工業控制系統的信息物理因果流模型
2021-04-09 05:46:57陽小華張俊杰羅永堅馬家宇劉杰劉華
計算技術與自動化 2021年1期
陽小華 張俊杰 羅永堅 馬家宇 劉杰 劉華
摘 要：工業控制系統向智能控制的發展隨著人工智能的因果革命也應該進行因果建模的思考。通過提出工業過程控制系統的單、多層信息物理結構，引入信息、物理因果流，建立過程控制系統的信息物理因果流模型，為依據因果關系設計工業控制系統、分析控制運行機制、實施系統故障預測和監控等提供理論基礎和描述框架。
關鍵詞：過程控制系統;信息物理結構;因果流模型
中圖分類號：TP13????? 文獻標識碼：A
Cyber-physical Causal Flow Model of Industrial Control System
YANG Xiao-hua， ZHANG Jun-jie， LUO Yong-jian， MA Jia-yu， LIU Jie， LIU Hua
（School of Computer/Software，University of South China，Hengyang，Hunan 421001，China）
Abstract：The development of industrial control systems to intelligent control should be considered for causal modeling along with the causal revolution of artificial intelligence. By delimiting single and multi-layer cyber-physical structures of industrial process control systems， introducing cyber-physical causal flows， and establishing cyber-physical causal flow models of process control systems， we provide the theoretical basis and description framework for design of industrial control systems， analysis of control mechanisms， and implement of fault prediction and monitoring based on causality.
Key words：process control system; cyber-physical structure; causal flow model
德國工業4.0預測信息物理融合系統CPS （Cyber-Physical Systems）是工業控制系統（ICS，Industrial Control System）的發展方向[1]。CPS的涵義是計算資源與物理資源緊密結合與協同，數據日益成為智能制造的核心資源，人工智能技術正在觸發制造工業中模式、方法、生態的改變，工業控制正在向“數據驅動”的智能控制轉型。
大多數智能控制方法可以歸屬到機器學習中，特別是歸納學習[2]。而人工智能、機器學習正在從基于相關關系向以因果模型為基礎轉變。圖靈獎得主、貝葉斯網絡之父Judea Pearl在NIPS 2017的報告和隨后的論文中提出了對機器學習，特別是深度學習背后理論的思考[3-4]。依據Pearl的觀點，目前機器學習的方法有難以逾越的內在限制，很多任務是當前使用相關關系的系統無法實現的，人類的AI不能單純地從盲模型的學習機器中出現，它需要數據和模型的共生協作，統計關聯關系必須結合因果建模才能完成。Michael l. Jordan、Yann LeCun、李開復等人工智能專家都認為AI應奠定在因果關系的基礎上，因果關系是人工智能、機器學習等的基石[5-7]。羅振兵教授提出的基于新型因果邏輯原理控因致果的科學方法論——因控論[8]、郭雷等提出的因體果[9]、楊洪玖提出的因果場[10]等理論對因果關系在智能控制系統的應用都進行了有益的探索。
因果關系作用學派認為因果關系是原因實體通過施加作用改變結果實體而產生，因果作用就是在原因和結果之間傳輸和交換了某些守恒量[11-12]。從CPS角度，因果作用通過傳遞物理量或信息量達成，可以用信息物理因果流描述。因果關系及其作用過程在復雜性科學、系統科學哲學等領域已開展了大量研究。但是迄今為止，關于工業控制系統的因果流研究非常有限，而針對信息物理因果流模型的研究更為缺乏。
從CPS的角度為工業控制系統（以下簡稱工控系統）建立分層信息物理結構，將信息物理因果流引入工控系統，建立了工控系統的信息物理因果流模型，旨在為基于因果流的智能控制系統分析、設計、監控、失效處理等奠定基礎。
1 簡單控制系統的信息物理因果流
1.1 簡單控制系統的信息物理結構
簡單控制系統的典型結構如圖1。
簡單控制系統的反饋循環控制機制構成了CPS的最基本的監測與控制功能[13]。將上圖做一個90度左旋的變換，劃分信息和物理子系統，得到工控系統的信息物理結構圖2。
感知器將感知的被控對象信息反饋給控制器。控制器接受外部的控制目標信息與感知的被控對象信息，根據控制規則算法計算得到控制指令，然后向執行器發出控制指令。執行器根據接收到的控制指令產生物理作用，作用于被控對象，從而實現被控對象的狀態變化。
控制器的輸入輸出都是信息量，內部實現信息態的處理和轉換，屬于信息子系統;被控對象接收執行器的物理量輸入，改變其物理狀態，屬于物理子系統。感知器與執行器作為物理子系統和信息子系統的接口，實現信息流和物理流之間的轉換，本身由融合信息和物理系統，其中感知器的輸入是物理量，經過內部子系統間相互作用，輸出是信息量;執行器的輸入是信息量，輸出是物理量，執行器的功能類似控制系統。
以輸出狀態衡量，將感知器劃入信息系統、執行器劃入物理系統，認為控制系統的信息子系統由控制器和感知器組成，物理子系統由執行器和被控對象組成。
按照控制系統的狀態模型，屬性變量集合的值就是系統的狀態，狀態的變化成為事件。典型的簡單控制系統有四類內部事件——感知事件、控制事件、執行事件和被控事件以及兩類涉及系統外部的事件——目標事件、輸出事件。
感知事件Es：當感知器的輸出狀態由vs變化為vs時，產生感知事件es=（vs，vs），所有可能發生的感知事件集合EsVs×Vs
控制事件Ec：當控制器的狀態由vc變化為vc時，產生控制事件ec=（vc，vc），即控制事件集合EcVc×Vc
目標事件Eg：外部系統向本層系統發出控制指令的事件，一般為上層系統的控制事件。
執行事件Ea：執行器的輸出狀態Va發生變化，即集合EaVa×Va
被控事件Ep：被控對象的狀態Vp發生變化，即集合EpVp×Vp
輸出事件Eo：由本層系統被控事件導致的外部系統被控事件。
以上首字母小寫表示某一事件或狀態，大寫首字母表示事件或狀態元素構成的集合。
1.2 簡單控制系統的信息物理因果流模型
鑒于其基礎性和普遍性，因果關系在哲學和科學中都曾給出大量不同的定義。就因果載體而言可以將因果關系定義在事物之間、狀態之間或事件之間。作用學派的代表人物邦格將因果關系定義為原因事件對結果事件的作用[14]，以狀態空間模型為基礎的因果模型非常適合工業控制系統。
將簡單控制系統的因果關系建立在事件基礎上，以上六類事件中的目標事件、感知事件和控制事件由于其狀態是信息量，稱為信息事件;由于其狀態是物理量，執行事件、被控事件和輸出事件稱為物理事件。6類事件之間存在3種信息流和3種物理流，支撐起因果作用，導致各類事件的次第發生。
目標事件Eg產生控制目標信息流Fgc，控制器接收Fgc導致控制事件Ec發生，記作Fgc：Eg→Ec
感知事件Es產生感知狀態信息流Fsc，控制器接收Fsc導致控制事件Ec發生，記作Fsc：Es→Ec
控制事件Ec產生控制指令信息流Fca，執行器接收Fca導致執行事件Ea發生，記作Fca：Ec→Ea
執行事件Ea產生執行動作物理流Fap作用于被控對象導致被控事件Ep發生，記作Fap：Ea→Ep
被控事件Ep產生被控狀態物理流Fps，感知器獲取Fpo導致感知事件Es發生，記作Fps：Ep→Es
被控事件Ep產生被控狀態物理流Fpo，導致輸出事件Eo發生，記作Fpo：Ep→Eo
以結點代表控制系統結構圖中的成員對象——控制器對象、感知器對象、執行器對象、被控對象，以對象的屬性變量集作為結點的標記，以邊表示對象之間的信息或者物理流（虛線表示信息流、實線表示物理流），則得到如下的簡單控制系統信息物理因果流模型：
Ec是控制器的信息事件集合，Es是感知器獲取被控對象狀態的信息事件集合;Ea是執行器的內部狀態變化的物理事件集合，Ep是被控系統物理狀態變化的事件集合。
簡單信息物理系統的基本結構除上圖的閉環結構外，還有開環結構，無測量感知路徑，從圖模型角度即模型對象和方法為空集的情況：
開環控制：Fsc=Φ，Es=Φ，Fps=Φ
如圖4：
如果Fca和Fps兩個方法都缺失，則兩個子系統之間的變量不存在約束，不是一個控制系統。若缺Eg或Ep，意味著沒有控制目標或被控對象不可觀，不是獨立的控制系統。
2 過程控制系統的信息物理因果流
2.1 過程控制系統的信息物理結構
過程控制指對工業生產中連續的或按一定程序周期進行的生產過程的自動控制[15]，要求保持過程中的有關物理參數為一定值或按一定規律變化。過程控制系統一般由簡單控制系統串級組成[16]，如圖5所示。
被控流程的每個子過程對應著一個簡單控制系統，串聯在一起得到多層信息物理過程控制結構，如圖6。
2.2 過程控制系統的信息物理因果流模型
由過程控制系統的信息物理模型得到如下的信息物理因果流模型：
2.2.1 一般過控系統的信息物理因果流模型
如圖7中上標為系統層級，1層為頂層，N層為底層。第K層工控系統內部狀態VsK、VcK、VaK、VpK的變化分別為感知事件EsK、控制事件EcK、執行事件EaK和被控事件EpK，涉及外部的目標事件和輸出事件分別是上層系統的控制事件和被控事件，即EgK=EcK-1;EoK=EpK-1。
第K層工控系統事件之間的信息流和物理流為：FgcK、FscK、FcaK以及FapK、FpsK、FpoK。FgcK+1是第K層工控系統與下層（第K+1層）工控系統之間的信息流，是發給下層系統的控制命令，導致第K+1層工控系統發生控制事件EcK+1，在其自身及子系統（第K+2層及以下）的內部控制作用下，產生被控事件EpK+1，提供第K層工控系統所需的物理量輸入，即FpoK+1。
2.2.2 缺失執行器的上層系統結構
在多層過程控制結構中，下層工控系統接受上層系統控制器的控制作用，通過Fgc輸入控制目標，通過Fpo輸出物理作用，相當于父系統中一個內嵌的子工控系統作為其內部執行器對象。父系統的執行器分層擴展為下層子系統后，若無本層執行器從圖模型的角度是無控制執行路徑的情況，即由下層子系統執行控制：Fca=Φ，Ea=Φ，Fap=Φ，如圖8。
2.2.3 典型過控系統的信息物理因果流模型
常見的典型過程控制系統有串級、比值、前饋-反饋、選擇性、分程以及三沖量等。下面以串級、分程、前饋等控制結構為例，具體說明過程控制系統的信息物理因果流模型。
1）串級控制
串級控制的傳統結構如圖11，被控對象（過程）有主對象、副對象兩個，各自有控制器和傳感器，形成兩層控制系統，其信息物理因果流模型如圖10。
其中Ep1、Es1、Ec1分別是主被控對象、主感知器和主控制器事件;Ep2、Es2、Ec2、Ea2分別是副對象、副感知器、副控制器和執行器事件，形成兩層的信息物理因果流模型。
值得注意的是，上圖頂層中是沒有執行器，主被控對象狀態的改變是通過下層的工控系統對副對象的改變來達成的。下層子系統接受上層父系統控制器的控制目標信息流Fgc，通過本層的單層信息物理流環路，向上層輸出物理流Fpo，從而改變主對象的狀態。因此，下層子系統就相當于父系統的內部執行器對象。
2）分程控制
同理，分程控制系統如上圖示意，也可以按多層信息物理結構，建立分程控制信息物理因果流模型，如圖12。
如圖12，Ea和Ea分別是兩個執行器的物理事件，分程控制系統內部存在同一層級的兩個流循環：Fps→Fsc→Fgc→Fca→Fap→Fps→...以及Fps→Fsc→Fca→Fap→Fps→…。
3）前饋-反饋控制
前饋系統通過開環控制實現對擾動的補償，往往與反饋系統結合起來使用，構成前饋-反饋控制系統，如圖13。
前饋-反饋系統由同一層次的兩個簡單控制系統組成，建立信息物理結構模型如圖14。
如圖14所示，流循環Fps→Fsc→Fca→Fap→…實現反饋控制;Ep是控制系統擾動的物理事件，由Fps→Fsc→Fca→Fap實現開環前饋控制，抵消Fpo傳遞給被控對象的物理擾動。
3 工控系統的信息物理因果流運行機制
以系統論的觀點，系統由子系統構成，子系統還可以包含下級子系統，不同層級形成了系統的層次結構。事件發生在系統或子系統內部，是系統狀態或子系統狀態的變化，隨同所屬系統（子系統）的層級有不同的層級。高層事件是系統的、整體的事件，體現了系統整體的功能，代表系統與外部環境或包含它的更大的系統之間的相互作用。低層事件是子系統的、組分的事件，代表系統組分的功能，在系統內部與其他組分一起共同支撐系統整體的功能，從系統外部看一般是無需了解的。這樣，過程控制系統整體上可以視為一個大的工控系統，如圖7，內嵌從1層到N層不同層級的子系統，以Fgc1為輸入、Fpo1為輸出有一個貫穿各層的大信息流和物理流;根據被控對象分層控制的需要，內嵌各個層級的子工控系統，每層子系統都存在信息流和物理流的小循環。當然相鄰的幾個層級系統也可以組合成一個多層信息流、物理流循環。工控系統的控制原理和控制機制依靠這些流的循環實現。
3.1 過控系統的基本事件流
系統頂層控制器接收外部的控制目標信息流Fgc1（獲得控制系統的總目標），一方面產生本層控制事件Ec1，通過控制指令信息流Fca1導致本層執行事件Ea1發生，引起被控對象的事件Ep1，導致感知事件Es1發生，進而又觸發控制事件Ec1產生，一連串事件形成頂層的事件流環路：
Ec1Fca1Ea1Fap1Ep1Fps1Es1Fsc1Ec1
另一方面，頂層控制器也將產生目標事件Eg 2，對下層系統發出控制目標信息流Fgc2，導致第2層控制事件Ec2發生，進而導致執行事件Ea 2、被控事件Ep2、感知事件Es2，形成進入次層的事件流環路：
Eg2Fgc2Ec2Fca2Ea2Fap2Ep2Fpo2Ep1Fps1Es1Fsc1Ec1
一般而言，第K層控制器的輸入信息流有兩類——上層K-1層控制器發出的控制目標信息流FgcK和本層的感知狀態信息流FscK，除底層N層之外信息流觸發的事件也有兩類——本層控制事件EcK和下層目標事件EgK+1，由此形成兩類事件流環路：
EcKFcaKEaKFapKEpKFpsKEsKFscKEcK
以及
EgK+1FgcK+1EcK+1FcaK+1EaK+1FapK+1EpK+1FpoK+1EpKFpsKEsKFscKEcK
3.2 基于流循環的嵌套控制機制
基本事件流可以組成三個層級的信息物理流環路。
一是最基本的單層環路：
FcaK→FapK→FpsK→FscK→FcaK→……;
二是由多個層次組合而成的多層環路：
FgcK+1→FcaK+1→FapK+1→FpoK+1→FpsK→FscK→……;
三是由全局信息流和全局物理流組成的全局系統環路。
從整體看，系統有一個自頂向下的全局信息流
因此，過程工業的生產過程就是一個以系統目標為導向的信息流和一個以系統產出為導向的物理流通過單層、多層和全局環路交互協同的過程。
4 核蒸汽發生器水位控制系統的信息物理因果流
4.1 核蒸汽發生器水位控制原理
蒸汽發生器（SG）是一回路和二回路的連接設施，蒸汽發生器水位控制系統是核電廠關鍵設備。核電廠正常運行時，蒸汽發生器必須要保持正常的水位。若水位過高，將導致流向汽輪機的蒸汽濕度過大，有可能損壞汽輪機葉片，或造成閥門帶水操作;若水位過低，即二次側水量過少，會引起一回路的冷卻不充分。蒸汽發生器水位取決于反應堆冷卻劑溫度、蒸汽流量、給水溫度和給水流量。蒸汽發生器水位控制系統原理見圖15。
系統根據給水流量、蒸汽流量和蒸汽發生器水位三個要素控制主給水控制閥。水位是要調節的參數，水位整定值由代表負荷大小的汽輪機高壓缸第一級葉輪后的壓力確定。水位測量值與水位整定值間的偏差信號與給水流量與蒸汽流量差值作比較，再通過手動一自動控制器控制主調節閥。
4.2 核蒸汽發生器水位控制系統信息物理因果流模型
按照以上信息物理因果流結構為SG水位控制系統建模如圖16。
圖中上層SK為SG水位控制系統，SK+1為下層給水流量子控制系統。SK的事件EsK、EcK、EpK分別為液位感知事件、控制事件和被控事件，FgcK、FpoK、FpsK、FscK分別為液位整定信息流、輸出物理流、感知物理流和感知信息流;SK+1子控制系統FgcK+1、FgcK+1、FcaK+1、FapK+1、FpsK+1、FscK+1分別為給水流量整定信息流、給水流量輸出物理流、給水閥開度信息流、給水閥開度物理流、給水流量感知物理流和給水流量感知信息流;系統外部擾動事件Ep為蒸汽流量物理事件和蒸汽流量感知事件Es，發出蒸汽流量輸出物理流Fpo、感知物理流Fps和感知信息流Fgc。
蒸汽發生器水位控制系統SK在信息流FgcK的作用下，獲得水位目標信息，再由水位狀態信息感知事件EsK產生信息流FscK，兩信息流產生信息事件EcK，通過FgcK+1在下層給水流量控制子系統SK+1產生目標事件 EcK+1，給出給水流量的整定值。給水流量控制信子系統將給水流量整定值FgcK+1，與K+1層信息流FscK+1共同產生事件EcK+1，發出給水流量控制子系統執行器的控制命令信息流FcaK+1。
執行器依由信息流FcaK+1產生物理流FapK+1改變給水流量，發生給水流量物理被控事件EpK+1，再通過K層物理流FpoK+1由給水流量導致SG水位變化，產生被控事件 EpK，水位變化又通過上層物理流FpoK繼續傳遞因果作用。
SG水位控制系統SK的事件流反饋控制運行機制如下：
EcKFgcK+1EcK+1FcaK+1EaK+1FapK+1EpK+1FpoK+1EpKFpsKEsKFscKEcK
SK+1給水流量子控制系統的反饋控制機制：
EcK+1FcaK+1EaK+1FapK+1EpK+1FpsK+1EcK+1
同理，SG水位前饋控制的信息物理流如下：
Ep'Fps'Es'Fgc'EcK+1FcaK+1EaK+1FapK+1EpK+1FpcK+1EpK
由此，依據信息物理因果流為核蒸汽發生器水位控制系統建立了因果模型。
5 結 論
以上因果模型的討論全部局限在定性范圍，抽象出控制系統的因果事件以及其間信息流和物理流傳遞的因果效應，解決“誰是因，誰是果”的因果發現問題，處于因控論的“尋因”階段[2]。下一步擬采用傳遞熵量化信息流和物理流，定量計算事件之間的因果效應，采用脫離具體物理機制的統一信息流方法“描因”，加上以反事實分析為基礎的“控因”，建立完整的因控論體系框架。
以信息物理因果流作為工業控制系統的機理描述模型可以超越微觀的具體細節，從更高的抽象層面理解各類系統的統一運行機制，為應對動態復雜系統的控制難題提供因果層面的基礎方法。比如，通過分析信息因果、物理因果的特性，建立信息因果流、物理因果流和混合因果流的失效模式，開辟不同于FTA、FMEA等的失效分析新方法，采用基于傳遞熵的因果流度量方法，采集正常運行大數據，構建系統的正常工況因果流模型，分析因果關系失效模式，建立不完全依賴系統運行失效數據的故障預測和分析的全新技術途徑。
參考文獻
[1] 工業 4.0 工作組 （德） 編; 劉曉龍， 郗振宇， 高金金， 等譯. 德國工業 4.0 戰略計劃實施建議[J].世界制造技術與裝備市場，2014（3）：42-48.
[2] 陽小華，馬家宇，萬亞平，等.因果關系與復雜系統控制[J].南華大學學報（自然科學版），2019，33（5）：72-77.
[3] PEARL J.The seven tools of causal inference with reflections on machine learning[J]. Communications of the ACM，2018，62（3）：54-60.
[4] PEARL J.Theoretical impediments to machine learning with seven sparks from the causal revolution[C]∥Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining.Marina Del Rey，CA，USA：ACMDL， 2018：3-8.
[5] http：∥medium.com/@mijordan3/artificial-intelligence-the-revolution-hasnt-happened-yet-5e1d5812e1e7
[6] http：∥medium.com/intuitionmachine/why-probability-theory-should-be-thrown-under-the-bus-36e5d69a34c9？source=linkShare-9549803b36be-1510196607
[7] 李開復. AI·未來[M].杭州：浙江人民出版社，2018：171-184.
[8] 中國科學院系統科學研究所. 第三屆中國系統科學大會會前專題講座 1：面向智能時代的因控論及其應用初探 [R/OL].[2019-01-25].http：∥iss.Amss.cas.cn/cssc2019/hqztjz/201901/t20190125_473332.Html
[9] 郭雷， 王成紅， 王巖. 因果關系與因體果控制初探[J]. 控制與決策， 2018，33（5）：70-75.
[10]楊洪玖， 李鵬， 袁源， 等. 基于因果邏輯關系的CPS分布式控因研究. 控制與決策， 2019，34（11）：68-73.
[11]DOWE P. Wesley Salmons process theory of causality and the conserved quantity theory [J]. Philosophy of Science，1992， 59（2）：200-203.
[12]HITCHCOCK C. Problem for the conserved quantity theory： counterexamples， circularity， and redundancy[J]. The Monist，2009，92（1）：72-73.
[13]TABUADA P. Cyber-physical systems： position paper [C]∥Position Paper for NSF Workshop on Cyber-Physical Systems，2006.
[14]BUNGE M. The furniture of the World[M]. Dordrecht， Holland： D. Reidel Publishing Company，1977.
[15]齊衛紅. 過程控制系統[M].北京：電子工業出版社，2011：124-148.
[16]柴天佑. 工業過程控制系統研究現狀與發展方向[J]. 中國科學： 信息科學， 2016， 46： 1003{1015， doi： 10.1360/N112016-0006.
