工业互联网

发布时间:2021-07-11 浏览量:6267

工业控制网络同时具有诸多特点。它具有实现互连设备间、系统间的信息传递与沟通的互操作性;还具有可以与世界任何地方遵守同标准的其它设备连接的系统开放性;与此同时,工业控制网络还可以与红外线、电力线、同轴电缆等很多设备合作,这就使得它可以适应不同的现场环境;还有一个明显的特点就是通信实时性,能提供相对应的实时通信,具有时间管理功能。


工业智能控制系统


在“工业4.0”的大趋势下,智能制造成为时代主旋律和制造业的主攻方向。而制造业中,自动化、智能驱动技术将发挥着越来越重要的作用,这是一场围绕可持续生产力效率提高的创新挑战,从而为传统产业的升级改造和新兴产业的长远发展提供不竭动力。“工业4.0”的基本概念,即模块化信息物理系统,该系统可以在配合操作员的同时实现彼此之间的实时通信,自动作出判断,从而按需调整生产过程。为了设计出理想的新产品,催生出了新的挑战、新的需求:逻辑控制已无法满足需求。    

几年前,业界仍普遍使用可编程逻辑控制器(PLC)来控制机器设备。通常情况下,PLC会连接一个独立的运行控制器,而该控制器通过现场总线来调整和配合伺服驱动器。然而,这种方式现在显然无法满足行业需求了,数字化制造需要的是能够并行执行多个复杂任务的机械控制器。因此,这种需求促进了可编程自动化控制器的发展(PAC)。现代PAC平台是一种使能技术,客户可以通过PAC平台制造 “工业4.0”所需的生产设备。连通性才是关键。    

为了实现更高的灵活性以及设备的整体效能最大化,生产过程需要根据需求的变化自动调整。为此,不但要安装彼此之间能够实时对话的智能设备,而且还需要有一个作为中央枢纽的控制器平台,才能实现从企业网络到各个执行器的无缝双向通信。

industry-1.png


工业无线网络


在当今竞争异常激烈的行业市场中,公司面临越来越多的要求,既要提高流程效率,又要遵守环境法规,同时还要达到企业的财务目标。鉴于许多工业系统已经使用了较长时间,使用智能和低成本的工业自动化系统来提高这种系统的生产率和效率变得尤为迫切。传统上,工业自动化系统通过有线通信实现。然而,有线自动化系统需要昂贵的通信电缆进行安装和定期维护,因此它们在工业设备中没有得到广泛的应用,因为它们的成本很高。因此,迫切需要具有成本效益的无线自动化系统,通过优化工业系统的管理,可以显着节省和减少空气污染物排放。由于无线网络在恶劣的工业环境中具有部署成本低和部署难度低的优势,所以无线网络在过程工业中得到迅速应用。工业标准组织,如:ISA、HART、WINA和ZigBee一直在积极推动无线技术在工业自动化和制造领域的应用。工业无线网路的早期成功集中在监控应用程序,在目前阶段,拓展无线网络在过程控制中的应用同样具有重要价值。

industry-2.png


信息安全与隐私


当前,社会进入了高度信息化的发展阶段,信息技术在为人类带来数字化、便捷、快速服务的同时,也改变了人们的生产及生活模式。尤其在物联网技术出现之后,进一步带来了新的机遇和挑战。在三网融合的今天,数据信息的交换和处理速度、安全性、准确性直接影响到人们的生产生活质量。然而物联网是在传统互联网技术上发展起来的新型信息网络,也不可避免地存在信息安全问题。尤其物联网目前处于初级发展阶段,特别是在信息安全与隐私机制方面的技术标准并不成熟,其安全问题有待解决。这对于促进物联网技术的发展和应用具有积极意义。下图表示了信息安全管理的几大步骤:

industry-4.png


工业大数据及软件


工业大数据是基于工业数据,运用先进大数据技术,贯穿于工业的设计、工艺、生产、管理、服务等各个环节,使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。工业4.0时代,每一个产品将承载其整个供应链和生命周期中所需的各种信息,实现追踪溯源。智能工厂能灵活决定生产过程,不同的生产设备既能够协作生产,又可以各自快速地对外部变化做出反应。软件定义世界、硬件改变世界、数据驱动世界,工业软件借力大数据,将给制造业带来巨大颠覆。工业大数据是有一个工业体系或者一个产品制造流程智能化催生出来的数据,既是制造业智能化的必然结果,也是制造业智能化的必要条件与基础。工业大数据的应用,将成为未来提升制造业生产力、竞争力、创新能力的关键要素,也是目前全球工业壮行必须面对的重要课题。

industry-3.png


机器人视觉感知与智能控制


机器人视觉感知技术在智慧工厂、无人驾驶、无人机任务规划等领域均有重要应用。由于技术水平尚不成熟,视觉感知技术在工业领域应用水平较低。本研究小组针对工业机器人自主任务规划的应用,研究基于视觉感知的机器人自动控制技术。    

本研究通过2D和3D视觉传感装置,在现有工业机器人的基础上,结合最前沿的基于深度卷积神经网络的视觉感知技术,研究非结构化工业场景中目标检测,场景分析,位姿重构等技术并融合到机器人自主任务规划中。本研究还将开展基于深度增强学习的机器人任务自学习自规划技术,并形成语义网络,实现工业机器人多目标多阶段复杂任务的智能任务分析与处理。    

本研究已实现基于2D视觉和深度学习的工业目标检测、位姿重构等关键技术,并搭建好基于视觉的机器人实验平台,已设计并建立多种工业视觉任务的实验数据库,并开展基于深度增强学习机器人自主学习和控制的研究。

robot.jpg