智能制造物联与信息物理融合系统(1307).doc

智能制造物联与信息物理融合系统
摘 要：本文在介绍制造物联发展机遇基础上，分析其存在特性和面临的挑战，结合其生产流程，设计了一种智能制造物联系统架构，提出了一套实现智能制造物联信息可靠感知，实时数据传输，海量数据处理的关键技术体系和实现方案，并通过在智能制造物联中引入信息物理融合系统，实现了智能制造物联的生产全流程的精确控制和智能服务功能，使制造业生产朝着精益化、智能化、服务化方向发展。文章最后以团队中从事过一个项目为案例，结合上述方法和技术，对项目实现过程进行说明。
关键词: 制造业；物联网；信息物理融合系统
中图分类号 TP393.04 文献标识码 A

Internet of Things for Smart Manufacturing and Cyber-physical Systems

Abstract：This paper designs the system architecture of smart Internet of Things for manufacturing and proposes a set of key technology system and the realization method of dependable sensing, real-time data transmission ,mass-data processing for Internet of Things for manufacturing , combined with the production process based on the analysis about challenges and development opportunities faced for Internet of Things for manufacturing. In order to achieve accurate control and intelligence services for Internet of Things for manufacturing , It introduces Cyber-physical Systems(CPS) in this paper, Moving the manufacturing toward the direction of the lean, intelligent, service -oriented .At last, the article briefly describes the realization of a project with methods and technologies described above in our teams.

Key words: Manufacturing; Internet of Things; Cyber-physical systems

1 引言
制造业是国民经济的重要支柱产业, 是经济社会发展的重要依托。随着科技进步，全球经济一体化和信息技术的飞速发展，全球制造业正向全球化、精益化、协同化、服务化、绿色化、智能化方向发展，全球制造业的制造模式和市场竞争格局也正在发生深刻的变化。这给我国制造业特别是离散制造业的环境带来深刻的变革，使制造企业面临着严峻挑战。
我国是制造大国, 也是全球制造业基地，拥有高端装备制造、机械加工、电子元器件制造、汽车、服装、家具、五金、医疗设备、玩具等重要制造行业。劳动力密集，多批次，多品种，多批量，混线生产，工艺过程复杂是离散制造业生产过程的基本特征。制造业全球化的发展，制造模式和市场竞争格局的变化，使得我国制造业特别是离散制造业中存在劳动力成本过高、生产效率偏低、能耗较大、服务水平相对落后等问题开始突显出来，严重影响我国制造企业的市场竞争力和影响力。
国家鼓励产业转移、升级给制造业注入了新的活力，但制造企业在生产与管理革新上遇到重大困难，制造企业面临着非常复杂程度信息流采集，传输，处理问题。以制造过程中相对复杂的离散制造业为例，比如：某服装企业在服装生产缝制车间，拥有30条生产线，每天每条生产线的管理员需要处理400个随工单，同时单条生产线上有员工40余人，仅缝制车间员工计件统计一项，就需要处理480,000条信息，而服装生产还包含剪裁、水洗、熨烫等多道工序，目前所有信息基本依靠人工统计与处理；某制造企业在船舶制造装配过程中，涉及的各种装置、设备非常繁杂，其主要装置类别就有主机装置、辅机装置、甲板机械、舾装设备、通信导航设备、通用机械设备、船用材料、安全救生设备等等，不同类型船舶所需的具体装置也会有所不同，这就导致船舶制造装配过程异常复杂，而目前整个制造装配过程的管控也基本依靠人力。另外，制造业复杂链条包含从原材料采购、生产制造、仓储、物流与终端服务等各个环节，而这些环节通常具有较广的地域分布，也使得信息获取比较困难。目前各类离散制造企业难以实时准确掌握实际生产过程的复杂信息流，这严重影响制造企业的生产管理与控制水平，进而造成较高生产劳动力成本、能耗，其生产效率与服务水平也难以提升。为解决上述问题，智能制造物联作一种新的技术需求便应运而生。
智能制造物联网技术是物联网技术在制造业领域深化应用的产物，是一种涉及通信、计算机、机械，自动化、工业管理、智能决策等多个学科的理论、方法和模型的技术。它涵盖了信息感知识别、网络通信、处理应用等各层面技术，涉及工业智能传感器、RFID标签、RFID读写器、工业测控网络、智能终端、中间件和信息服务平台等相关软硬件产品。它突破现有制造系统在信息获取、控制、人机交互和管理方面的集成度差，协同能力弱的局限，并通过制造环境下感知设备（RFID、传感器等）的分布式协同提高制造系统的性能，大幅提高制造效率和产品质量，创新企业运作模式和业务流程、降低产品成本和资源消耗，为用户提供更加透明化和个性化的服务，并将支撑制造业向人机和谐的智能制造方向发展，是推动制造业精益化、协同化，绿色化发展的有效手段。
智能制造业物联网通过突破制约制造物联技术一些关键问题，可以有效解决制造业生产过程复杂信息流实时可靠采集，传输和处理的问题，实现智能制造的一些关键功能。但是智能制造物联网还不能实现制造生产过程的管控，需引入信息物理融合系统，实现对制造生产过程精准控制和智能服务，从而催生智能制造业向精益化，协同化，绿色化，智能化，服务化方向发展,实现我国制造企业从加工、装配等制造业价值链的中低端向价值链高端发展。
本文主要从制造物联网结构和生产过程入手，聚焦制造物联发展过程中面临的新需求和挑战，结合物联网技术和信息技术等，提出一种智能制造物联系统参考体系构架和实现方案，并在其基础上引入信息物理融合系统，实现对智能制造流程的精确控制和智能服务，以提升智能制造物联的感知可靠性、传输实时性、处理海量性，控制精准性，服务智能性，以确保制造执行过程的高效、健康运行。
文章的组织结构安排如下：文章的第二部分主要介绍制造物联的网络特性及面临挑战；第三部分主要介绍智能制造物联的体系结构；第四部分介绍智能制造物联涉及的关键技术及实现。第五部分介绍智能制造物联中引入的信息物理融合系统；第六部分介绍面向智能制造物联中信息物理融合系统涉及的关键技术及实现；第七部分以本团队从事一个项目为案例子，结合上述技术，具体说明该项目的实现过程；第八部分是文章小结。
2 制造物联网特性及面临挑战
由于目前制造企业本身存在特殊性：应用场景复杂，缺乏相应的标准、规范以及与制造业相关的技术支撑，严重制约了制造物联的大规模的应用，制造物联的发展面临着许多重大挑战。通过对一些典型离散制造企业的调研和相关制造生产项目实施的实践过程，发现了制造物联存在着如下一些特性和面临着如下一些挑战：
(一)环境特性：相比其它行业应用环境，制造业有着比较恶劣和苛刻应用环境特性。主要表现为：（1）多源干扰性：制造物联中存在强电磁、金属介质、多障碍物、高温、高湿、强震动等干扰；（2）混杂动态性：制造物联中存在生产环境动态变化、制造资源快速流动等混杂变化；（3）混杂动态性：制造业中存在生产环境动态变化、制造资源快速流动。
上述环境特征造成制造物联中（1）感知节点造成不可用；（2）感知对象不可达；（3）动态对象不可跟，给制造业生产复杂运行状态的可靠状态感知以及工艺过程中数据感知实现带来巨大困难。所以如何在异构混杂制造物联环境中研究一种可以实现数据可靠感知的策略成为我们当前研究一个主要问题。
(二)网络特性：相比其它行业应用网络环境，制造物联网络有着自己独特网络特性。具体可表现为：（1）大尺度多跳：制造物联中网络覆盖制造业全流程；（2）高度异构：制造物联中有线，无线同路并存，各类传输，驱动执行节点并存；（3）动态拓扑：制造物联中感知节点随部署对象动态移动、信道可用性动态变化等。
上述网络特性给制造业物联网的实时可靠传输带了巨大困难：（1）链路稳定性难以保障；（2）端到端延迟难以预测；（3）异构网络难以协同；（4）网络实时状态难以认知；（5）数据传输带宽难以满足。加上制造物联中网络资源受限、拓扑动态与环境苛刻、网络混杂等限制，导致制造物联中数据传输的实时性、可靠性与准确性受到严重影响。因此如何在大尺度异构动态网络的制造物联环境下研究一种数据实时可靠传输机制成为我们当前研究一个重要方向。
(三)数据特性：制造物联中数据存在着如下特性： (1)海量多源性：制造物联中RFID、传感器等自动快速产生的数据流;(2)高时空关联性：制造物联中移动对象连续感知、不同对象相互关联;(3)强不确定性：制造物联外部干扰导致误感、漏感、丢包等。
上述数据特性导致了制造物联中面临着海量动态数据流(1)难以及时处理；(2)多样性业务数据难以智能区分；(3)数据关联特性难以准确描述；(4)不确定数据难以直接使用。加上制造物联规模非常宏大，生产过程存在广泛时空性，网络数据传输存在动态时延性，使得制造物联中海量数据处理十分困难。所以在制造物联的环境中，如何去研究出一种可以海量处理多源动态数据流的智能方法，成为我们当前关注的一个热点问题。
(四)控制特性：制造业的控制特性存在如下一些特性：(1)多源干忧性：制造物联中控制易受网络的时延、包丢失和噪音干扰等因素影响;(2)多样性：制造物联中受控对象繁杂，过程多样，状态变化无常，控制种类繁多;(3)复杂性：制造物联中服务内容丰富，结构复杂，控制功能齐全 。
上述控制特性导致了导致现有工业控制方法不适合智能制造物联中生产流程控制。现有制造物联中控制面临着控制范围窄；控制对象单一，控制精度不高；控制效果不显著挑战。所以，如何在智能制造物联中去实现一种制造业生产流程的精确控制方法，成为我们当前关注热点问题。
(五)服务特性：制造业下服务特征主要表现如下：(1)多样性：智能制造物联中服务要求内容多样性，功能复杂性，表现形式各异；(2)低时滞性：智能制造物联中服务要求有短的响应时间；（3）大规模性：要求适用于制造物联中不同领域，对象和生产过程。
上述服务特征导致了导致目前现有工业系统提供服务难于直接应用智能制造物联。智能制造物联中面临着服务功能不可靠；服务内容不可信，服务效果不显著挑战。所以如何在智能制造物联中去提供智能服务成为摆在我们当前关注的一个主要问题。
3 智能制造物联的体系构架
3．1 智能制造业物联网系统
智能制造物联是将网络、嵌入式、RFID、传感器及执行器等电子信息技术与制造技术相融合，实现对产品设计、制造与服务过程中制造资源与信息资源的动态感知、智能处理与优化控制的一种新型的制造模式和信息服务模式。它通过在以感知、通信、互联为特征的制造业物联网技术上，引入信息物理融合系统，实现提高人与物理世界交互的能力，大大提高制造系统的性能，大幅提高制造效率和产品质量，创新企业运作模式和业务流程、降低产品成本和资源消耗，为用户提供更加透明化和个性化的服务，给制造业带来革命性的影响同时，推动制造业朝着精益化、智能化、服务化方向发展。
与当前已有制造业执行系统相比，我们所提智能制造业物联网核心目标在强调在对复杂制造业系统可靠感知的基础上，实现对其物理过程进行精确控制。通过以精确的过程控制获取到可靠信息，以实时高效传输手段传输数据，以智能快速方式处理获取海量数据，以高精度快响应方法提供精准反馈控制，并在科学的决策支持下对制造生产过程进行服务和管理。它通过将分布在物理制造资源中对象可靠感知技术，数据实时传输技术，数据海量处理技术，精准控制技术和智能服务集合起来，推动制造企业的底层自动化系统向网络化、智能化方发展，大幅提升生产设备和工艺过程的综合管控能力。在智能制造物联中可以信息进行可靠感知，数据实时可靠传输，海量数据处理，过程精准控制和系统智能服务等是基于智能制造物联的制造执行系统的重要特征。
3．2 智能制造物联系统体系构架
本文提出的面向离散制造业的智能制造物联系统体系结构模型如图1所示，该体系结构模型主要由信息感知、数据传输、海量信息处理、精确控制和智能服务等五部分构成。

图1 离散制造业的智能制造物联系统体系结构模型图
如上图1所示，数据感知主要通过实，虚感知设备，RFID、传感器等多源感知技术，对制造全过程中人、物料、生产设备、生产过程、产品及服务等繁杂信息进行采集，实现制造资源物物互感，其中混杂动态环境下感知节点部署优化与非确定性过程协同感知机制是关键。数据传输实现异构网络融合互联与数据实时可靠传输，制造业应用（尤其是关键控制过程）对数据传输的实时性与可靠性有着比较苛刻的要求，设计符合制造物联中环境的可靠路由传输策略与链路调度技术非常重要。海量信息处理主要对大量多源实时数据流进行处理，包括数据流事件检测平台及基于优先级调度模式匹配和快速响度策略，以提高系统处理海量数据速度。面向智能制造物联系统的精确控制和智能服务，主要实现制造业中复杂物理过程精确化控制，对制造业生产过程的反馈控制过程进行管理和服务。信息感知、数据传输、海量信息处理、智能服务构成一个反馈控制过程，实现制造业物理过程与计算过程的无缝融合。
4 智能制造物联涉及到的关键技术及实现
目前制造业多数都是针对单一生产环节，难于满足智能制造业全流程要求进行精确控制需求。要实现智能制造全流程的精准控制，首先需要解决智能制造物联中信息可靠感知、数据实时传输、海量数据处理三个关键问题。本章主要从智能制造物联化过程中可靠信息感知，实时数据传输，海量数据处理所涉及到的①智能制造物联混杂动态环境下感知节点部署优化机制；②智能制造物联中非确定性过程协同感知策略；③智能制造物联中业务感知实时可靠路由传输方法；④智能制造物联网实时可靠链路调度技术；⑤面向海量数据处理的多源动态制造业数据流事件检测平台和⑥基于优先级调度的事件模式匹配模型和快速响应策略等六个关键技术及实现方法进行阐述。
4．1智能制造物联中可靠信息感知机制
智能制造物联中可靠信息感知技术是实现制造物联中生产过程的实时信息主动感知的前提和基础，其任务主要是承担对各生产环节中包括人、物料、产品的实时跟踪、识别与定位，以及对生产设备工况、生产过程、生产环境等不确定性过程的感知，其目的主要确保制造全流程多源信息的实时、精确和可靠获取。其实现的关键要解决智能制造物联混杂动态环境下感知节点部署优化机制和非确定性过程协同感知策略等问题。
4．1．1混杂动态环境下感知节点部署优化机制
对于节点配置中布局优化问题，目前研究主要集中在普通环境下的传感器网络节点配置中网络的生存时间[1]、网络覆盖[2]、网络连通性[3]和网络的容错性[4]等方面问题。研究特点都是针对某个具体工程级别进行实施的，没有涉及到对制造业这个环境进行研究。
本文在研究普通环境下的传感器网络节点配置方法和研究制造物联网络中网络障碍、节点感知能力、节点能量、信道条件、传输业务等因素的基础上，提出通过构建网络场景模型、感知模型、业务模型、能量模型、链路模型去建立感知节点时空配置优化数学建模和感知节点配置智能寻优与动态演进算法。提出实现制造物联网感知节点配置优化路线如下图2所示：

图2 制造物联网感知节点配置优化实现路线
如上图2中，针对制造物联感知节点时空配置优化问题，具体提出了在依据制造物联的网络系统模型，优化目标与约束条件基础上，考察解决优化问题的各种智能优化算法（如遗传算法、粒子群算法、蚁群算法、模拟退火、禁忌搜索等），分析其在制造物联中网络初始布局的适用性，并利用智能优化算法，探索制造物联网感知节点配置的优化方法，根据算法的各种评价指标（如收敛性、最优性、计算复杂度等），建立网络布局的优化算法。
针对制造物联网感知节点配置动态演进问题，具体提出了在对当前制造物联网络的特征参数和所处的环境进行监测基础上，依据优化目标函数与约束条件，决定是否需要对感知节点配置进行修复方案操作。
4．1．2非确定性过程协同感知策略
目前多节点协同的感知机制研究主要集中在紧急事件监测与警报机制[5]，目标监测机制[6]，多移动目标协同跟踪机制[7]，可靠事件检测机制和移动优化调度算法[8]等方面。但是目前研究缺乏对制造物联这个特殊环境特性加以考虑。
本文在对目前多节点协同的感知机制进行研究基础上，提出了实现智能制造物联中多节点协同感知机制的最关键三个问题：网络感知节点服务描述与可用性问题，制造物联网多感知节点最优选择与动态更新策略问题和感知节点受外部环境动态变化影响和不确定过程中动态变化问题提出了相应的解决方案。提出实现智能制造物联中协同感知关键技术结构图如下图3所示。

图3 智能制造物联协同感知关键技术结构图
如上图3中，对于制造物联中网络感知节点服务描述与可用性问题，具体提出了在研究和利用本体模型基础上，建立感知节点基于语义的资源描述与服务表示模型，并利用Petri网、图论等理论与技术，构建了感知节点的空间关联与服务关联模型，并综合考虑了外部物理环境、感知距离、角度、信道条件等因素对节点感知能力的实际影响，建立了感知节点可用性评价机制。
针对多感知节点最优选择与动态更新策略，具体提出在根据感知节点空间分布与可用性指标基础上，充分利用启发式、粒子群、遗传演进等智能寻优算法，并结合准确率、场景可重建度等优化目标，求解得到最优的感知节点组合和高效快速收敛的寻优算法。
针对感知节点受外部环境动态变化影响和不确定过程中动态变化的特点，具体提出利用感知信息作为观察值，在基于隐马尔可夫模型、状态机模型等不确定性过程去进行描述与建模，对不确定性过程当前与后续状态进行推理与预测，动态更新感知策略，并采用动态组簇的组建机制，对失效节点退出与新节点加入进行高效管理。
4．2 智能制造物联中实时数据传输机制
智能制造物联中实时数据传输主要任务是依赖复杂制造业物联网中异构混杂网络的无缝联合，将制造过程复杂车间环境中涉及的动态制造信息如操作员工、在制品、物料等的移动信息和状态信息、工件的加工信息、设备的工况信息等进行及时传输任务，实现全工业流程实时可靠数据传输。实现制造物联环境中网络可靠数据实时传输功能，关键在于保障如下两方面内容研究：
4．2．1智能制造物联中业务感知实时可靠路由传输策略
关于目前可靠路由传输策略的研究，主要集中在无线网络实时可靠路由处理方法方面，如提出了以权重为链路概率负对数方法[9]，传输链路数ETX、期望的传输时间ETT和往返时间RTT为期望值方法[10]，最短路径算法来度量最小代价路径方法[11]等。但是上述研究共同点都没有涉及到制造物联固有的网络特性。
本文在研究现有可靠路由传输策略基础上，结合制造物联的网络特征，提出了根据制造物联感知节点配置方案的特征，采用图论知识去分析图形特征，提取连通度、点边关系，结合传输模型，在分析比较模型优缺点和具体要求基础上，提出路由传输具体算法并构建网络仿真平台，从而验证路由策略的有效性，评估其性能。提出智能制造物联中业务实时可靠路由传输策略实现路线下如4所示。

图4 智能制造物联中数据实时可靠路由传输策略实现路线
4．2．2智能制造物联网实时可靠链路调度技术
针对可靠链路调度技术研究问题，目前研究也主要集中在无线传感网方面。如在链路调度方面，提出了功率控制的链路调度问题[12]，TDMA链路调度问题[13]，实时数据流链路调度策略[14]等问题。
本文提出智能制造物联网中实时、可靠的链路调度实现路线图如下图5所示。主要工作建立了智能制造物联中链路调度问题的数学优化模型和提出基于物理干扰模型的链路调度算法。

图5 制造物联网络中实时、可靠的链路调度技术路线
在上图5中，对于链路调度问题的数学优化模型，具体提出在依据网络协作、网络编码等理论基础上，分析并建立制造物联网络环境下各节点的协作机制，进而依据最优化理论和建模方法，已确定的网络拓扑和路由方案和网络干扰模型以及网络的实时可靠性评估方法，建立链路调度问题的数学优化模型。
对于链路调度算法提出与分析：具体提出在根据链路调度问题的数学模型基础上，依据实际网络实时可靠性需求，提出基于物理干扰模型的链路调度算法，分析链路调度算法的时间复杂度和空间复杂度等，对链路调度算法的性能进行评估和验证。
4．3 智能制造物联中海量数据处理机制
在制造物联中，由于大量感知器件的部署产生了大量的原始数据，为提高海量数据处理的性能，需要采用复杂数据处理技术去处理上述大量原始数据。目前，对于数据处理方面的研究，主要集中在数据清洗方法[15-17]，数据应用类型[18-20]，数据检测[21-23]等方面问题。处理数据的环境主要针对各种特定条件的环境，还未对制造物联这个特殊环境中数据进行过研究。
智能制造物联中海量数据处理机制的优劣直接影响到智能制造物联的整体性能。在本文中，为了提高智能制造物联中多源动态海量数据流的处理性能，设计了一个面向制造业海量多源动态数据流处理的事件检测平台和提出一种基于优先级调度的事件模式匹配模型和快速响应策略。
4．3．1面向制造业海量多源动态数据流处理的事件检测平台
构建的面向海量数据处理的多源动态制造业数据流事件检测平台系统结构如图6所示：

图6 面向制造业海量多源动态数据流处理的事件检测平台系统结构图
如图6所示，设计的检测平台主要包含基于语义的业务逻辑定制模块、复合事件检测算法开发与分析模块和仿真环境配置模块三大模块。其中业务逻辑定制模块支持业务逻辑/规则的定制、感知设备在应用环境中的配置，主要用来选择可视化定制和语言定制，设计通用的业务逻辑定制接口和逻辑，简化整个业务规则定制和解释。事件检测开发与分析模块包含规则优化模块、公用规则库、复合事件检测算法库、优先级调度、事件响应执行模块、检测算法性能分析及性能分析归档模块。仿真环境配置主要包含对系统环境特征及设备特征（重要性）的配置和以文件的形式传递定制及配置的信息传递给复合事件检测算法开发分析模块。
4．3．2基于优先级调度的事件模式匹配模型和快速响应策略
设计的基于优先级调度的事件模式匹配模型和快速响应策略实现路线如图7所示。

图7 基于优先级调度的事件模式匹配模型和响应策略实现路线
图7中实现路线涉及到实现内容主要包括：优先级具体调度，业务到事件模式的映射，事件模式匹配的描述，事件模式的复杂度量化等方面。其工作过程主要是通过定义各子事件的优先级，描述子事件所在复合事件匹配模型中的优先级，以实现依据事件模式优先级调度策略，使事件模式匹配和系统响应的执行满足定时约束的目的。
5 面向智能制造物联的信息物理融合系统
由于智能制造物联中信息可靠感知、数据实时传输与海量数据处理只解决了制造业生产过程中信息采集与分析计算的问题，实现了只是物物互联，但还未能最终实现制造业生产过程中精确管控和信息智能服务功能，需进一步解决这个问题。由于信息物理融合系统能够将智能制造物联中信息感知、传输，计算与智能制造工业中制造物理过程的精确控制和信息服务进行无缝融合，在实现物物互联的基础上，强调进一步对物的实时、动态的信息控制与提供信息服务，以达到智能制造物联信息可靠感知，数据实时传输，海量数据处理，过程精确控制和服务智能提供的交互融合，所以在智能制造物联中，信息物理融合系统便作为这样一种技术需求而应运而生。
信息物理融合系统是一个综合计算、网络和物理环境的多维复杂系统，通过计算、通信、控制技术的有机融合与深度协作，可以实现复杂制造业的实时感知、动态控制和信息服务，从而最终实现复杂制造业的过程协调优化与行业节能。
目前关于信息物理融合系统的研究还处于起步阶段，多数研究在探讨CPS在各个应用领域中的初步的体系结构[24-26]。面向制造物联网的信息物理融合系统[27-28]还未有深入研究，其网络体系结构、服务体系结构、服务提供优化机制、计算过程与物理过程融合模型、精确控制等理论与技术都有待深入研究。信息物理融合系统在智能制造物联中作用示意图如图8所示。

图8 信息物理融合系统在智能制造物联中作用示意图
在智能制造物联中，要实现制造业信息处理过程与物理生产过程无缝融合，关键要实现智能制造物联精确控制和智能服务技术，这需要应用到信息物理融合系统技术，这也是智能制造物联中引入信息物理融合系统最重要原因。
6 面向智能制造物联信息物理融合系统涉及关键技术
6．1.智能制造物联中精确控制技术
智能制造物联中实现精确控制主要目的是为了保障制造业的高效运行（信息化与自动化等），使制造业整个生产过程呈现自动运行，安全可靠、高性能实时等特点，创造出最大效益。在目前工业中实现精确控制方法方面，主要集中在采用了设定界限值、设定标识和对异常进行预测等方法去解决因系统构成复杂、多时变、使用环境复杂等原因导致系统时延与丢包随机性、干扰多样性等现象，从而造成系统精确控制难于实现重要问题[29-33]。当前工业中精确控制存在总特点是控制结构简单，内容单一，精度不高，且未涉及到制造业这个特殊行业进行研究。
在智能制造物联中，实现物理进程与计算进程循环交互反馈和节点间信息的交互与协调合作是实现制造物联的精确控制能力的根本所在。对制造物联中现象产生的起因进行及时有效分析，判断并采取相应有效措施消除其影响，是本文实现制造物联精确控制的基础性工作，也是本文所提方法的根本出发点。
基于上述思想，针对智能制造物联精确控制技术，本文提出了基于多Agent的普适性精确控制模型和基于多Agent合作与控制策略实现方案。
6．1．1基于多Agent的普适性精确控制模型
针对制造物联网的体系结构对精准控制性能的影响，在研究多Agent系统理论与技术基础上，设计了一种如图9所示基于多Agent普适性控制模型，以减少制造物联网系统结构对CPS精准控制不良影响。

图9　制造物联网控制系统体系结构
如图9所示，设计的制造物联网的控制系统的体系结构主要由物理层、网络层和信息层三层组成。其中物理层由静、动态局域网络组成，物理层中Agent具有一定的能力且彼此间可以相互沟通完成一定的任务；网络层中Agent具有动态管理本地网络中物理Agent的能力，路由能力，运行一定局部优化算法的能力以及与本层管理其它Agent和信息层管理Agent交互的能力；信息层则由具有强大计算能力的管理Agent组成，这些Agent可以组成一个或几个具有强大计算，管理与全局优化能力的网络。
6．1．2智能制造物联下基于多Agent合作与控制策略
针对制造物联网运行过程中控制状态的出现多变性，在研究制造物联网离散的运行状态及其之间的转换关系的基础上，提出一种如图10所示基于多Agent协作控制策略，以保证制造物联网的安全、稳定的运行。实现控制原理为：每个管理层中Agent存储有一定离散状态，当Agent经过推理得出状态转换的条件成熟时，Agent便从当前状态转换到另一状态，由当前状态和变化态协同共同决定控制策略。

图10　基于多Agent协作控制变化图
图中f表示期望状态值，ft表示当前状态值；tstart, tend分别表示进入该状态的时刻和当前时刻，Sij表示状态转换条件，与表示维持当前状态的状态与时间条件，Rin表示其它Agent发出的合作消息，Ai表示在i状态下执行的相应策略。
6．2 智能制造物联中智能云服务技术
目前，对于工业系统提供服务内容调研，可发现工业系统提供服务主要集中在系统数据建模方面[34-36]，系统数据存储方面[37-39]；系统数据索引查询方面[40-42]，系统云计算模型方面[43-45]等，提供服务总得存在服务内容简单，功能单一，规模小，时滞性长等特点，且还没对制造物联环境展开过研究。
实现制造物联网中智能云服务技术的关键是对制造物联网环境中数据存在各种特性进行及时有效分析并采取相应有效措施消除其影响。本文在充分考虑制造物联环境中动态变化和上下文信息对服务选择的影响基础上，提出一种面向智能制造物联的智能云服务,实现智能制造物联中海量数据信息流有效存储和快速搜索功能，为用户提供一种快速简捷服务技术。
6．2．1结合RCFile的语义数据云存储模型
针对制造物联网中数据存取高实时性、并发性、容错性和分布性需求特征以及语义数据海量小文件的存储特性，提出一种如图11所示面向制造物联网高效语义云存储模型。主要通过采用一种混合行-列模式的语义云存储模型及其优化机制去解决现有HDFS中以行为单位存储，维护元数据的NameNode压力大，实时并发访问差等问题，实现了低开销元组重构，列维度的数据压缩，节省去不必要的列读取，语义数据均衡划分和优化并发访问的处理等功能。

图11 以HDFS块内RCFile方式实现语义云存储
6．2．2以语义索引为基础的信息搜索服务
针对制造物联中信息多义、多源、高噪声的特性，在研究信息语义融合基础上，提出一种如图12所示面向智能制造物联的语义搜索服务技术。具体通过研究以语义云存储为基础的语义索引技术，以语义索引技术为基础的信息融合机制及语义信息搜索服务技术三个方面去实现面向云存储的语义索引技术。

图12 面向云存储的语义索引
在如图12中，在实现语义索引项技术时，首先需要在制造物联中实体、关系、事件、时间等典型语义项中选择索引项，然后以语义网络为基础对上述选择索引项进行图聚类，发现其内在具有语义相似性的实体群；最后在结合用户查询语义统计信息基础上，通过采用扩展fisher-ratio标准，对这些实体群按照查询重要程度进行排序。
在实现信息融合机制阶段时，我们需要将根据索引项间的相似性，构造hash函数并将语义相近的实体存储到邻近的数据存储节点（DataNode），从而实现语义相似内容可以进行高效访问，为语义层次的信息融合提供保障。
在语义信息搜索服务时，首先需要查选IndexNode的gIndex，若直接命中相关记录则直接将相关语义文件的存储信息返回，若有多个相似情况命中，则将结果提交给相关DataNode，由相关DataNode对本地的gIndex进行查询，然后查询到相关命中结果直接返回相关记录。
7 智能制造物联中典型案例应用和分析
本章主要以我们团队以往从事过一个项目—动力电池组效能优化控制物联网系统为案例，结合上述所提方法和技术，进行说明项目实现过程，具体阐述内容包括：该项目开展研究内容，实施采用一些技术，解决实际问题和研究意义。其中动力电池组效能优化控制物联网系统的结构图如下图10所示：

图10 动力电池组效能优化控制物联网系统的结构图
（1) 研究主要内容
该项目主要是对大规模电池组充放电的关键技术进行深入研究和攻关，实现每个电力电子电路能量双向流动；传感器节点对电池组充电电路和充放电过程中数据的进行精确采集，实时传输；信息数据高效关联和融合；能量的高效利用；生产管理自动化和信息化。
（2) 实施采用技术
该项目采用先进成熟的传感器及测量技术、无线高频通信技术、计算机网络技术、嵌入式自动控制技术，实现了对电池组充电电路和充放电过程数据精确采集，实时传输，高效处理和生产管理自动化和信息化，保证了单元系统能量高效利用和实用性能。具体详情如下：
数据感知层：采用了RFID技术，传感器网络技术，重点解决RFID标签和传感器节点部署策略和协同感知技术，实现对动力电池组现场信息充电电路数据，放电过程数据，设备工作状态，产品型号等数据的可靠采集。
数据传输层：采用了工业无线传感网，工业局域网和互联网技术实现了对动力电池组现场信息进行可靠实时传输，项目主要采用了路由传输优化和链路调度去保证数据的实时传输。
数据处理层：对采集到海量数据进行快速高效处理。项目主要通过采用了基于优先级调度的事件模式匹配模型和响应策略进行处理。
过程控制和服务层：对动力电池组充放电过程进行控制，能效转换提供服务。主要提供了基于模糊控制系统，基于糊糊神经网络能耗预测，动态平衡和优化调度，充放电过程优化和调度等服务实现动力电池组过程，能效控制。
（3) 解决实际问题
该项目主要解决了大规模电池组电能循环利用的DC/AC逆变技术；面向降低谐波污染的直流母线技术；基于RFID的大型传感器网络数据实时采集技术；基于以太网的系统升级及数据访问技术。
（4) 研究意义
研制出的装备的技术指标达到国内领先和国际水平，并具有自主知识产权。为面向制造物联网中可靠感知，实时传输，海量处理和精确控制研究提供丰富技术基础。
8 结束语
精益化、智能化、服务化是智能制造物联发展方向，其迫切要求智能制造物联能够进行信息的可靠感知，数据可靠传输，数据海量处理，过程精准控制和系统智能服务功能。本文从制造物联网发展机遇，面临的挑战，智能制造业物联网体系架构提出，实现关键技术体系和方法，以及信息物理融合系统引入原因，实现目标和关键实施方法和过程进行详细介绍，提出了一套关于制造业物联网信息可靠感知、数据实时传输、海量数据处理、精准控制与智能服务实现方案。提出了一套关于制造业多源混杂信息可靠感知、实时传输、海量处理、精确控制与智能信息服务实现方案。目的使读者对本文所提智能制造业物联网实现过程有一个清晰的了解。文章最后通过一个项目实例去说明运用上述技术和方法的实现过程。

参考文献
[1]. Shizhen Zhao, Luoyi Fu, Xinbing Wang, etc. Fundamental Relationship between Node Density and Delay in Wireless Ad Hoc Networks with Unreliable Links, The 16th Annual International Conference on Mobile Computing and Networking(MobiCom), 2010.
[2]. Danilo De Donno, Fabio Ricciato, Luca Catarinucci. Challenge: towards distributed RFID sensing with Software-Defined Radio, The 16th Annual International Conference on Mobile Computing and Networking (MobiCom), 2010: 97-104.
[3]. Anwar Saipulla, Benyuan Liu, Guoliang Xing, etc. Barrier Coverage with Sensors of Limited Mobility. The 17th Annual International Conference on Mob