信息物理系统 (Cyber-Physical Systems, CPS)

概要

信息物理系统是一种复杂的系统，它构建了物理空间与信息空间中人、机器、物体、环境、信息等要素相互映射、适时交互和高效协同的闭环赋能体系。

技术体系

CPS 的技术体系主要分为三类:

• 总体技术：位于顶层，包括系统架构、异构系统集成、安全技术和试验验证技术等。

• 支撑技术：用于支持 CPS 应用，包括智能感知、嵌入式软件、数据库、人机交互、中间件、SDN (软件定义网络)、物联网和大数据等。

• 核心技术：作为 CPS 的基础，包括虚实融合控制、智能装备、MBD、数字孪生技术、现场总线、工业以太网以及各种工业软件（如 CAX、MES、ERP、PLM、CRM、SCM 等）。

这些技术可以归纳为四大核心要素:

• “一硬”：感知和自动控制，是实现 CPS 的硬件支撑。

• “一软”：工业软件，固化了 CPS 的计算和数据流程规则，是其核心。

• “一网”：工业网络，是互联互通和数据传输的载体。

• “一平台”：工业云和智能服务平台，是数据汇聚和支持上层解决方案的基础，提供资源管控和能力服务。

体系架构

CPS 的体系架构可分为三个层级:

• 单元级CPS：不可分割的最小单元。

• 系统级CPS：通过工业网络将多个单元级 CPS 互联互通，实现即插即用、边缘网关、数据互操作、协同控制、监视与诊断等功能。

• SoS级CPS：由多个系统级 CPS 组合而成，主要功能包括数据存储、数据融合、分布式计算、大数据分析和数据服务。

典型应用场景

• 智能设计

• 智能生产

• 智能服务

• 智能应用

---

人工智能 (AI)

概要

人工智能旨在理解智能的本质，并创造出能够以与人类智能相似的方式做出反应的智能机器。研究领域包括机器人、自然语言处理、计算机视觉和专家系统等。根据能否实现真正的推理、思考和解决问题，AI 可分为弱人工智能和强人工智能。

关键技术

• 自然语言处理 (NLP)：包括机器翻译、语义理解和问答系统等。

• 计算机视觉。

• 知识图谱。

• 人机交互 (HCI)。

• 虚拟现实/增强现实 (VR/AR)。

• 机器学习 (ML)：

  • 按学习模式分类：监督学习、无监督学习、半监督学习和强化学习。

  • 按学习方法分类：传统机器学习和深度学习。

---

机器人4.0

概念

机器人 4.0 时代是指将云端大脑分布在各个地方，利用边缘计算的优势提供高性价比的服务。除了具备感知能力实现智能协作外，机器人还应具备理解、决策和更强的自适应能力，以提供更自主的服务。

核心技术

• 云边端的无缝协同计算

• 持续学习与协同学习

• 知识图谱

• 场景自适应

• 数据安全

分类

• 按控制方式：可分为操作机器人、程序机器人、示教再现机器人、智能机器人和综合机器人。

• 按应用行业：可分为工业机器人、服务机器人和特殊领域机器人。

---

边缘计算

概念

边缘计算将数据的处理、应用程序的运行和部分功能服务从网络中心下放到网络边缘的节点上。这使得海量数据可以就近处理，无需将大量未处理的原始数据上传至远端的大数据平台。边缘计算本质上是云计算在数据中心之外的延伸和演进。

云边协同

边缘计算与云计算各有优势，两者可以协同工作。

• 云计算：擅长全局性、非实时、长周期的大数据处理和分析。

• 边缘计算：更适用于局部性、实时、短周期数据的处理和分析，能更好地支持本地业务的实时智能化决策与执行。

---

数字孪生

概念

数字孪生技术是在现实世界与虚拟世界之间建立沟通桥梁的技术。数字孪生体是物理实体的数字模型，通过实测、仿真和数据分析来实时感知、诊断和预测物理对象的状态。

关键技术

• 建模

• 仿真：将包含确定性规律和完整机理的模型转化为软件，以模拟物理世界。

• 其他技术：包括 VR/AR/MR、数字线程、系统工程、MBSE、物联网、云计算、雾计算、边缘计算、大数据技术、机器学习和区块链技术。

---

云计算和大数据

云计算

概念

云计算包含平台和应用两个方面。平台是基础设施，类似 PC 上的操作系统，云计算应用需构建在其上。计算和存储通常在“云端”完成，客户端通过互联网访问。

服务方式

• 软件即服务 (SaaS)

• 平台即服务 (PaaS)

• 基础设施即服务 (IaaS)

• 灵活性：SaaS → PaaS → IaaS 依次增强。

• 便捷性：IaaS → PaaS → SaaS 依次增强。

部署模式

• 公有云

• 社区云

• 私有云

• 混合云

大数据

概念

大数据是指那些规模或复杂性超出常用软件工具在合理成本和时间范围内进行捕获、管理和处理的数据集。这其中包括数据获取、存储、搜索、共享、分析和可视化等方面的挑战。

特点

• 大规模

• 高速度

• 多样化

• 可变性

• 复杂性