，获取工业设备的现场数据，并对现场数据进行判断、计算和分析，将处理结果数据通过总线传输至AI模块102和APP模块103；

AI模块102将接收到的处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块103；

APP模块103包括具有多种功能的多个APP，并对分析结果进行判断控制，发送反馈信号至RT模块101实现闭环控制策略，发送反馈信号至AI模块102实现人工智能模型的参数调整，APP模块103还包括用于数据发送的APP接口。

在上述实施例中，当需要对工业设备进行控制时，通过RT模块101对被控工业设备进行现场数据的采集、调理和转换，根据设备运转逻辑和步骤进行当前运行状态的判据识别和执行，将处理结果数据通过总线传输至AI模块和APP模块。

AI模块102具有工业设备运行数据的人工智能模块，提供工业设备数据智能分析模型，能够满足大规模计算的要求，提供工业设备运行参数与状态的机器学习方法，将RT模块101发送的处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块103。

APP模块103包括多个APP，每个APP具有相应的功能，包括工业设备应用的管理模块，将HMI、数据库应用、可视化图表等工业设备功能和场景需求的应用内嵌至该模块中，实现智能交互及控制。例如，展示工业设备现场数据参量分析图表，并对AI模块102发送的分析结果进行判断控制，发送反馈信号至RT模块101实现闭环控制策略，发送反馈信号至AI模块102实现人工智能模型的参数调整。同时，APP模块还包括用于数据发送的APP接口，例如，通过APP接口可以发送数据分析集至数字模型，实现数字映像模型的数字化动态调整。

需要说明的是，在上述实施例中，系统在运行的过程中，可以实现RT模块、AI模块和APP模块之间的相互交互运行方式，也可以仅实现RT模块和AI模块之间的相互交互运行方式，或者仅实现RT模块和APP模块之间的相互交互运行方式。

综上所述，在上述实施例中，能够实现工业设备的数据的采集、监控和交互，以及基于数据的模型学习及优化和控制策略的实时更新响应。

如图2所示，为本发明公开的一种工业设备智能控制系统实施例1的结构示意图，所述系统包括：RT模块201、AI模块202、APP模块203和安全隔离单元204；其中：

RT模块201通过接口与工业设备相连，获取工业设备的现场数据，并对现场数据进行判断、计算和分析，将处理结果数据通过总线传输至AI模块202和APP模块203；

AI模块202将接收到的处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块203；

APP模块203包括具有多种功能的多个APP，并对分析结果进行判断控制，发送反馈信号至RT模块201实现闭环控制策略，发送反馈信号至AI模块202实现人工智能模型的参数调整，APP模块123还包括用于数据发送的APP接口；

安全隔离单元204分别与RT模块201、AI模块202和APP模块203相连，在AI模块202或APP模块203根据需求进行优化更新时，通过安全隔离单元204将AI模块202或APP模块203与RT模块201隔离。

在上述实施例中，当需要对工业设备进行控制时，通过RT模块201对被控工业设备进行现场数据的采集、调理和转换，根据设备运转逻辑和步骤进行当前运行状态的判据识别和执行，将处理结果数据通过总线传输至AI模202块和APP模块203。

AI模块202具有工业设备运行数据的人工智能模块，提供工业设备数据智能分析模型，能够满足大规模计算的要求，提供工业设备运行参数与状态的机器学习方法，将RT模块201发送的处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块203。

APP模块203包括多个APP，每个APP具有相应的功能，包括工业设备应用的管理模块，将HMI、数据库应用、可视化图表等工业设备功能和场景需求的应用内嵌至该模块中，实现智能交互及控制。例如，展示工业设备现场数据参量分析图表，并对AI模块202发送的分析结果进行判断控制，发送反馈信号至RT模块201实现闭环控制策略，发送反馈信号至AI模块202实现人工智能模型的参数调整。同时，APP模块还包括用于数据发送的APP接口，例如，通过APP接口可以发送数据分析集至数字模型，实现数字映像模型的数字化动态调整。

安全隔离模块204包括了对RT模块201、AI模块202和APP模块203三个模块通讯的鉴权和安全隔离单元，保证运行时的安全性；同时包括了数据及信号缓存区，以适应各模块更新时的各种工况。

具体的，该系统实现的现场数据的采集，应至少包括传感信号、状态信号、控制信号等设备的运行数据提取，并且具备相关功能的通用/非通用接口及协议。RT模块、AI模块以及APP模块间应具备的实时通讯功能，可通过总线连接或者高速串行接口连接实现。

RT模块与AI模块的通讯应该为双向通讯，由RT模块向AI模块传输工业设备的实时数据，以及运行状态判据的返回；RT模块与APP模块的通讯为双向通讯，实现RT模块向APP模块实时数据传送，以及APP模块中的设定参数、控制指令等数据的返回；AI模块与APP模块的通讯为双向通讯，实现AI模块中的寿命评估、智慧运维、故障诊断与预测结果向APP模块的实时数据传送，以及APP模块中设定参数、分析指令等数据的返回。其中，RT模块与AI模块以及APP模块的实时通讯，应具有鉴权认证安全机制，通过安全隔离单元实现，具体的安全隔离，可利用物理逻辑隔离或者软件隔离实施，以实现在各模块功能更新优化时的互不干涉。

需要说明的是，工业设备运行状态的判据识别和执行，可以基于边际技术实现。

上述系统中涉及到的人工智能模块，应首先具备数据的基本分析功能，同时具备机器学习功能。机器学习方法应至少包括按照实际工况与使用习惯对设备的控制进行优化方案、寿命评估、智慧运维、故障诊断与预测等分析模型和方法，且这些分析模型和方法可根据实际应用场景定制化组合或开发。

本系统的智能交互控制不仅具备基于该系统对设备的运行状态交互和控制，也具备对数字映像模型的数据交互接口。

需要说明的是，所述的数字映像模型，应基本实现设备的功能重构模拟以及满足实际工况的边界条件。

具体的，在上述的实施例中，RT模块可以包括：数据接口/协议转换单元、采集模块、调制转换单元、缓存器、状态判断识别单元和边际执行策略单元；其中：

从RT模块接入设备现场传感器，通过转换单元和采集模块将现场数据进行收集，然后送入所述调制模块，完成数据的采集及调制，完成后送入缓存器；

缓存器中的数据通过总线接口直接传送至AI模块分析，同时通过边际计算单元的实时处理，实现工业设备的运行状态判断以及现场控制策略的制定，达到及时响应的目的。

具体的，在上述的实施例中，AI模块可以包括：实时数据流处理单元、机器学习单元、控制策略判断单元、状态评估及故障诊断单元、策略优化单元以及历史数据知识库；其中：

数据流处理单元可以将RT模块中缓存器获取的信息进行基本处理，然后送入所述机器学习单元，结合所述知识库单元进行人工智能分析，同时可以实现基于数据的自学习及优化，提升分析精度；

控制策略判断单元可以基于人工智能分析的现场控制策略判据输出；

状态评估及故障诊断单元基于深度学习及大数据分析算法实现，完成从现场控制到智能控制的优化设计；

策略优化单元实现AI模块的全功能流程。

具体的，在上述实施例中，APP模块主要实现的是对于APP的全功能管理，包括本地层面的统筹管理以及云端的协调配置；例如，可以包括人机交互APP、指令及控制策略优化APP、数字映像APP，每个APP均可以实现各自的独立功能，通过APP模块的统一管理协调，输出至RT模块及AI模块之中，以实现各自的功能。

具体的，本发明可以通过单芯片虚拟技术、多芯片耦合技术或者单芯片FPGA技术实现。

如图4所示，为本发明推荐的一种实施例，为单芯片虚拟技术及其实施效果，在实际应用时，可以不局限于这样的虚拟机数量及组合方式。单芯片虚拟技术即将单个芯片通过虚机化将资源按照需求拆分成一个个独立的虚拟机，然后一个或者多个虚拟机按照要求实现相应的功能。

如图5所示，为本发明推荐的一种实施例，为多芯片耦合技术及其实施效果，在实际应用时，可以不局限于这样的虚拟机数量及组合方式。多芯片耦合技术即通过多个物理上独立的芯片进行耦合，一个或多个组合以实现不同的功能。

如图6所示，为单芯片FPGA技术，单芯片FPGA技术即将单个芯片按照需求拆分为不同的功能核心，然后通过FPGA程序化实现功能模块的独立设计。

如图3所示，为本发明公开的一种工业设备智能控制方法实施例1的方法流程图，所述方法包括：

S301、RT模块获取工业设备的现场数据，并对现场数据进行判断、计算和分析，将处理结果数据通过总线传输至AI模块和APP模块；

当需要对工业设备进行控制时，设备现场数据接入RT模块，包括设备的传感器信号/数据、控制信号、状态信号等可以表征设备状态的参量，以及现场传感器可以收集到的所有数据量；对重要数据进行必要的判断、计算、分析，然后通过数据总线传输至AI模块和APP模块。

S302、AI模块将接收到的处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块；

AI模块对接收到的数据进行智能分析，使用人工智能模块对其进行优化方案分析、寿命评估、智慧运维策略设定、故障诊断及预测等一系列模型分析，将结果传送至APP模块；

S303、APP模块包括具有多种功能的多个APP，并对分析结果进行判断控制，发送反馈信号至RT模块实现闭环控制策略，发送反馈信号至AI模块实现人工智能模型的参数调整，并通过APP接口发送数据。

APP模块包括多个APP，每个APP具有相应的功能，包括工业设备应用的管理模块，将HMI、数据库应用、可视化图表等工业设备功能和场景需求的应用内嵌至该模块中，实现智能交互及控制。例如，展示工业设备现场数据参量分析图表，并对AI模块发送的分析结果进行判断控制，发送反馈信号至RT模块实现闭环控制策略，发送反馈信号至AI模块实现人工智能模型的参数调整。同时，APP模块还包括用于数据发送的APP接口，例如，通过APP接口可以发送数据分析集至数字模型，实现数字映像模型的数字化动态调整。需要说明的是，在上述实施例中，系统在运行的过程中，可以实现RT模块、AI模块和APP模块之间的相互交互运行方式，也可以仅实现RT模块和AI模块之间的相互交互运行方式，或者仅实现RT模块和APP模块之间的相互交互运行方式。

具体的，在上述实施例中，在AI模块或APP模块根据需求进行优化更新时，可以将其与安全隔离单元通过物理阻断或者程序断口断开，此时RT模块与安全隔离单元实现孤岛通讯，且将通讯信息暂存至安全隔离单元暂存区中，待更新结束，模块上电后即通过暂存区恢复实施通讯功能。综上所述，本发明采用了边际技术，首先可以实现现场控制中，设备运行状态判据的识别，以及需要及时决策事件的实时响应，同时可以实现对实时数据的初步处理及判断。

采用了人工智能技术，通过人工智能和APP模块实现设备的智能控制，根据实际工况的自适应优化，实现真正意义上的智能控制，同时也提高了响应精度，具备了大数据分析计算的基本构架。

采用了人机交互与智能分析模块的独立设计，可以实现控制策略的不断电实时更新；也集成了数据映像接口的设计以实现系统与数据模型的交互功能。本系统及方法实现实时数据的采集、机器学习、应用控制的闭环设计，实现基于数据的智能优化。

需要说明的是，在上述实施例中，所包括的各个系统单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

为了更加特定地强调实施的独立性，本说明书涉及许多模块或单元。举例而言，模块或单元可由硬件电路实现，该硬件电路包括特制VLSI电路或门阵列，比如逻辑芯片、晶体管，或其它组件。模块或单元也可在可编程的硬设备中实现，比如场效可编程门阵列、可编程阵列逻辑、可编程逻辑设备等等。

模块或单元也可在藉由各种形式的处理器所执行的软件中实现。比如说，一可执行码模块可包括一个或多个实体的或逻辑的计算机指令区块，该区块可能形成为，比如说，对象、程序或函数。然而，鉴别模块或单元的可执行部分不需要物理上放置在一起，但可由存于不同位置的不同指令所组成，当逻辑上组合在一起时，形成模块或单元且达到该模块或单元所要求的目的。

实际上，可执行码模块或单元可以是一单一指令或多个指令，甚至可以分布在位于不同的程序的数个不同的码区段，并且横跨数个存储设备。同样地，操作数据可被辨识及显示于此模块或单元中，并且可以以任何合适的形式实施且在任何合适的数据结构形式内组织。操作数据可以集合成单一数据集，或可分布在具有不同的存储设备的不同的位置，且至少部分地只以电子信号方式存在于一系统或网络。

本说明书所提及的“实施例”或类似用语表示与实施例有关的特性、结构或特征，包括在本发明的至少一实施例中。因此，本说明书所出现的用语“在一实施例中”、“在实施例中”以及类似用语可能但不必然都指向相同实施例。

再者，本发明发明所述特性、结构或特征可以以任何方式结合在一个或多个实施例中。以下说明将提供许多特定的细节，比如编程序、软件模块、用户选择、网络交易、数据库查询、数据库结构、硬件模块、硬件电路、硬件芯片等例子，以提供对本发明实施例的了解。然而相关领域的普通技术人员将看出本发明，即使没有利用其中一个或多个特定细节，或利用其它方法、组件、材料等亦可实施。另一方面，为避免混淆本发明，公知的结构、材料或操作并没有详细描述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种工业设备智能控制系统，其特征在于，包括：RT模块、AI模块和APP模块；其中：

所述RT模块通过接口与工业设备相连，获取所述工业设备的现场数据，并对所述现场数据进行判断、计算和分析，将处理结果数据通过总线传输至所述AI模块和所述APP模块；所述现场数据包括传感信号设备、状态信号设备以及控制信号设备的运行数据；对所述现场数据进行判断、计算和分析包括：对所述现场数据进行调理和转换，根据设备运转逻辑和步骤进行当前运行状态的识别；

所述AI模块将接收到的所述处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块；所述AI模块将接收到的所述处理结果数据进行智能分析包括：使用人工智能模块对所述处理结果数据进行优化方案分析、寿命评估、智慧运维策略设定、故障诊断及预测；

所述APP模块包括具有多种功能的多个APP，并对所述分析结果进行判断控制，发送反馈信号至所述RT模块实现闭环控制策略，发送所述反馈信号至所述AI模块实现人工智能模型的参数调整，所述APP模块还包括用于数据发送的APP接口。

2.根据权利要求1所述的系统，其特征在于，还包括安全隔离单元；其中：

所述安全隔离单元分别与所述RT模块、AI模块和APP模块相连，在所述AI模块或APP模块根据需求进行优化更新时，通过所述安全隔离单元将所述AI模块或APP模块与所述RT模块隔离。

3.根据权利要求2所述的系统，其特征在于，所述RT模块包括：数据接口/协议转换单元、采集模块、调制转换单元、缓存器、状态判断识别单元和边际执行策略单元；其中：

所述转换单元和采集模块将所述现场数据进行收集，然后送入所述调制模块，完成数据的采集及调制，完成后送入所述缓存器；

所述缓存器中的数据通过总线接口直接传送至所述AI模块分析，通过边际计算单元的实时处理，实现工业设备的运行状态判断以及现场控制策略的制定；所述边际计算单元包括所述状态判断识别单元和所述边际执行策略单元。

4.根据权利要求3所述的系统，其特征在于，所述AI模块包括：实时数据流处理单元、机器学习单元、控制策略判断单元、状态评估及故障诊断单元、策略优化单元以及历史数据知识库；其中：

所述数据流处理单元将所述RT模块中所述缓存器获取的信息进行基本处理，然后送入所述机器学习单元，结合所述知识库单元进行人工智能分析；

所述控制策略判断单元基于人工智能分析的现场控制策略判据输出；

所述状态评估及故障诊断单元基于深度学习及大数据分析算法实现，完成从现场控制到智能控制的优化设计；

所述策略优化单元实现所述AI模块的全功能流程。

5.根据权利要求1所述的系统，其特征在于，所述现场数据包括：传感信号、状态信号和控制信号。

6.根据权利要求1所述的系统，其特征在于，所述RT模块、AI模块和APP模块之间通过总线连接。

7.根据权利要求1所述的系统，其特征在于，所述RT模块、AI模块和APP模块之间通过高速串行接口连接。

8.一种工业设备智能控制方法，其特征在于，包括：

RT模块获取工业设备的现场数据，并对所述现场数据进行判断、计算和分析，将处理结果数据通过总线传输至AI模块和APP模块；所述现场数据包括传感信号设备、状态信号设备以及控制信号设备的运行数据；对所述现场数据进行判断、计算和分析包括：对所述现场数据进行调理和转换，根据设备运转逻辑和步骤进行当前运行状态的识别；

所述AI模块将接收到的所述处理结果数据进行智能分析，并将智能分析结果传输至与其连接的APP模块；

所述APP模块包括具有多种功能的多个APP，并对所述分析结果进行判断控制，发送反馈信号至所述RT模块实现闭环控制策略，发送所述反馈信号至所述AI模块实现人工智能模型的参数调整，并通过APP接口发送数据。

9.根据权利要求8所述的方法，其特征在于，所述现场数据包括：传感信号、状态信号和控制信号。

Images