信息物理系统
- CPS 是控制系统、嵌入式系统和扩展和延伸，源于对嵌入式技术的应用与提升
- 构件物理空间与信息空间中人、机、物、环境、信息等要素相互映射、实时交互、高效协同的复杂系统
- 闭环赋能体系
- 体系结构
- 单元级 CPS，是具有不可分割性的 CPS 最小单元
- 系统级 CPS，多个最小单元通过工业网络，实现了多个单元级 CPS 的互联、互通和互操作。包括互联互通、即插即用、边缘网关、数据互操作、协同控制、监视与诊断
- SoS 级，多个系统级 CPS 的有机组合构成 SoS 级 CPS，主要实现数据的汇聚。主要功能包含数据存储、数据融合、分布式计算、大数据分析、数据服务
- 技术体系
- CPS 总体技术包括系统架构、异构系统集成、安全技术、试验验证技术
- CPS 支撑技术包括智能感知、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、大数据
- CPS 核心技术包括虚实融合控制、智能装备、MBD、数字孪生、现场总线、工业以太网
- 上述技术体系可分为四大核心技术
- 一硬：感知和自动控制，硬件支撑
- 一软：工业软件，计算和数据流程的规则，CPS 的核心
- 一网：工业网络，数据传输
- 一平台：工业云和智能服务平台，数据汇聚和支撑上层解决方案的基础
- CPS 典型应用场景
- 智能设计
- 智能生产
- 智能服务
- 智能应用
- CPS 建设路径：CPS 体系设计、单元级 CPS 建设、系统级 CPS 建设和 SoS 级 CPS 建设
人工智能
- 机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果
- 能以人类只能相似的方式做出反应的智能机器。该领域的研究包括机器人、自然语言处理、计算机视觉和专家系统
- 根据人工智能能否真正实现推理思考和解决问题，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：自然语言进行有效通信，包括机器翻译、语义理解和问答系统
- 计算机视觉：模仿人类视觉系统的科学，类似人类提取、处理、理解和分析图像以及图像序列的能力
- 知识图谱：不同种类的信息连接在一起而得到的一个关系网络
- 人机交互：HCI
- 虚拟现实或增强现实 VR/AR：新型试听技术，视觉、听觉等方面高度近似的数字化环境
- 机器学习 ML：以数据为基础，通过研究样本数据寻找规律
- 按照学习模式不同分类
- 监督学习：需要提供标注的样本集，建立一个模型，对新数据/实例的标记/映射
- 无监督学习：不需要提供标注的样本集，描述隐藏在未标记数据中的结构/规律
- 半监督学习：需要提供少量标注的样本，达到减少标注代价、提高学习能力的目的
- 强化学习：需要反馈机制，学习从环境状态到行为的映射，使行为能够获得环境的最大奖赏
- 按照学习方法不同分类
- 传统机器学习：领域特征需要手动完成，需要大量领域专业知识。从一些观测样本触发，试图发现不能通过原理分析获得的规律
- 深度学习：不需要人工特征提取，但需要大量的训练数据集，多层神经网络的自学习方法
- 常见算法
- 迁移学习：在某些领域无法获得足够多的数据进行模型训练时，利用另一个领域数据获得的关系进行的学习。在变量有限的小规模应用中使用
- 主动学习：通过一定算法查询最有用的未标记样本，用查询到的样本训练分类模型来提高模型的精度
- 演化学习：基于演化算法提供的优化工具设计机器学习算法。维护一个解的集合，通过启发式算子从现有的解来产生新的解，并通过挑选更好的解进入下一次循环
机器人
- 4.0 时代，云端大脑分布在各个地方，充分利用边缘计算的优势，实现规模化部署。具有一定的理解和决策的能力，进行更加自主的服务
- 需要更强的自适应能力
- 4.0 的核心技术
- 云-边-端的无缝协同计算：云侧提供高性能的计算和知识存储，边缘侧用来进一步处理数据并实现协同与共享。机器人端只完成实时操作的功能
- 持续学习与协同学习：通过少量数据建立基本的识别能力，然后自主地去找到更多的相关数据进行自动标注
- 知识图谱：更加动态和个性化的知识，需要和机器人的感知与决策能力相结合
- 场景自适应：观察场景内人和物之间的变化，预测可能发生的事件。关键问题在于场景预测能力
- 数据安全
- 按照控制方式分类
- 操作机器人
- 程序机器人
- 示教再现机器人
- 智能机器人
- 综合机器人
- 按照应用行业分类
- 工业机器人
- 服务机器人
- 特殊领域机器人
边缘计算
- 将网络中心下放到网络边缘的节点上，在边缘侧的智能网关就近采集并处理数据
- 海量数据能够就近处理
- 本质是云计算在数据中心之外的汇聚节点的延伸和演进，包括云边缘、边缘云和云化网关三类形态。以边云协同和边缘智能为核心能力。硬件平台需要考虑异构计算能力
- 云边缘：云服务在边缘侧的延伸，逻辑上仍是云服务
- 边缘云：在边缘侧构件中小规模云服务的能力，边缘服务能力主要由边缘云提供
- 云化网关：重构原有嵌入式网管系统，在边缘侧提供协议/接口转换、边缘计算等能力。云侧的控制器提供边缘节点的资源调度
- 具有以下特点
- 联接性：基础
- 数据第一入口：物理世界到数字世界的桥梁
- 约束性：适配工业现场相对恶劣的工作条件与运行环境
- 分布性：实际部署天然具备分布式特征
- 边云协同：长周期维护、业务决策支撑等领域发挥优势，更好地支撑本地业务的实时智能化决策与执行。包含以下六种协同
- 资源协同：边缘节点提供计算、存储、网络、虚拟化等基础设施资源，具有本地资源调度管理能力，同时可与云端协同
- 数据协同：负责现场/终端数据采集，云端提供数据存储、分析与价值挖掘
- 智能协同：按照 AI 模型进行推理，实现分布式智能。云端开展 AI 的集中式模型训练，并下发模型到边缘节点
- 应用管理协同：边缘节点提供应用部署与运行环境，云端提供应用开发、测试环境以及应用的生命周期管理能力
- 业务管理协同：边缘节点提供模块化、微服务化的应用。云端按照客户需求实现应用
- 服务协同：边缘节点按照云端策略实现部分 ECSaaS 服务，云端提供 SaaS 服务在云端和边缘节点的服务分布策略
- 应用场合：智慧园区、安卓云、云游戏、视频监控、工业互联网、Cloud VR
数字孪生体
- 跨层级、跨尺度的现实世界和虚拟世界建立沟通的桥梁
- 现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预物理实体对象的状态
- 关键技术
- 建模：将对物理世界的理解进行简化和模型化。通过数字化和模型化，用信息换能量，以少的能量消除各种物理实体，特别是复杂系统的不确定性。需求指标、生存期阶段和空间尺度
- 仿真：验证和确认这种理解的正确性和有效性。核心技术。是将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的一种技术
- 其他技术
- 主要用于制造、产业、城市和战场
云计算
- 涵盖两个方面：平台和应用。平台即基础设施，地位相当于 PC 上的 OS。客户端需要通过互联网访问计算与存储能力
- 服务方式
- 软件即服务 SaaS：应用软件
- 平台即服务 PaaS：将分布式开发环境与平台作为一种服务。客户在服务提供商平台的基础上定制开发自己的应用程序
- 基础设施即服务 IaaS：多台服务器组成的云端基础设施作为计量服务提供给客户
- 灵活性 IaaS > PaaS > SaaS
- 方便性：SaaS > PaaS > IaaS
- 部署模式
- 公有云：云基础设施是公开的
- 社区云：云基础设施分配给一些社区组织所专有
- 私有云：分配给由多种用户组成的单个组织
- 混合云：以上的组合
大数据
- 大小或复杂性无法通过现有常用的软件工具进行捕获、管理和处理的数据集
- 特点：大规模、高速度、多样化、可变性、复杂性
- 分析步骤
- 数据获取/记录
- 信息抽取/清晰/注记
- 数据集成/聚集/表现
- 数据分析/建模
- 数据解释
- 应用领域：制造业、服务业、交通行业、医疗行业