CN109709811B - 一种面向智能制造的边缘计算控制器及其工作方法 - Google Patents

Abstract

本发明涉及一种面向智能制造的边缘计算控制器及其工作方法，包括：固件层，用于提供底层设备驱动，并对采集到的数据信息进行汇总和分类，将得到的数据送至中间层；中间件，用于提供运行与开发的环境，根据数据构建设备模型，并为应用层提供设备状态数据、逻辑控制、控制算法以及设备模型；应用层，用于接收上位机的程序部署，并根据中间件提供的设备状态数据、逻辑控制、控制算法以及设备模型对设备进行控制，并通过现场总线或实时以太网实现与边缘服务器的交互。本发明不针对某一个别型号的机器人、PLC，其标准化、模块化的设计理念适用于多种类型的工业设备的控制应用。可以提高工业生产设备的接口能力和计算能力，提高工业设备的适用性。

Description

一种面向智能制造的边缘计算控制器及其工作方法

技术领域

本发明涉及了一种面向智能制造的边缘计算控制器，属于工业控制领域。

背景技术

全球工业制造领域已经掀起了数字化转型的浪潮，通过对操作人员、制造设备、生产环境、工艺流程进行数字化产生大量的生产数据，通过网络化构建互联互通的工业制造系统，通过智能化提升制造产业的经济价值和社会价值。智能制造就是以数据为生产要素、以数据的智能分析为基础，从而实现生产的智能决策和操作，并通过闭环实现工艺生产流程的持续智能优化。然而目前工业界有超过6种以上的工业实时以太网技术，超过40种工业总线，使信息难以有效流动与交互。同时以大数据分析、云计算为代表的使能技术，信息传递、处理周期长，很难满足工业设备实时控制优化的即时性要求。

边缘计算是在靠近工业设备、传感器等物理设备的网络边缘侧，具备网络、计算、存储、应用等核心能力的分布式开发平台，在边缘直接提供智能服务，可以满足智能制造数字化在敏捷联接、实时业务、数据优化、应用智能等多方面的核心需求。边缘计算是一种新的生态模式，可以提高制造业的整体性能。边缘控制器正是位于信息技术和运营技术之间的一个物理接口，也是制造业中边缘设备通往云端的最后一层物理实体，将汇总数据发送到云端。边缘控制器对实现边缘计算具有重要意义。

目前的工业控制器，如机器人控制器、数控机床控制器、PLC等，都是针对某个特定的工业设备定制开发，控制器的功能固定，智能化水平较低，软件升级只能本地化操作。同时对终端用户而言，开放的开发接口十分有限。另一方面，由于设备异构性，控制器与被控设备一对一匹配，设备之间互联互通困难，难以满足边缘计算对数据流动行的需求。

因此，针对工业设备数字化、网络化、智能化的控制需求，研究面向智能制造的边缘计算技术，开发集成、数据感知、云边协同开发、业务自动部署等功能的控制系统，形成面向智能制造的边缘计算控制器具有重大的意义。

发明内容

本发明所要解决的技术问题在于工业设备数字化、网络化、智能化的控制需求，提供一种面向智能制造的边缘计算控制器，为边缘计算体系提供数据感知、云边协同开发、业务自动部署等功能的分布式开发平台。

为解决上述技术问题，本发明采用的技术方案是：一种面向智能制造的边缘计算控制器，包括：

固件层，用于提供底层设备驱动，并对采集到的数据信息进行汇总和分类，将得到的数据送至中间层；

中间件，用于提供运行与开发的环境，根据数据构建设备模型，并为应用层提供设备状态数据、逻辑控制、控制算法以及设备模型；

应用层，用于接收上位机的程序部署，并根据中间件提供的设备状态数据、逻辑控制、控制算法以及设备模型对设备进行控制，并通过现场总线或实时以太网实现与边缘服务器的交互。

所述固件层包括：

协议解析模块，用于进行现场总线或实时以太网的协议解析，与设备通信以完成生产设备控制；

数据分析模块，用于对收集的数据进行分类前的预处理；

硬件抽象模块，用于将底层硬件抽象化，为边缘控制器提供虚拟硬件平台；对预处理后的数据按照所表征的物理信息进行分类，得到具备物理含义的数据信息；

语义映射模块，用于将数据信息与边缘计算模型库、工业控制模型库中的属性关系建立语义关联，为数据信息增加语义标签后，发送至中间件。

所述中间件包括：

数据管理模块，用于存储设备状态数据；

状态管理模块，用于动态维护设备状态数据；

工业控制模型库，提供用于运动控制、逻辑控制、图像识别中的至少一种的控制算法；

边缘计算模型库，用于存储设备抽象模型，将增加语义标签的数据信息对应至设备抽象模型，得到具备真实物理信息的设备抽象模型发送至应用层；

运行时，用于为应用层提供的软件运行环境。

所述应用层包括：

网络服务，用于将中间件中的设备状态数据汇总并发送至边缘服务器，同时获取边缘服务器数据和服务，为上位机开发提供通讯接口并接收上位机的程序部署；

控制服务，用于根据状态管理模块的设备状态数据和边缘计算模型库中的设备抽象模型，在来自上位机部署的程序中调用工业控制模型库中的控制算法，实现对设备的控制。

一种面向智能制造的边缘计算控制器工作方法，包括以下步骤：

步骤S1：边缘控制器固件层接受的报文；

步骤S2：报文解析：对接收到的报文信息按照不同的通讯协议进行处理，获取数据；

步骤S3：数据提取：提取边缘控制器需要的数据；

步骤S4：数据分析：对提取的数据做预处理；

步骤S5：硬件抽象：将硬件抽象化，对预处理后的数据按照所表征的物理信息进行分类，描述成具备物理含义的数据信息；

步骤S6：语义映射：对数据信息标注语义标签，映射到边缘计算模型库中，得到具备真实物理信息的设备抽象模型，该语义标签对应边缘计算模型库中的模型描述信息；

步骤S7：控制服务：边缘计算模型库中设备抽象模型输出的数据进入到控制服务中，进行控制计算；

步骤S8：网络服务：采用发布、订阅对数据进行分发。

本发明的有益效果是：

1、本发明的边缘计算控制器不针对某一个别型号的机器人、PLC，其标准化、模块化的设计理念适用于多种类型的工业设备的控制应用。

2、本发明的边缘计算控制器，可以提高工业生产设备的接口能力和计算能力，使工业设备能便捷的完成与其他制造系统进行数据交互，以及工作站或生产线的控制功能，提高工业设备的适用性。

3、本发明可以很好地应对工业设备数字化、网络化、智能化的控制需求，是工业边缘计算体系中必不可少的重要设备，同时也是一种新的快速设计解决方案，利于推广使用。

附图说明

图1是本发明的边缘控制器系统架构图；

图2是本发明的边缘控制器功能模型；

图3是本发明的边缘控制器信息处理流程；

图4是本发明的边缘控制器开发服务结构图；

图5是本发明的边缘控制器开发服务流程图；

图6是本发明的边缘控制器部署服务结构图；

图7是本发明的边缘控制器部署服务流程图。

具体实施方式

为使本发明的目的、技术方案及有点更加清楚、明确，一下参照附图并举实施例对本发明进一步详细说明。

参见图1，包括面向智能制造的边缘计算控制器和上位机两个部分，其中边缘控制器主要涉及：固件层、中间件以及应用层。

所述的固件层，为边缘控制器提供底层设备驱动包括IO接口，工业总线接口等，对采集到的数据信息进行汇总和分类。包括协议解析、数据分析、硬件抽象、语义映射四个部分。

其中，协议解析指边缘控制器应具有现场总线或实时以太网等协议解析功能，通过本地接口生产设备边缘控制器可以与具有相应接口的驱动器、传感器通信，完成生产设备控制。

数据预处理指边缘控制器在主要的处理以前对所收集数据进行分类或分组前所做的审核、筛选、排序等必要的处理。

硬件抽象指边缘控制器将底层硬件抽象化，隐藏硬件接口细节,为边缘控制器提供虚拟硬件平台，允许控制器在逻辑层而不是硬件层与硬件设备交互。

语义映射指边缘控制器将数据信息与数字化构件库、算法功能库中的属性关系建立语义关联，为边缘数据信息增加标签信息，便于数据的汇总和分类。

所述的中间件，为边缘控制器提供运行与开发的环境，帮助用户灵活、高效地开发和集成复杂的应用软件。包括状态管理、数据管理、工业控制模型库、边缘计算模型库、运行时。

其中，状态管理和数据管理，动态维护边缘计算节点运行状态和数据。

工业控制模型库指边缘控制器提供运动控制、逻辑控制、图像识别等基础工业应用控制算法和功能。例如PID控制、神经网络控制等控制方法。

边缘计算模型库指边缘控制器构建的底层设备抽象模型，包括伺服电机、PLC、机器人控制器、伺服驱动器、传感器等硬件设备，实现工业设备的组件化、标准化。

运行时指边缘控制器为应用层提供的软件运行环境。

所述的应用层，为边缘控制器提供开发环境以及各类应用服务，可以实现底层硬件和边缘网关、云的数据交互，实现边缘侧的数据接入。包括网络服务和控制服务两个部分。

控制应用，指边缘控制器可以具备传统SCADA，PLC，DCS，PCS等功能，同时可以进行轻量级的数据分析处理。

网络服务，指边缘控制器具有将采集的数据，汇总并发送至云端/边缘服务器的能力，同时可以获取云端数据和服务。同时为上位机开发提供通讯接口。

上位机包括边缘控制器开发服务和部署服务两部分。

开发服务，边缘侧提供边缘控制器的集成开发环境。

部署服务，将开发的边缘控制器程序部署到控制器中运行管理的服务。

参见图2，专利所设计的边缘控制器信息处理流程，实现工业现场网络边缘侧数据的协议解析、数据分析、硬件抽象、语义映射、控制服务、网络服务等流程。

以下将描述本发明一个实施实例，数据在边缘控制器中需要进行的处理流程为：

步骤S1：报文接收管理，接收接入到边缘控制器的报文。

步骤S2：报文解析，对接收到的报文信息按照不同的通讯协议进行处理，获取数据。

步骤S3：数据提取，提取边缘控制器需要的数据，如传入的温度、速度等。

步骤S4：数据分析，包括数据统计、模型处理等操作对现场数据进一步处理，供S5使用。

步骤S5：硬件抽象，指边缘控制器将底层硬件抽象化，为边缘控制器提供底层硬件相关的工业数据。

步骤S6：语义映射，对工业数据标注语义标签，映射到边缘计算模型库中。

步骤S7：控制服务，数据通过边缘计算模型进入到控制服务中，进行控制计算与应用。

步骤S8：网络服务，采用发布/订阅体系架构，对数据进行实时、高效、灵活地分发，减少系统运行过程中无用数据的传输和接收，从而减少网络中的数据量，提高系统的实时性。

参见图3，为专利的边缘控制器服务模型，包括边缘控制器通用服务和行业化服务两部分。

其中，通用服务包括总线协议适配、OPC UA服务；实时流式数据分析服务；时序数据库服务；策略执行服务；安全服务等。

行业化服务指边缘控制器所具备的机器人、PLC等工业设备应用所需的必要接口服务。

参见图4，为本发明的边缘控制器开发服务结构图，边缘侧提供边缘控制器的集成开发环境，在边缘计算模型库、工业控制模型库的基础上，提供模型开发服务、仿真服务、集成开发服务。用户可以通过该环境，实现控制器的开发、集成、仿真、验证、发布等全生命周期管理。

参见图5，本发明的边缘控制器开发服务流程图，包含了从需求分析开始到应用程序发布的全部流程。通过云边协同的资源共享，加快边缘计算控制器程序的开发进程。

以下将描述本发明一个实施实例，研发人员针对边缘计算控制器开发的步骤具体为：

步骤S1：需求分析，分析所控制的工业设备的控制要求，工艺要求。

步骤S2：功能设计，针对不同的工业设备，设计相应的控制器功能，包括控制精度、控制响应时间、数据采集方式、执行器方式等。

步骤S3：模型划分，将控制器按照功能划分为输入模块，计算模块，逻辑模块，输出模块等功能模块，每个边缘计算控制器至少包含一类功能模块。。

步骤S4：本地检索模型库，针对划分后的模型，在本地检索，是否包含在图1所述的数字化构件库或模型库中，若存在，直接拖拽模块进行步骤S8的程序仿真。若不存在，则进入步骤S5。

步骤S5：云端检索模型库，针对划分后的模型，在云端检索，是否包含在云端的数字化构件库或模型库中，若存在，进入步骤S6。若不存在，则进入步骤S6。

步骤S6：模型开发，若不存在可用的控制器模块，需要按照IEC61499标准封装对应的模块。

步骤S7：模型下载，将需要的控制器模型从云端下载到边缘控制器中。

步骤S8：程序仿真，对建立的边缘计算控制器程序进行数值仿真。

步骤S9：测试与验证，观测控制器仿真结果，进一步优化程序。

步骤S10：发布，边缘计算控制器满足设计需求时，可以将程序发布到云端，供他人下载和使用。

参见图6，为本发明的边缘控制器部署结构图，根据不同的业务需求，可以将边缘计算架构划分为三类，第一类云-边缘服务器-边缘网关-边缘控制器-底层设备，第二类云-边缘网关-边缘控制器-底层设备，第三类云-边缘控制器-底层设备。边缘控制器主要可以提高工业生产设备的接口能力和计算能力，使工业设备能便捷的完成与其他制造系统进行数据交互。

参见图7，本发明的边缘控制器部署服务流程图，包含了自动代码生成到一键部署的全部流程。通过业务自动部署，提高边缘计算控制器程序的可移植性。

以下将描述本发明一个实施实例，研发人员针对边缘计算控制器部署的步骤具体为：

步骤S1：硬件在线匹配，判断网络内是否有边缘控制器，如果存在进入步骤S2，若不存在，重复该操作。

步骤S2：模型接口匹配，判断入网设备是否具备程序所需的模型接口，如果存在进入步骤S3，若不存在重复该操作。

步骤S3：模型编译，编译程序代码。

步骤S4：自动代码生成，将边缘计算程序自动转换成C代码。

步骤S5：程序下载与执行，将改造后的C程序下载到边缘控制器中运行。

步骤S4：在线监控与参数调整，针对实际的控制效果，在线修改边缘控制器控制参数，直到获得理想的控制效果。

Claims (4)

1.一种面向智能制造的边缘计算控制器，其特征在于，包括：

固件层，用于提供底层设备驱动，并对采集到的数据信息进行汇总和分类，将得到的数据送至中间层；

中间件，用于提供运行与开发的环境，根据数据构建设备模型，并为应用层提供设备状态数据、逻辑控制、控制算法以及设备模型；

应用层，用于接收上位机的程序部署，并根据中间件提供的设备状态数据、逻辑控制、控制算法以及设备模型对设备进行控制，并通过现场总线或实时以太网实现与边缘服务器的交互；

所述固件层包括：

协议解析模块，用于进行现场总线或实时以太网的协议解析，与设备通信以完成生产设备控制；

数据分析模块，用于对收集的数据进行分类前的预处理；

硬件抽象模块，用于将底层硬件抽象化，为边缘控制器提供虚拟硬件平台；对预处理后的数据按照所表征的物理信息进行分类，得到具备物理含义的数据信息；

语义映射模块，用于将数据信息与边缘计算模型库、工业控制模型库中的属性关系建立语义关联，为数据信息增加语义标签后，发送至中间件；

基于所述边缘计算控制器，执行以下步骤：

步骤S1：边缘控制器固件层接受的报文；

步骤S2：报文解析：对接收到的报文信息按照不同的通讯协议进行处理，获取数据；

步骤S3：数据提取：提取边缘控制器需要的数据；

步骤S4：数据分析：对提取的数据做预处理；

步骤S5：硬件抽象：将硬件抽象化，对预处理后的数据按照所表征的物理信息进行分类，描述成具备物理含义的数据信息；

步骤S6：语义映射：对数据信息标注语义标签，映射到边缘计算模型库中，得到具备真实物理信息的设备抽象模型，该语义标签对应边缘计算模型库中的模型描述信息；

步骤S7：控制服务：边缘计算模型库中设备抽象模型输出的数据进入到控制服务中，进行控制计算；

步骤S8：网络服务：采用发布、订阅对数据进行分发；

边缘计算控制器开发的步骤具体为：

步骤A：需求分析：分析所控制的工业设备的控制要求，工艺要求；

步骤B：功能设计：针对不同的工业设备，设计相应的控制器功能；

步骤C：模型划分：将控制器按照功能划分为多类功能模块，每个边缘计算控制器至少包含一类功能模块；

步骤D：本地检索模型库：针对划分后的设备模型，在本地检索，是否包含在本地的边缘计算模型库中，若存在，进入步骤H；若不存在，则进入步骤E；

步骤E：云端检索模型库：针对划分后的设备模型，在云端检索，是否包含在云端的边缘计算模型库中，若存在，进入步骤H；若不存在，则进入步骤F；

步骤F：模型开发：若不存在可用的控制器模块，则封装对应的功能模块；

步骤G：模型下载：将控制器模型从云端下载到边缘控制器中；

步骤H：程序仿真：对建立的边缘计算控制器进行数值仿真；

步骤I：测试与验证：对控制器仿真结果进行观测；

步骤J：发布：边缘计算控制器满足设计需求时，将程序发布到云端；

边缘计算控制器部署的步骤具体为：

步骤a：硬件在线匹配：判断网络内是否有边缘控制器，如果存在进入步骤b，若不存在，重复本步骤；

步骤b：模型接口匹配：判断入网设备是否具备程序所需的模型接口，如果存在进入步骤c，若不存在，重复本步骤；

步骤c：模型编译：编译程序代码；

步骤d：自动代码生成：将边缘计算程序自动转换成C代码；

步骤e：程序下载与执行：将转换成C代码的程序下载到边缘控制器中运行；

步骤f：在线监控与参数调整：在线修改边缘控制器控制参数，直到获得设定的控制效果。

2.根据权利要求1所述的一种面向智能制造的边缘计算控制器，其特征在于，所述中间件包括：

数据管理模块，用于存储设备状态数据；

状态管理模块，用于动态维护设备状态数据；

工业控制模型库，提供用于运动控制、逻辑控制、图像识别中的至少一种的控制算法；

边缘计算模型库，用于存储设备抽象模型，将增加语义标签的数据信息对应至设备抽象模型，得到具备真实物理信息的设备抽象模型发送至应用层；

运行时，用于为应用层提供的软件运行环境。

3.根据权利要求1所述的一种面向智能制造的边缘计算控制器，其特征在于，所述应用层包括：

网络服务，用于将中间件中的设备状态数据汇总并发送至边缘服务器，同时获取边缘服务器数据和服务，为上位机开发提供通讯接口并接收上位机的程序部署；

控制服务，用于根据状态管理模块的设备状态数据和边缘计算模型库中的设备抽象模型，在来自上位机部署的程序中调用工业控制模型库中的控制算法，实现对设备的控制。

4.一种面向智能制造的边缘计算控制器工作方法，其特征在于，包括以下步骤：

步骤S1：边缘控制器固件层接受的报文；

步骤S2：报文解析：对接收到的报文信息按照不同的通讯协议进行处理，获取数据；

步骤S3：数据提取：提取边缘控制器需要的数据；

步骤S4：数据分析：对提取的数据做预处理；

步骤S5：硬件抽象：将硬件抽象化，对预处理后的数据按照所表征的物理信息进行分类，描述成具备物理含义的数据信息；

步骤S6：语义映射：对数据信息标注语义标签，映射到边缘计算模型库中，得到具备真实物理信息的设备抽象模型，该语义标签对应边缘计算模型库中的模型描述信息；

步骤S7：控制服务：边缘计算模型库中设备抽象模型输出的数据进入到控制服务中，进行控制计算；

步骤S8：网络服务：采用发布、订阅对数据进行分发；

边缘计算控制器开发的步骤具体为：

步骤A：需求分析：分析所控制的工业设备的控制要求，工艺要求；

步骤B：功能设计：针对不同的工业设备，设计相应的控制器功能；

步骤C：模型划分：将控制器按照功能划分为多类功能模块，每个边缘计算控制器至少包含一类功能模块；

步骤D：本地检索模型库：针对划分后的设备模型，在本地检索，是否包含在本地的边缘计算模型库中，若存在，进入步骤H；若不存在，则进入步骤E；

步骤E：云端检索模型库：针对划分后的设备模型，在云端检索，是否包含在云端的边缘计算模型库中，若存在，进入步骤H；若不存在，则进入步骤F；

步骤F：模型开发：若不存在可用的控制器模块，则封装对应的功能模块；

步骤G：模型下载：将控制器模型从云端下载到边缘控制器中；

步骤H：程序仿真：对建立的边缘计算控制器进行数值仿真；

步骤I：测试与验证：对控制器仿真结果进行观测；

步骤J：发布：边缘计算控制器满足设计需求时，将程序发布到云端；

边缘计算控制器部署的步骤具体为：

步骤a：硬件在线匹配：判断网络内是否有边缘控制器，如果存在进入步骤b，若不存在，重复本步骤；

步骤b：模型接口匹配：判断入网设备是否具备程序所需的模型接口，如果存在进入步骤c，若不存在，重复本步骤；

步骤c：模型编译：编译程序代码；

步骤d：自动代码生成：将边缘计算程序自动转换成C代码；

步骤e：程序下载与执行：将转换成C代码的程序下载到边缘控制器中运行；

步骤f：在线监控与参数调整：在线修改边缘控制器控制参数，直到获得设定的控制效果。

Images