云控制系统及其应用前景

摘 要：

云控制系统结合了网络化控制系统和云计算技术的优点，通过各种传感器感知汇聚海量数据，并将大数据储存于云端，在云端利用深度学习等智能算法，实现系统的在线辨识与建模，结合网络化预测控制、数据驱动控制等先进控制方法实现系统的自主智能控制。本文介绍了云控制系统的初级形式与深度形式，给出了一种云控制系统雏形和一种简单的协同云控制系统，分析了云控制系统的优势与面临的挑战，进而探析了云控制系统的应用前景。

在过去十年中，网络技术取得显著发展，越来越多的网络技术应用于控制系统，形成了网络化控制系统，它是控制理论的一个新领域。

物联网利用局部网络或互联网等通信技术来实现物物互联、互通、互控，进而建立了高度交互和实时响应的网络环境。网络化控制理论在物联网技术的快速发展中发挥了关键作用。我们可以通过传感器技术，检测对象物理状态的变化，获取各种测量值，最终产生需要储存的海量数据。伴随着物联网的发展，能够获取到的数据将会越来越多，控制系统必须能够处理这些海量数据。控制系统中的海量数据将会增加网络的通信负担和系统的计算负担。在这种情况下，传统的网络化控制技术难以满足高品质和实时控制的要求。

为了解决这个问题，笔者提出一个新概念——云控制系统 (Cloud Control Systems，CCSs)，它结合了网络化控制系统和云计算技术的优点，在这个新的控制拓扑结构中，控制的实时性因为云计算的引入得到保证，通过各种传感器感知汇聚而成的海量数据，也即大数据储存在云端，在云端利用深度学习等智能算法，实现系统的在线辨识与建模，结合网络化预测控制、数据驱动控制等先进控制方法实现系统的自主智能控制。

一、云控制系统的概念

云控制系统是云计算与信息物理系统的深度融合，但也非简单的将云计算应用到信息物理系统。

通过与人体控制系统的比较，可以形象地认识云控制系统。云控制系统中各分立的小系统可以比作人体各个器官以及与之对应的脊髓神经，将系统中的传感器比作人体的感觉器官，将互联网比作信号传输经过的神经网。正如膝跳反射的中枢在腰部脊髓，分立的小系统有自己独立的控制能力。将云端比作脊椎以上的大脑和小脑，提供大部分或者高级的控制能力。正如大脑和脊髓神经的计算运行方式不同，云计算的方式和分立小系统的计算方式也不同，特殊的设计和组成能够提供更强大或更优化的计算能力，使系统更加智能化，功能更强。

（一）云控制系统的一个雏形

在我们的云控制系统雏形定义中，云控制分为两个阶段：初始阶段（也称网络化控制阶段）和云控制阶段。

控制器接收来自被控对象的测量数据，根据基于模型的网络化预测控制算法，生成控制变量。在初始阶段，云控制系统在预先定义的广播域中仅仅包含两个节点；形式上实际上是一个网络化控制系统。

任何一个云控制任务都从初始阶段开始；在初始阶段，控制系统被初始化为一个网络化控制系统，包含控制器 CT 和被控对象 P 两个节点。

（二）云控制的控制流程

(1) 初始，CT 利用预先设定的控制算法，生成操作变量，并将封装好的预测控制信号发送给被控对象；在自身管理范围内，持续广播控制需求，寻找可利用的节点，替代自己完成控制任务。

(2) 评价云节点的优先级 ( 优先级越大，越适合提供服务 )。

(3) 建立完优先级列表后，控制节点 CT 将从中选择一些优先级高的节点，发送确认信息。

(4) 当某个或某些结点反馈确认以后，控制节点 CT 将向其发控制任务描述（控制算法等）。

(5) 同时，CT 也会将服务节点的信息发送给被控对象 P；P 接收到后，将开始向服务云节点发送（历史）测量数据。

(6) 为了保持云控制系统的良好运行，在每个采样时刻，所有活动的云控制节点向节点 CT发送反馈，如果节点 CT 在一个预定时间内没有收到某个云控制节点的反馈，那么这个云控制节点应该从列表中移除，并且节点 CT 将指示所有闲置意愿节点中的第一个节点来代替移除节点。

(7) 与此同时，将这种替换告知节点 P。云控制系统的管理是一个动态的过程，节点 CT 不断寻找意愿节点，删除并替换失效节点和发送当前云控制节点的信息到节点 P。节点 P 可以接收来自不同云控制节点的控制信号数据包，补偿器选择最新的控制输入作为被控对象的实际输入。

（三）协同云控制系统

考虑到单个意愿节点的实际运算能力是有限的，同时为了缩短云端服务时间，在实际的控制实践中，协同云控制系统将会变得非常有意义。在协同云控制系统中，控制任务将由多个意愿节点协同完成。下图给出了协同云控制系统的一个简单示意图。

二、云控制系统的优势

从上述云控制系统的雏形的定义可以看到，与传统的网络化控制系统相比，云控制系统除上文中所述的优点外，在应用上还有以下六点优势。

（一）系统硬件可靠性高，硬件冗余，自动故障切换意外的硬件损坏——很多种原因的硬件损坏会导致服务的停止，例如硬盘、主板、电源、网卡等等，针对这些弱点，管理人员虽然可以找到替代方案，例如建立一个全冗余的环境（电源、网络、盘阵等等），但是这样的成本太高而且工作非常繁复。云存储透过将系统映射到不同的服务器，解决了这个潜在的硬件损坏的难题。在硬件发生损坏时，系统会自动将服务运行在另一台服务器上，保持服务的继续。

（二）系统设备升级不会导致服务中断

系统升级导致的停机——传统系统升级时，需要把旧系统停机，换上新的设备，这会导致服务的停止。云控制并不单独依赖一台服务器，因此，服务器硬件的更新、升级并不会影响服务的提供。

（三）不受物理硬件的限制，及时提供性能的扩展

考虑到功能和算法复杂度的增长，可能导致提前采购的浪费。当采用云控制时，可以根据具体需求动态调整，硬件和运行环境配置，避免不必要的浪费，节约用户资本。

（四）发挥系统的最大效能

实际应用中，常常出现工作量过度集中，而用户没有能力或者比较困难进行工作量分配，造成系统整体负载不均的现象，有些系统没有在使用，有些则负载过量，这会导致整体系统效能受限，云控制系统充分利用云计算按需分配的能力，突破这一难题。

（五）减少 IT 支持

对于控制工程师，更多关注于整个系统的控制性能指标，而对系统的安全防护和 IT 管理规则较为陌生，而这些却是保证控制系统正常运行的基础。云控制系统的引入可以较好地调配人力资源，最大程度上提升控制工程师的效率。

（六）有利于共享与协作

由于控制系统对于相同的控制对象具有较大的相似度，云控制系统的引入为控制工程师提供了一个交换控制算法与经验的平台。当遇到较为复杂的控制任务时，云控制平台也可以完成使用者之间的协作。

三、云控制系统面临的挑战

尽管云控制系统具有很多优势，但在当前阶段，云控制系统的发展还处在起始阶段，面临着许多挑战。主要表现在以下五个方面。

（一）云控制系统信息传输与处理的挑战

云控制系统与一般信息物理系统的不同之处在于云控制系统将其控制部分有选择地整合进而采用云计算处理。系统中存在着海量数据汇聚而成的大数据，如何有效地获取、传输、存储和处理这些数据？如何在大延迟（主要包括服务时间以及对象与云控制器之间的通信延迟）下保证控制质量和闭环系统的稳定性？同时如何保证控制性能，如实时性、鲁棒性等？采用何种原则对本地控制部分进行分拆？与云端进行哪些信息的交流？采用何种云计算方式？云计算中如何合理利用分布式计算单元，合理地给计算单元分配适当的任务？这些都是不同于一般信息物理系统的问题，其中如何进行控制部分整合和云端计算是设计的关键。

（二）基于物理、通信和计算机理建立云控制系统模型的挑战

控制系统设计的首要问题是建立合理的模型，云控制系统是计算、通信与控制的融合，计算模式、通信网络的复杂性，以及数据的混杂性等为云控制系统的建模工作带来了前所未有的挑战。尤其是云计算作为控制系统的一部分，与传统网络化控制系统中控制器的形式有很大不同，如何构建云计算、物理对象、（计算）软件与（通信）网络的综合模型，以及如何应用基于模型的现有控制理论是一大挑战。在建模过程中，计算模型和通信模型需要包含物理概念，如时间；而建立物理对象的模型需要提取包含平台的不确定性，如网络延时、有限字节长度、舍入误差等。同需要为描述物理过程、计算和通信逻辑的异质模型及其模型语言的合成发展新的设计方法。

（三）基于数据或知识的云控制系统分析与综合的挑战

作为多学科交叉的领域，云控制系统必然存在一些新特性，除了包含云计算、网络化控制、信息物理系统和复杂大系统控制的一般通性，还有自身的特性。针对这些特性，需探究和创建合适的控制理论。云控制系统作为复杂系统，其模型建立困难，或者所建模型与实际相差过大，需要探究不依靠模型而基于数据或知识的控制方法。同时，云控制系统必然存在一定的性能指标，合理提炼并进行指标分析和优化，对于设计和理解云控制系统具有指导意义。

（四）优化云控制系统成本的挑战

将云服务运用于控制系统减少了硬件和软件的花费。但是在运用云计算过程中，需要进行控制任务的分配与调度，本地部分功能向云端虚拟服务器的迁移，以及云控制系统的维护与维持等，如何优化云控制系统的成本是一个更为复杂的问题。

（五）保证云控制系统安全性的挑战

云控制系统的安全问题是最重要的问题。针对云控制系统的攻击形式多种多样，除了针对传输网络的 DOS 攻击，还有攻击控制信号和传感信号本身的欺骗式攻击和重放攻击等。对于云控制系统而言，设计的目标不仅仅要抵御物理层的随机干扰和不确定性，更要抵御网络层有策略有目的的攻击。因此，云控制系统的安全性对我们提出了更高的要求，研究者需要综合控制、通信和云计算研究。目前的网络化控制系统要求控制算法和硬件结构具有更好的“自适应性”和“弹性”，以便适应复杂的网络环境。云控制系统的架构具有更好的分布性和冗余性，因此能够更好地适应现代网络化控制系统安全性的需要。