CN112181382A - 一种基于软件定义的工业智能控制系统 - Google Patents

Abstract

本申请提供的一种基于软件定义的工业智能控制系统，能够以软件定义的方式实现算力优化调度和动态重构，为不同的工业控制任务和边缘计算任务按需分配资源，构建具有差异化控制和计算能力的边缘智能控制器，同时支撑实时的工业控制任务和非实时的边缘智能计算任务，且对于提高工业边缘设备资源的利用率、提升边缘整体服务能力、减小能耗具有重要意义和实际价值。另外，还能够实现工业智能控制、边缘计算、工业AI等实时控制和非实时计算任务需求，打通了边缘侧和云端的平台能力，具有融合、智能、实时、灵活扩展的特点，为工业智能控制提供高效、差异化、低成本、省空间、易维护的全新解决方案。

Description

一种基于软件定义的工业智能控制系统

技术领域

本申请涉及工业自动化控制技术领域，更具体地，尤其涉及一种基于软件定义的工业智能控制系统。

背景技术

工业智能控制系统是实现智能制造和智能工厂的重要基础，通过构建智能化工业控制系统和网络化的工业基础设施，能够使工业生产具备实时控制、自主决策、系统自治的能力，实现各生产要素之间的智能化交互和自动化协同，提高工业生产的效率和智能化水平。

目前，现有的技术方案中关于工业智能控制的实现系统主要有以下三类：（1）将AI模块附加到工业控制器中，该系统能够使现有的普通工业控制器升级成支持工业AI应用的智能控制器，但是硬件之间的接口调整较为复杂、改造难度大；（2）在通用工业服务器上，利用虚拟化技术实现同时支撑实时和非实时任务处理的工业控制系统，该系统能够实现硬件资源的灵活高效分配，但是实现成本较高；（3）AI控制器，该系统是在工业控制器设计制造时就搭载AI处理器，在硬件层面能够支持工业实时控制和工业AI任务处理，但是缺乏软件平台的支撑，实时和非实时任务之间的隔离性差，资源利用率不高。

由此，现有技术中关于工业智能控制的实现系统，已经无法满足工业智能化控制的业务需求及其技术挑战。

发明内容

本申请提供了一种基于软件定义的工业智能控制系统，用以满足工业智能化控制的业务需求及其技术挑战。

为了实现上述目的，本申请提供了以下技术方案：

一种基于软件定义的工业智能控制系统，其特征在于，包括：软件层面的软件定义边缘计算平台和硬件层面的软件定义边缘智能控制器，其中：

所述软件定义边缘计算平台部署在边缘服务器和工控机算力达到预设能力的硬件基础设施上，用于提供基于语义的工业边缘设备孪生模型构建、边缘设备的身份标识和解析、边缘设备资源管理和调度、轻量级规则引擎、轻量级AI推理引擎、工业知识库/组件库/规则库/基础算法库、轻量级容器和微服务管理、云-边协同以及工业级边缘计算平台安全，实现工业边缘侧的系统自治；

所述软件定义边缘智能控制器采用多处理器混合异构架构，并通过对边缘智能控制器中的硬件资源进行虚拟化映射、调度、编排和管理，以软件定义的方式实现算力优化调度和动态重构，按需对控制器的各种资源进行配置，构建具有差异化控制和计算能力，同时支持实时工业控制和非实时边缘计算任务处理的软件定义虚拟控制器，实现边缘侧的智能控制。

优选的，所述软件定义边缘计算平台主要实现四类边缘设备的软件定义，包括：终端设备、边缘计算节点、边缘管理节点和边缘存储设备，其中：

所述终端设备包括传感器、仪器仪表和执行器，用于负责感知物理对象和环境，并根据计算结果执行相应的控制命令和动作；

所述边缘计算节点包括具有算力的智能终端设备、工业智能网关、边缘智能PLC、边缘计算盒子、定制化的边缘计算设备和工业边缘服务器，用于负责提供边缘侧的计算能力、执行工业控制和边缘计算任务；

所述边缘管理节点包括边缘服务器、工控机、计算能力达到预设能力的定制服务器和私有云，用于负责承载和运行软件定义边缘计算平台，实现对其管理域内的设备资源进行管理，且作为计算节点执行边缘计算任务；

所述边缘存储设备包括应用在边缘计算环境中的通用存储设备，用于负责存储边缘设备采集或生成的数据、模型数据、以及计算任务的中间结果和处理结果。

优选的，所述软件定义边缘智能控制器采用多处理器混合异构架构，具体为：

所述软件定义边缘智能控制器采用多核CPU+NPU+FPGA的混合异构架构，兼具实时控制能力和边缘计算能力，用于满足智能工业应用中边缘侧复杂控制任务和AI计算任务对计算资源及负载能力的需求，实现工业互联网场景下的智能控制。

优选的，所述边缘智能控制器中的硬件资源包括：计算资源、存储资源、网络资源和IO资源。

优选的，所述计算资源包括CPU、NPU和FPGA，所述存储资源包括DDR、Flash和SRAM，所述网络资源包括TSN、以太网和高速总线，所述IO资源包括AIO、DIO和PIO。

优选的，在控制器硬件中，CPU 与NPU、FPGA 通过PCIe 互联，实现异构计算中加速单元与处理器之间的协同工作；

采用硬件并行加速方法和任务级并行调度策略，将逻辑控制、过程控制任务直接在CPU中执行，实现中低时延的工业控制要求；

将运动控制高实时性任务划分到FPGA 和CPU 中混合执行，实现低时延的工业控制要求；

将工业机器视觉处理对计算资源需求大于预设值的任务划分到NPU 中执行，实现低时延的处理要求。

本申请提供的一种基于软件定义的工业智能控制系统，包括：软件层面的软件定义边缘计算平台和硬件层面的软件定义边缘智能控制器，其中，利用软件定义和基于语义的描述建模技术，提出了软件定义边缘计算平台，以软件定义的方式实现工业边缘设备资源的统一管控、共享和智能化协同，该软件定义边缘计算平台的核心能力包括基于语义的工业边缘设备描述建模、知识库和规则库的构建、边缘设备资源调度和编排、轻量级规则引擎等，通过构建工业边缘设备的数字孪生模型，实现物理空间中的设备实体在信息空间的数字化表示，为边缘设备资源的管理和调度、资源的按需重构和共享协同提供基础和支撑。同时，利用软件定义、硬件资源虚拟化等技术，提出了软件定义边缘智能控制器的实现方式，采用多处理器混合异构架构，并通过对控制器中的硬件资源进行虚拟化映射、调度、编排和管理，以软件定义的方式实现算力优化调度和动态重构，构建具有差异化控制和边缘计算能力的软件定义虚拟控制器，可同时支持实时的工业控制任务和非实时的工业边缘智能计算任务。

综上所述，本申请提供的一种基于软件定义的工业智能控制系统，能够以软件定义的方式实现算力优化调度和动态重构，为不同的工业控制任务和边缘计算任务按需分配资源，构建具有差异化控制和计算能力的边缘智能控制器，同时支撑实时的工业控制任务和非实时的边缘智能计算任务，且对于提高工业边缘设备资源的利用率、提升边缘整体服务能力、减小能耗具有重要意义和实际价值。另外，还能够实现工业智能控制、边缘计算、工业AI等实时控制和非实时计算任务需求，打通了边缘侧和云端的平台能力，具有融合、智能、实时、灵活扩展的特点，为工业智能控制提供高效、差异化、低成本、省空间、易维护的全新解决方案。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的基于软件定义的工业智能控制系统的结构示意图；

图2为本申请实施例提供的边缘侧各设备之间的关系示意图；

图3为本申请实施例提供的边缘设备描述建模的元数据结构示意图；

图4为本申请实施例提供的软件定义边缘智能控制器体系结构示意图。

具体实施方式

本申请提供一种基于软件定义的工业智能控制系统，如图1所示，整体上为“端-边-云”协同的架构体系，其中，云是云端，云端的工业互联网平台提供生产运营的智慧管理、工业智能、大数据服务等能力，为边缘端的工业智能控制赋能；边是边缘端，边缘端是实现工业智能控制的核心，包括软件定义边缘计算平台10和软件定义边缘智能控制器20；端是终端，终端主要包括感知设备和执行设备。

本申请的目的在于：提供一种基于软件定义的工业智能控制系统，用以满足工业智能化控制的业务需求及其技术挑战。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参见图1，为本申请实施例提供的一种基于软件定义的工业智能控制系统的结构示意图。

如图1所示，本申请实施例提供了一种基于软件定义的工业智能控制系统，该工业智能控制系统主要包括：软件层面的软件定义边缘计算平台10和硬件层面的软件定义边缘智能控制器20，其中：

所述软件定义边缘计算平台10部署在边缘服务器和工控机算力达到预设能力的硬件基础设施上，用于提供基于语义的工业边缘设备孪生模型构建、边缘设备的身份标识和解析、边缘设备资源管理和调度、轻量级规则引擎、轻量级AI推理引擎、工业知识库/组件库/规则库/基础算法库、轻量级容器和微服务管理、云-边协同以及工业级边缘计算平台安全，实现工业边缘侧的系统自治。

所述软件定义边缘智能控制器20采用多处理器混合异构架构，并通过对边缘智能控制器中的硬件资源进行虚拟化映射、调度、编排和管理，以软件定义的方式实现算力优化调度和动态重构，按需对控制器的各种资源进行配置，构建具有差异化控制和计算能力，同时支持实时工业控制和非实时边缘计算任务处理的软件定义虚拟控制器，实现边缘侧的智能控制。

本申请实施例提供的一种基于软件定义的工业智能控制系统，包括：软件层面的软件定义边缘计算平台和硬件层面的软件定义边缘智能控制器，其中，利用软件定义和基于语义的描述建模技术，提出了软件定义边缘计算平台，以软件定义的方式实现工业边缘设备资源的统一管控、共享和智能化协同，该软件定义边缘计算平台的核心能力包括基于语义的工业边缘设备描述建模、知识库和规则库的构建、边缘设备资源调度和编排、轻量级规则引擎等，通过构建工业边缘设备的数字孪生模型，实现物理空间中的设备实体在信息空间的数字化表示，为边缘设备资源的管理和调度、资源的按需重构和共享协同提供基础和支撑。同时，利用软件定义、硬件资源虚拟化等技术，提出了软件定义边缘智能控制器的实现方式，采用多处理器混合异构架构，并通过对控制器中的硬件资源进行虚拟化映射、调度、编排和管理，以软件定义的方式实现算力优化调度和动态重构，构建具有差异化控制和边缘计算能力的软件定义虚拟控制器，可同时支持实时的工业控制任务和非实时的工业边缘智能计算任务。

进一步，需要说明的是，在实施例中，软件定义边缘计算平台10是以软件定义的思想为基础，从信息-物理空间映射的角度，利用语义描述建模、知识图谱和服务能力抽象等技术和方法，将边缘计算硬件资源（包括：边缘侧的终端设备资源、边缘计算资源、边缘管理设备资源和边缘存储资源）进行数字化、虚拟化、池化，形成信息空间的虚拟数字孪生模型，并构建边缘设备资源池。然后，通过逻辑中心化的软件定义边缘计算平台，上层应用能够按需调度、管理和控制虚拟设备资源和边缘服务。通过这种方式，可实现底层边缘硬件资源的模块化管控和智能边缘应用的定制化开发部署。

在实施例中，软件定义边缘计算平台10可实现硬件和软件的解耦分离，硬件负责感知、计算和执行，软件负责管理、控制和调度。应用开发人员无需关心底层硬件的部署细节，能够充分利用硬件的可编程性，快速开发部署边缘应用。此外，这些分散、异构的边缘设备资源能够被统一管理、重构、共享、复用和协作，它们的服务能力可以被充分利用，提升边缘侧的整体服务能力。

进一步的，如图2所示，所述软件定义边缘计算平台10主要实现四类边缘设备的软件定义，包括：终端设备101、边缘计算节点102、边缘管理节点103和边缘存储设备104，其中：

所述终端设备101包括传感器、仪器仪表和执行器，用于负责感知物理对象和环境，并根据计算结果执行相应的控制命令和动作；

所述边缘计算节点102包括具有算力的智能终端设备、工业智能网关、边缘智能PLC、边缘计算盒子、定制化的边缘计算设备和工业边缘服务器，用于负责提供边缘侧的计算能力、执行工业控制和边缘计算任务；

所述边缘管理节点103包括边缘服务器、工控机、计算能力达到预设能力的定制服务器和私有云，用于负责承载和运行软件定义边缘计算平台，实现对其管理域内的设备资源进行管理，且作为计算节点执行边缘计算任务；

所述边缘存储设备104包括应用在边缘计算环境中的通用存储设备，用于负责存储边缘设备采集或生成的数据、模型数据、以及计算任务的中间结果和处理结果。

需要说明的是，本实施例中，上述四类边缘设备之间的关系如图2所示。

本申请实施例中，软件定义边缘计算平台将上述四类工业应用中的边缘设备资源进行数字化、虚拟化、抽象化描述建模，构建虚拟设备孪生模型，并将其作为智能工厂应用的基石和底座。通过构建平台的基础能力，包括：边缘设备资源调度和编排、虚拟控制器编排、轻量级规则引擎、轻量级边缘侧AI推理引擎、知识库/规则库/组件库/基础算法库、容器管理/微服务等，实现边缘侧设备资源的统一管控、共享和智能化协同，支撑运动控制、逻辑控制、设备故障诊断、工业机器视觉等边缘智能应用。该方案可实现工业边缘侧的系统自治，使工业控制系统的边缘硬件资源以软件的方式实现灵活管控和自主协同。

在该本实施例技术方案中，边缘设备建模是整个软件定义边缘计算机制的基础，可以利用语义本体、知识图谱等技术，以及RDF、OWL、SWRL等建模语言，对边缘设备对象进行抽象和描述建模，从属性、功能、状态和事件四个维度，分别描述设备对象是什么、所能提供的能力、运行时的状态、运行时发生的事件等，如图3所示。同时，构建设备之间的语义关联关系，形成设备知识图谱，实现物理空间中的设备实体在信息空间的数字化表示，即构建“数字孪生模型”。

具体的，如图3所示，以边缘设备的数字孪生模型为基础，结合具体应用场景，利用SWRL(Semantic Web Rule Language，语义网规则语言)、一阶逻辑等知识规则的描述语言和构建方法，进行知识表示、知识共享、知识推理等技术能力的构建，将设备之间的智能协同机制和控制逻辑抽象成规则，将应用领域的常识、定理、机理模型、专家或一线工人的经验等知识构建成信息化、可复用的知识库，作为工业应用进行决策、推理和控制的依据。

在基于软件定义边缘计算平台的工业智能应用方案中，一方面，边缘侧的物理设备和孪生模型之间是一一对应的，通过两者之间的实时动态交互，实现相互同步，物理设备可以将状态和数据实时同步到孪生模型中，供平台和应用进行决策处理，同时，孪生模型也可以将平台和应用的决策结果同步给设备，执行决策指令，实现工业边缘智能控制和信息-物理空间的融合交互。另一方面，设备的控制、管理和调度功能从硬件上解耦分离，以软件的方式实现，通过对虚拟化资源的按需配置和动态重组，可实现边缘硬件设备资源的共享复用；同时，物理空间中设备之间的协同机制、联动机制、控制逻辑等以知识库和规则库的形式变得可编辑、可复用，结合规则引擎、推理引擎等基础能力，实现边侧的智能协同和系统自治；通过对设备孪生模型、知识和规则库、边缘基础服务和能力进行统一的接口（API）定义和封装，使上层应用能够方便地调用各种模型、数据和基础服务，而无需过多关注底层硬件设备的部署细节，降低代码开发量，简化应用的开发和部署，实现各种工业边缘场景和智能应用。

进一步的，如图4所示，本申请实施例中，所述软件定义边缘智能控制器采用多处理器混合异构架构，具体为：所述软件定义边缘智能控制器采用多核CPU+NPU+FPGA的混合异构架构，兼具实时控制能力和边缘计算能力，用于满足智能工业应用中边缘侧复杂控制任务和AI计算任务对计算资源及负载能力的需求，实现工业互联网场景下的智能控制。

本实施例技术方案中的软件定义边缘智能控制器既能够支撑逻辑控制、过程控制、运动控制等实时任务处理，也能够支撑工业视觉、机器视觉、深度学习、智能优化等非实时任务处理，满足智能工业应用中边缘侧复杂控制任务和AI计算任务对计算资源及负载能力的需求。

进一步的，如图4所示，所述边缘智能控制器中的硬件资源包括：计算资源、存储资源、网络资源和IO资源，其中，所述计算资源包括CPU、NPU和FPGA，所述存储资源包括DDR、Flash和SRAM，所述网络资源包括TSN、以太网和高速总线，所述IO资源包括AIO、DIO和PIO。

需要说明的是，在控制器硬件中，CPU 与NPU、FPGA 通过PCIe 互联，实现异构计算中加速单元与处理器之间的协同工作；采用硬件并行加速方法和任务级并行调度策略，将逻辑控制、过程控制等任务直接在CPU 中执行，实现中低时延的工业控制要求；将运动控制等高实时性任务划分到FPGA 和CPU 中混合执行，实现低时延的工业控制要求；将工业机器视觉处理等对计算资源需求较大的任务划分到NPU 中执行，实现低时延的处理要求。

在上述的基础上，还需要实现控制器资源虚拟化，具体实现方式：

针对边缘侧资源受限的特点，利用轻量级虚拟化Hypervisor技术，对边缘计算智能控制器中的硬件资源（包括：计算资源、存储资源、网络资源、IO资源）进行虚拟化映射、调度、编排和管理。Hypervisor负责管理每个虚拟控制器资源的分配和虚拟化，其中包括如下几个部分：

1）虚拟CPU内核调度：负责对各个虚拟控制器内部的虚拟CPU的指令序列按照调度策略分配到实际的物理CPU运行。

2）超级调用：负责提供Hypervisor层对外接口，为虚拟设备驱动层、Root OS提供资源管理接口调用。

3）内存地址映射管理：每个虚拟控制器在Hypervisor层所预先分配的虚拟机物理地址空间中运行，且仅对该地址空间具备访问权限，各个虚拟机运行、访问空间相互隔离。Hypervisor层内存地址映射管理器负责将虚拟机的物理地址转换为实际的机器物理地址。

4）IO句柄：即虚拟IO处理，负责处理每个虚拟控制器的IO请求，并将其路由至物理IO驱动，完成真实的IO操作。

5）配置器：支持对每个虚拟控制器所占用的虚拟资源进行配置，该模块根据配置建立每个虚拟机所占用的虚拟资源（如：虚拟CPU、虚拟内存）与物理资源（如：物理CPU、物理内存）的实际映射关系。

进一步的，需要说明的是，针对软件定义边缘智能控制器来说，最重要的是软件定义虚拟控制器的实现，在本申请实施例中，以控制器资源虚拟化为基础，利用软件定义的方式实现基于网络的算力优化调度和动态重构，对于不同的应用需求构建具有不同控制和计算能力的虚拟控制器，实现控制器硬件资源的共享和协同。在软件定义边缘智能控制器中，一台物理的控制器可以同时虚拟出多个实时系统和多个非实时系统，同时支撑实时控制和边缘智能计算任务，实现多个工业控制子系统之间的协同。

此外，边缘智能控制器与工业云平台进行互联互通，将边缘端采集的工业数据进行预处理并发送到云端，进行大数据分析和训练；云端将训练好的模型下发到边缘智能控制器上，由边缘端执行AI模型推理，实现云边协同的工业智能控制方案。

本申请实施例提供的一种基于软件定义的工业智能控制系统，包括：软件层面的软件定义边缘计算平台和硬件层面的软件定义边缘智能控制器，其中，利用软件定义和基于语义的描述建模技术，提出了软件定义边缘计算平台，以软件定义的方式实现工业边缘设备资源的统一管控、共享和智能化协同，该软件定义边缘计算平台的核心能力包括基于语义的工业边缘设备描述建模、知识库和规则库的构建、边缘设备资源调度和编排、轻量级规则引擎等，通过构建工业边缘设备的数字孪生模型，实现物理空间中的设备实体在信息空间的数字化表示，为边缘设备资源的管理和调度、资源的按需重构和共享协同提供基础和支撑。同时，利用软件定义、硬件资源虚拟化等技术，提出了软件定义边缘智能控制器的实现方式，采用多处理器混合异构架构，并通过对控制器中的硬件资源进行虚拟化映射、调度、编排和管理，以软件定义的方式实现算力优化调度和动态重构，构建具有差异化控制和边缘计算能力的软件定义虚拟控制器，可同时支持实时的工业控制任务和非实时的工业边缘智能计算任务。

综上所述，本申请提供的一种基于软件定义的工业智能控制系统，能够以软件定义的方式实现算力优化调度和动态重构，为不同的工业控制任务和边缘计算任务按需分配资源，构建具有差异化控制和计算能力的边缘智能控制器，同时支撑实时的工业控制任务和非实时的边缘智能计算任务，且对于提高工业边缘设备资源的利用率、提升边缘整体服务能力、减小能耗具有重要意义和实际价值。另外，还能够实现工业智能控制、边缘计算、工业AI等实时控制和非实时计算任务需求，打通了边缘侧和云端的平台能力，具有融合、智能、实时、灵活扩展的特点，为工业智能控制提供高效、差异化、低成本、省空间、易维护的全新解决方案。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (6)

1.一种基于软件定义的工业智能控制系统，其特征在于，包括：软件层面的软件定义边缘计算平台和硬件层面的软件定义边缘智能控制器，其中：

所述软件定义边缘计算平台部署在边缘服务器和工控机算力达到预设能力的硬件基础设施上，用于提供基于语义的工业边缘设备孪生模型构建、边缘设备的身份标识和解析、边缘设备资源管理和调度、轻量级规则引擎、轻量级AI推理引擎、工业知识库/组件库/规则库/基础算法库、轻量级容器和微服务管理、云-边协同以及工业级边缘计算平台安全，实现工业边缘侧的系统自治；

所述软件定义边缘智能控制器采用多处理器混合异构架构，并通过对边缘智能控制器中的硬件资源进行虚拟化映射、调度、编排和管理，以软件定义的方式实现算力优化调度和动态重构，按需对控制器的各种资源进行配置，构建具有差异化控制和计算能力，同时支持实时工业控制和非实时边缘计算任务处理的软件定义虚拟控制器，实现边缘侧的智能控制。

2.根据权利要求1所述的工业智能控制系统，其特征在于，所述软件定义边缘计算平台主要实现四类边缘设备的软件定义，包括：终端设备、边缘计算节点、边缘管理节点和边缘存储设备，其中：

所述终端设备包括传感器、仪器仪表和执行器，用于负责感知物理对象和环境，并根据计算结果执行相应的控制命令和动作；

所述边缘计算节点包括具有算力的智能终端设备、工业智能网关、边缘智能PLC、边缘计算盒子、定制化的边缘计算设备和工业边缘服务器，用于负责提供边缘侧的计算能力、执行工业控制和边缘计算任务；

所述边缘管理节点包括边缘服务器、工控机、计算能力达到预设能力的定制服务器和私有云，用于负责承载和运行软件定义边缘计算平台，实现对其管理域内的设备资源进行管理，且作为计算节点执行边缘计算任务；

所述边缘存储设备包括应用在边缘计算环境中的通用存储设备，用于负责存储边缘设备采集或生成的数据、模型数据、以及计算任务的中间结果和处理结果。

3.根据权利要求1所述的工业智能控制系统，其特征在于，所述软件定义边缘智能控制器采用多处理器混合异构架构，具体为：

所述软件定义边缘智能控制器采用多核CPU+NPU+FPGA的混合异构架构，兼具实时控制能力和边缘计算能力，用于满足智能工业应用中边缘侧复杂控制任务和AI计算任务对计算资源及负载能力的需求，实现工业互联网场景下的智能控制。

4.根据权利要求1所述的工业智能控制系统，其特征在于，所述边缘智能控制器中的硬件资源包括：计算资源、存储资源、网络资源和IO资源。

5.根据权利要求4所述的工业智能控制系统，其特征在于，所述计算资源包括CPU、NPU和FPGA，所述存储资源包括DDR、Flash和SRAM，所述网络资源包括TSN、以太网和高速总线，所述IO资源包括AIO、DIO和PIO。

6.根据权利要求5所述的工业智能控制系统，其特征在于，在控制器硬件中，CPU 与NPU、FPGA 通过PCIe 互联，实现异构计算中加速单元与处理器之间的协同工作；

采用硬件并行加速方法和任务级并行调度策略，将逻辑控制、过程控制任务直接在CPU中执行，实现中低时延的工业控制要求；

将运动控制高实时性任务划分到FPGA 和CPU 中混合执行，实现低时延的工业控制要求；

将工业机器视觉处理对计算资源需求大于预设值的任务划分到NPU 中执行，实现低时延的处理要求。

Images