艦船云控制系統體系架構及關鍵技術分析?

方 興

（海裝駐武漢第四軍事代表室 武漢 430205）

1 引言

自20世紀50年代末電子數字計算機應用于直接數字控制系統以來［1］，控制科學便在以計算機技術為核心的信息科學的助推下快速發展，控制理論從基于傳遞函數模型的經典控制，先后發展到基于受限狀態空間模型的現代控制理論，以及涵蓋預測控制、魯棒控制、自適應控制和智能控制等方法的先進控制理論［2］，控制系統從點對點集中式控制發展到以控制網絡為普遍要素的網絡化控制系統（Network Control System，NCS），控制系統的測控效能不斷得到提升。與此同時，以可計算性理論為起點，計算機信息系統從最初的大型機分時共享發展到基于虛擬化技術的分布式云計算架構，實現了計算資源的動態彈性擴展和集約化規模部署，為解決馮·諾依曼計算架構功耗墻和存儲墻的瓶頸問題，進一步提升云計算的效能，計算機信息系統逐步向存算一體化、異構加速計算等方向發展。

如圖1所示，一直以來，控制科學與信息科學在理論、工程和技術等方面始終保持平行獨立發展的態勢，雖然部分理論和方法互有借鑒，但二者之間從未有過深層次的交融，控制系統與信息系統之間始終存在架構不兼容、數據不流通、信息不共享的問題。

圖1 云控制系統的技術演進路線［3］

在互聯網+、大數據、云計算、5G通信、物聯網等技術的驅動下，第四次工業革命已然來臨，云控制系統（Cloud Control Systems，CCSs）成為實現OT與IT融合發展的核心技術，在云控制系統中，“云”是控制系統中的主體，“云”是控制“大腦”，云控制系統的思想在國內外學術界和工業界已經達成共識，是未來控制系統發展的重要方向，如圖1所示。艦船作為一個機械化作戰平臺，目前，在艦船機電控制系統中廣泛應用各類傳統的工業控制技術，存在數據無法互操作、技術體制不兼容、設備升級維護困難問題，無法形成一體化戰斗能力，隨著以美國海軍為代表的全艦計算環境（TSCE）的集成應用，為機電控制系統的云化帶來了機遇和挑戰，但云控制系統的研究尚處于起步階段，概念和邊界還有些抽象、模糊，研究方向也比較發散，尚未形成完備的理論體系和工程實踐方法。

2 艦船云控制系統技術架構分析

2.1 艦船云控制系統的支撐技術

云控制系統的重要標志就是在控制系統中引入云計算技術，通過綜合運用云計算的優勢、網絡控制系統的基礎理論和其他相關成果［4］，如邊緣計算、確定性網絡、OPC UA、微服務架構、人工智能等，云控制系統為解決大規模復雜系統的協同控制問題提供了可行的技術途徑。

從縱向來看，艦船云控制系統可以看作是網絡化控制系統的延伸，網絡化控制系統具有連接網絡化、傳輸數字化、結構層次化、信息集中化、控制分散化、協議漸進標準化等特征，艦船云控制系統將基于這些特征進一步深入發展；從橫向來看，艦船云控制系統將涉及到信息物理融合系統、多智能體系統以及復雜系統的優化控制［5］，因此也具備這些系統的一般通性，云平臺則為控制系統的海量數據處理、系統性能優化以及先進控制理論的工程化實踐提供平臺技術支持。

圖2 艦船云控制系統與相關技術支撐關系

2.2 艦船云控制系統的體系結構

艦船云控制系統的體系結構應涵蓋以上所有的技術成分，目前針對云控制系統體系結構的研究比較多，但大多都是基于特定的應用場景來表述，還沒有形成統一準確的描述，也缺少具體的框架結構與實現方法。

綜合分析，與傳統的網絡化控制系統體系結構相比，艦船云控制系統的構成要素主要包括艦船云平臺、云控制器、通信網絡、傳感器/執行器以及受控機電設備，如圖3所示，其中：

圖3 艦船云控制系統體系結構

1）艦船云平臺包括中心云和邊緣云，云與邊一體化協同，作為云控制器的運行載體，提供云邊一致的計算框架；

2）云控制器以控制即服務的形式位于云端或邊緣側，對現場設備直接控制；

3）通信網絡為融合控制網絡和信息網絡的一體化網絡；

4）傳感器和執行器可通過邊緣網關或直接接入艦船云平臺；

5）受控機電設備與傳統網絡化控制系統相比可以無差別，但一般更具智能化。

3 艦船云控制系統關鍵技術分析

3.1 云環境下網絡延遲預測補償控制技術

在基于云的控制系統中，云控制器與受控過程之間的相對位置是動態的，二者之間的往返延遲也隨時間動態變化，現場設備與云平臺之間的往返延遲范圍從幾十到幾百毫秒，大多數控制系統的采樣周期從幾百毫秒到幾秒，因此，大部分往返延遲可以在采樣周期內被吸收，對控制回路沒有影響。在云控制系統中，延時包括其中，分別是現場層與云平臺之間的傳輸延時，τcloudc為云平臺的處理延時。云環境的不確定性使得傳輸延時和丟包會以隨機方式出現，特別是在長距離網絡傳輸以及資源動態重構的環境下，現場機電設備運行狀態的采樣數據和云控制器發送的控制指令難以保證在有限的時隙范圍內實時傳輸，影響控制系統的穩定性。因此，需對不可靠網絡延時狀態進行有效預測，進而通過滾動時域狀態估計克服數據包丟失對控制系統的不確定性影響。

如何在不同網絡條件下準確界定云控制系統穩定性的邊界，是云環境下網絡延遲預測補償控制技術的首要問題，在非實時網絡環境下延時預測補償通常只能解決短暫隨機時延導致的不確定性問題，適合采樣率不高的非關鍵控制系統，對于長時延和時間敏感的安全關鍵控制系統，應結合邊緣計算、容錯技術和確定性網絡等技術［6］，滿足不同機電控制子系統的穩定性要求。

3.2 確定性以太網與語義級互操技術（OPC UA over TSN）

為解決以太網CSMA/CD機制無法保證工業數據確定性傳輸的問題，目前主要有三類方案共計十余種工業標準來改進以太網的實時性［7］，這些異構的工業以太網標準使得艦船機電控制系統的互聯互通被限制在各控制域內，無法滿足云控制系統對從傳感器到云端的數據聚合和數據跨系統的語義互操作性需求。

時間敏感網絡（TSN）是IEEE 802.1標準框架下的一套協議標準，以太網協議MAC層提供通用的時間敏感機制，在保證關鍵數據確定性傳輸的同時，也可以兼容現有的工業以太網協議，其主要實現思路是將網絡中不同需求的流量分配到相應的時間感知隊列中，通過流量整形機制為高優先級數據流提供確定的傳輸時隙，從而保證時間敏感數據有一條確定的傳輸路徑［8］。OPC UA是為解決OPC XML-DA的運行效率問題而開發的能夠滿足跨平臺要求的新一代工業數據訪問規范［9］，其核心是數據建模和分布式系統通信，采用面向對象的設計思想對各類機電設備實體進行信息模型，能夠處理復雜的數據結構和方法，由于不依賴于具體的底層傳輸協議，允許各系統組件在異構網絡上互操作；OPC UA Pub/Sub模型采用基于內容的消息傳遞方式將默認Client/Server的結構解耦合［10］，通過全局數據空間進一步提升了互操作的能力。OPC UA規范與TSN相結合（OPC UA over TSN），將信息模型的語義描述從云端延伸至現場層，打破了關鍵系統和非關鍵系統之間的通信阻礙，為艦船云控制系統提供一種全局開放式的數據交換模式。

3.3 云邊融合的資源一體化調度與容錯控制技術

邊緣計算［11］的是比霧計算（Fog Computing）和移動邊緣計算（Mobile Edge Computing，MEC）更具有廣泛意義的計算范式，“云-邊-端”三層架構被學術界和工業界確定為未來使能物聯網技術的基礎架構，而邊緣計算則被視為聯接物理和數字世界的橋梁，如圖4所示。從技術體系來看，邊緣計算是云計算的一種能力延伸，主要解決云計算在可靠性、安全性和實時性等方面不足的問題，這些恰恰是艦船云控制系統不可或缺的關鍵屬性，因此邊緣計算可作為強化云控制系統能力的重要手段。

圖4 云邊融合協同控制系統示意圖

艦船機電控制系統軟件一般采用“單體”結構設計，存在系統耦合度高、平臺依賴性強、軟件接口復雜、應用容錯性差等問題，難以滿足云邊融合模式下的開發模式和部署需求，無法有效利用靈活、彈性、可擴展的計算資源，因此需采用服務化設計模式對控制系統進行重構，實現可用計算資源與資源需求的映射調度。為保證控制系統的可靠性和安全性，控制器一般采用冗余設計或功能安全設計，將云控制系統的高可靠設計與云計算的容錯和高可用技術有機結合，如虛擬機在線遷移、動態可擴展、故障自恢復等，可以使云控制系統兼具靈活性、安全性和可靠性等特點。

3.4 機理模型與數據模型混合的復雜性控制技術

與基于模型的控制理論相比，數據驅動控制理論是在系統精確數學模型或非確定性描述難以獲取的情況下，利用在線實時I/O數據或者離線歷史數據來直接進行控制器的設計，是控制科學的一條重要技術方向。雖然，目前以機器學習為代表的各種數據驅動控制方法已成功應用到環境感知、決策推理、故障診斷與預測等任務中，但其在動態控制中的理論分析和應用研究仍處于起步階段。

在艦船云控制系統中，海量數據從機電設備現場層匯聚到云計算中心，呈現出多樣性、混雜性和非精確性的特點，數據驅動控制理論可以在復雜、非線性因果關系中，通過表示學習發現隱藏在數據背后變量的不同解釋因子，將高維復雜非線性控制問題近似為較低維非線性問題的疊加。因此，在海量規模數據、機器學習模型和高性能算力的支持下，通過大數據驅動的智能云控制技術來解決復雜系統的優化控制問題，具備理論和工程實踐上的可行性，并逐漸成為云控制系統的核心要素。

在復雜云控制系統中，沒有任何一種控制理論能夠適用于所有場景，通常需要多種控制方法配合使用。在基于模型的控制方法中，可以利用數據模型來處理難以建模部分或未知干擾，在數據驅動的控制方法中，可以利用機理模型產生的數據作為數據驅動控制器的初始樣本訓練集，或對數據驅動控制器的輸出控制信號進行修正。

4 基于vPLC的云控制系統架構實現

在艦船機電控制系統中廣泛采用可編程邏輯控制器（Programmable Logic Controller，PLC）作為各機電系統現場層的核心控制器，但傳統PLC的軟硬件耦合度很高，體系結構相對封閉且指令系統各異，存在部署成本高、維護難度大的問題?；谠瓶刂葡到y體系結構和關鍵技術的分析，本文在云環境中實現了一種虛擬化的可編程邏輯控制器（Vir?tual PLC，vPLC），如圖5所示，將PLC的應用模式與云計算的彈性擴展特性相結合，支持冗余控制器、功能全控制器等多種模式的一鍵自動部署。

圖5 基于vPLC的云控制系統體系結構

根據所選擇的部署模式，運維部署平臺從鏡像模板庫中下載對應的模板，然后創建并啟動相應數量的控制器實例副本，以控制即服務的形式對現場層的設備直接控制。如圖6所示，在運行階段，運維部署平臺負責vPLC控制器的全生命周期管理，包括開始、啟動、暫停、關閉等操作。

圖6 vPLC控制器全生命周期管理

傳感器、執行器等現場層數據通過網關接入遠程IO映射平臺，統一映射到IO數據資源池，各控制器在每次掃描周期開始時，從IO數據資源池中檢測輸入設備（開關、按鈕等）的狀態，完成控制任務程序執行后，將輸出刷新到IO數據資源池中相應的地址空間，從而實現控制指令的輸出，如圖7所示。為保證vPLC控制器的實時性，各虛擬機運行嵌入式實時操作系統，并為每一個控制器實例固定分配一個CPU物理核，為vPLC運行時系統提供實時、隔離的運行環境。

圖7 云控制系統實現實物圖

經測試驗證，本文實現的云控制系統符合IEC 61131標準特性，可以實現32軸伺服電機的運動控制，最大支持IO點數不少于10000點，具備功能安全一鍵自動化部署的能力。

5 結語

云控制系統是多學科交叉發展的產物，涉及到的技術領域和應用場景非常寬泛，不同應用場景下的控制系統在系統架構、數據類型、性能指標、動力學模型、系統復雜度等方面存在顯著差異，難以設計一種普適性的模型框架來滿足所有的應用需求。因此，云控制系統的發展還存在諸多挑戰，主要表現在：1）云控制系統的穩定性和可靠性評估準則，界定能否滿足機電控制系統的性能指標要求；2）與云計算服務模式融合的工程化設計問題，對現有控制系統架構進行重構；3）機理模型和數據模型混合的復雜性控制，利用數據模型來處理被控對象難以機理建模部分。