【第11章】CPS技术、人工智能技术、机器人技术 1/2

架构设计 相关文档，希望互相学习，共同进步

风123456789～-CSDN博客

系统架构设计 相关文章：

【架构专栏】架构考试介绍

【架构专栏】架构知识点

知识总览​

共19章内容，主要包括：

       1）1绪论、2计算机系统、3信息系统、4信息安全技术、5软件工程

       2）6数据库设计、7系统架构设计基础知识

       3）8系统质量属性与架构评估、9软件可靠性、

           10软件架构演化与维护、11未来信息综合技术

       4）12信息系统架构设计、13层次式架构设计、14云原生架构设计、

             15面向服务架构设计、16嵌入式系统架构设计、17通信系统架构设计、

             18安全架构设计、19大数据架构设计

每天进步一点点，加油！小伙伴们！💪

 本文学习  第11章 未来信息综合技术，以下为个人笔记，希望有所帮助，共同学习。

      （新版教材新增章节，可能考2-3分选择题，案例25分）

包括：

      信息物理系统技术概述（概念、CPS实现、信息物理系统的建设和应用）、

      人工智能技术概述（概念、人工智能的发展历程、人工智能关键技术）、

      机器人技术概述（概念、机器人的定义和发展历程、核心技术、机器人的分类）、

      边缘计算概述（概念、定义、特点、边云协同、边缘计算的安全、及应用场合）、

      数字孪生体技术概述（发展历程、定义、关键技术、应用）、

      云计算和大数据技术概述（云计算技术概述、大数据技术概述）    

第11章 未来信息综合技术​

11.1 信息物理系统技术概述

11.1.1 信息物理系统 的概念

1.信息物理系统的来源   

        信息物理系统（Cyber-Physical System，CPS），最早由美国国家航空航天局于 1992 年提出， 后科学家海伦·吉尔给出详细描述。

         信息物理系统 CPS： 是控制系统、嵌入式系统的扩展与延伸，其涉及的相关底层理论技术源于对 嵌入式技术的引用与提升。

         CPS 通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术，构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代、动态优化。

2 .CPS 的本质和定义

        CPS 的本质是构建一套信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。

11.1.2 CPS的实现

1. CPS 的体系架构

CPS 的体系结构分为：

      1)单元级 CPS。是具有不可分割性的CPS最小单元，是具备可感知、可计算、可交互、可延展、自决策功能的CPS最小单元，一个智能部件、一个工业机器人或一个智能机床都可能是一个CPS最小单元。

      2)系统级 CPS。多个最小单元（单元级）通过工业网络（如工业现场总线、工业以太网等），实现更大范围、更宽领域的数据自动流动，实现了多个单元级CPS的互联、互通和互操作，进一步提高制造资源优化配置的广度、深度和精度。包含互联互通、即插即用、边缘网关、数据互操作、协同控制、监视与诊断等功能。

          其中互连互通、边缘网关和数据互操作主要实现单元级CPS的异构集成；即插即用主要在系统级CPS实现组件管理，包括组（单元级CPS）的识别，配置，更新和删除等功能：协同控制是指对多个单元级CPS的联动和协同控制等；监视与诊断主要是对单元级CPS的状态实时监控和诊断其是否具备应有的能力。

      3)SoS级。多个系统级 CPS 的有机组合。 如多个工序（系统的CPS）形成一个车间级的CPS或者形成整个工厂的CPS。主要实现数据的汇聚，从而对内进行资产的优化和对外形成运营优化服务。其主要功能包括：数据存储、数据融合、分布式计算、大数据分析、数据服务，并在数据服务的基础上形成了资产性能管理和运营优化服务。  

2.CPS 的技术体系

  CPS 技术体系主要包括：CPS总体技术、 CPS 支撑技术、 CPS核心技术

    ◆ CPS 总体技术（顶层设计技术）：包括系统架构、异构系统集成、安全技术、试验验证技术等，是CPS的顶层设计技术；

    ◆CPS 支撑技术（基于应用支撑）：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、大数据等，是基于CPS应用的支撑；

    ◆CPS 核心技术（基础技术）：包括虚实融合控制、智能装备、MBD、数字孪生技术、现场总线、工业以太网、CAX\\MES\\ERP\\PLMICRMISCM等，是CPS的基础技术。

       CPS 技术分为四大核心技术要素： “一硬”（感知和自动控制，是 CPS 实现的硬件支撑）、“一软”（工业软件，CPS 核心）、“一网” （工业网络，是网络载体）、 “一平台”（工业云和智能服务平台，是支撑上层解决方案的基础）。

     1)感知和自动控制：是CPS实现的硬件支撑。                 (1)智能感知技术。                 (2)虚实融合控制技术       2)工业软件：固化了CPS 计算和数据流程的规则，是CPS的核心。       3)工业网络：是互联互通和数据传输的网络载体。       4)工业云和智能服务平台：是CPS数据汇聚和支撑上层解决方案的基础，对外提供资源管控和能力服务。

11.1.3 信息物理系统的建设和应用 

1.CPS 典型应用场景

（1）智能设计方面：产品及工艺设计、生产线/工厂设计。

       在产品及工艺设计、工厂设计过程中的大部分工作都可以在虚拟空间中进行仿真，并实现迭代和改进。包括产品及工艺设计、生产线/工厂设计。

（2）智能生产方面：设备管理应用场景、生产管理应用场景、柔性制造应用场景。

       CPS可以打破生产过程的信息孤岛现象，实现设备的互联互通，实现生产过程监控，合理管理和调度各种生产资源，优化生产计划，达到资源和制造协同，实现“制造”到“智造”的升级。包块设备管理、生产管理、柔性制造。

（3）智能服务方面：健康管理、智能维护、远程征兆诊断、协同优化、共享服务。

         通过CPS按照需要形成本地与远程云服务相互协作、个体与群体、群体与系统的相互协同一体化工业云服务体系，能够更好地服务于生产，解决装备运行日益复杂、使难度日益增大的困扰，实现智能装备的协同优化，支持企业用户经济性、安全性和高效性经营目标落地。包括健康管理、智能维护、远程征兆性诊断、协同优化、共享服务。

（4）智能应用方面：无人装备、产业链互动、价值链共赢。

        将设计者、生产者和使用者的单调角色转变为新价值创造的参与者，并通过新型价值链的创建反馈到产业链的转型，从根本上调动各个参与者的积极性，实现制造业转型。包括无人装备、产业链互动、价值链共赢。

2 .CPS建设路径

   CPS 的建设路径是：

         CPS 体系设计、单元级 CPS 建设、系统级 CPS 建设、SOS 级 CPS 建设。

11.2 人工智能技术概述   

11.2.1 人工智能的概念

        人工智能（AI）是利用数字计算机或数字计算机控制的机器模拟、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的理论、方法、技术及应用系统。

        人工智能的目标是了解智能的实质，并生产出一种新的能以人类智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等。

        人工智能根据是否能真正实现推理、思考和解决问题，分为：

        1.弱人工智能         2.强人工智能

11.2.2 人工智能的发展历程  

     图灵测试  →  “人工智能”术语  →  机器学习  → 专家系统 

→ 计算机战胜双陆棋世界冠军     →  决策树模型和神经网络 

→ IBM 深蓝战胜国际象棋世界冠军  → 深度学习  → 爆发式发展。  

11.2.3 人工智能关键技术

1.自然语言处理 (Natural Language Processing,NLP)：

       研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。包括 机器翻译、语义理解、问答系统 等。

      1) 机器翻译（从一种自然语言到另外种自然语言的翻译）

      2) 语义理解（利用计算机理解文本篇章内容，并回答相关问题）

      3) 问答系统（让计算机像人类一样用自然语言与人交流）

2.计算机视觉 (Computer Vision)：如自动驾驶、机器人、智能医疗。

       是使用计算机模仿人塑视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力，将图像分析任务分解为便于管理的小块任务.

3.知识图谱 (Knowledge Graph)：

         可用于发欺诈、不一致性验证、组团欺诈等对公共安全保障形成威胁的领域。

         是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。一般用于反欺诈、不一致性验证等问题。

4.人机交互 (Human-Computer Interaction,HCl )：

         传统的基本交互、图形交互、语音交互、情感交互、体感交互及脑机交互等。

         主要研究人和计算机之间的信息交换。

5.虚拟现实或增强现实 (Virtual Reality /Augmented Reality,VR/AR)：

         在一定范围内生成与真实环境在视觉、听觉等方面高度近似的数 字化环境。

         以计算机为核心的新型视听技术。结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉等方面高度近似的数字化环境。

6.机器学习（ML）

        是以数据为基础，通过研究样本数据寻找规律，并根据所得规律对未来数据进行预测。目前，机器学习广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别等领域。

          按学习模式不同分为：                 (1)监督学习   （    需提供标注的样本集）、                 (2)无监督学习（不需提供标注的样本集）、                 (3)半监督学习（需提供少量标注的样本集）、                 (4)强化学习    （需反馈机制）。

            按学习方法的不同分为：                 (1)传统机器学习 （需手动完成，且需要大量领域专业知识）                 (2)深度学习 (需大量训练数据集 和强大GPU服务器提供算力）。

            机器学习常见算法：                 迁移学习、主动学习、演化学习

      ◆监督学习：是利用己标记的有限训练数据集，通过某种学习策略/方法建立一个模型，从而实现对新数据/实例的标记（分类）/映射。在自然语言处理、信息检索、文本挖掘、于写体辨识、垃圾邮件侦测等领域获得了广泛应用。

     ◆无监督学习：是利用无标记的有限数据描述隐藏在未标记数据中的结构/规律。无监督学习不需要以人工标注数据作为训练样本，这样不仅便于压缩数据存储、减少计算量、提升算法速度，还可以避免正负样本偏移引起的分类错误问题。无监督学习主要用于经济预测、异常检测、数据挖掘、图像处理、模式识别等领域。

     ◆半监督学习：可以利用少量的标注样本和大量的未标识样本进行训练和分类，从而达到减少标注代价、提高学习能力的目的。半监督学习的算法首先试图对未标识数据进行建模，在此基础上再对标识的数据进行预测。例如，图论推理算法或者拉普拉斯支持向量机等。

     ◆强化学习：可以学习从环境状态到行为的映射，使得智能体选择的行为能够获得环境的最大奖赏。最终目标是使外部环境对学习系统在某种意义下的评价最佳。在机器人控制、无人驾驶、工业控制等领域获得成功应用。

        强化学习的常见算法包括：Q-Leaming、时间差学习  等。

按学习方法的不同分为：

       ◆传统机器学习：从一些观测（训练）样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测。在自然语言处理、语音识别、图像识别、信息检索等许多计算机领域获得了广泛应用。          传统机器学习的相关算法包括逻辑回归、隐马尔科夫方法、支持向量机方法、K近邻方法、三层人工神经网络方法、Adaboost算法、贝叶斯方法以及决策树方法等。

     ◆深度学习是一种基于多层神经网络并以海量数据作为输入规则的自学习方法，依靠提供给它的大量实际行为数据（训练数据集），进行参数和规则调整。深度学习更注重特征学习的重要性。

          典型的深度学习算法包括：卷积神经网络（CNN）、循环神经网络（RNN）等。

机器学习的常见算法还包括：迁移学习、主动学习、演化学习。        ◆迁移学习：是指当在某些领域无法取得足够多的数据进行模型训练时，利用另一领域数据获得的关系进行的学习。主要在变量有限的小规模应用中使用，如基于传感器网络的定位、文字分类和图像分类等。未来迁移学习将被广泛应用于解决更有挑战性的问题，如视频分类、社交网络分析、逻辑推理等。        ◆主动学习：通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到的样本训练分类模型来提高模型的精度。主动学习能够选择性地获取知识，通过较少的训练样本获得高性能的模型，最常用的策略是通过不确定性准则和差异性准则选取有效的样本。

       ◆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，针对机器学习任务中存在大量的复杂优化问题，应用于分类、聚类、规则发现、特征选择等机器学习与数据挖掘问题中。算法通常维护一个解的集合，并通过启发式算子来从现有的解产生新解，并通过挑选更好的解进入下一次循环，不断提高解的质量。

          演化算法包括：粒子群优化算法、多目标演化算法等。

11.3 机器人技术概述 

11.3.1 机器人的概念 

11.3.2 机器人的定义和发展历程

（1）定义：具体脑、手、脚等三要素个体；具有非接触传感器 和 接触传感器；

                    具有平衡觉 和 固定觉的传感器。

（2）发展历程： 第一代机器人（示教再现型机器人）→

                            第二代机器人（感觉型机器人）       →

                            第三代机器人（智能型机器人）。  

第一代机器人：示教再现机器人，可以重复动作。 第二代机器人：感觉型机器人，拥有类似人在某种功能的感觉。 第三代机器人：智能型机器人，能够进行复杂的逻辑推理和决策，自主决定自身行为。

11.3.3 机器人4.0的核心技术

       机器人技术已经准备进入4.0时代。所谓机器人4.0时代，就是把云端大脑分布在各个地方，充分利用边缘计算的优势，提供高性价比的服务，把要完成任务的记忆场景的知识和常识很好地组合起来，实现规模化部署。特别强调机器人除了具有感知能力实现智能协作，还应具有一定的理解和决策能力，进行更加自主的服务。

     ◆目前的服务机器人大多可做到：物体识别、人脸识别，在4.0时代，需要更强的自适应能力。

机器人 4.0 核心技术包括：云—边—段的无缝协同计算、持续学习与协同学习、

                                           知识图谱、场景自适应、数据安全。

      1.云-边-端的无缝协同计算。云-边-端一体的机器人系统是面向大规模机器人的服务平台，信息处理和生成主要在云-边-端上分布处理完成。通常情况下，云侧可以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和共享。机器人端只用完成实时操作的功能。

      2.持续学习与协同学习。希望机器人可以通过少量数据来建立基本的识别能力，然后可以自主地去找到更多的相关数据并进行自动标注。然后用这些自主得到的数据来对自己已有的模型进行重新训练来提高性能。同时也要采用大数据和云端的处理能力，让各种机器人之间的数据进行共享，保证机器人持续学习与协同学习的能力。进一步提高机器人学习的速度与精度。

      3.知识图谱。需要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。

      4.场景自适应。主动观察场景内人和物之间的变化，预测可能发生的事件，从而影响之后的行动模式。这个技术的关键问题在于场景预测能力。就是机器人通过对场景内的各种人和物进行细致的观察，结合相关的知识和模型进行分析，并预测之后事件即将发生的时间，改变自己的行为模式。       5.数据安全。既要保证端到端的安全传输，也要保障服务器端的安全存储。在机器人本体方面需要重要的隐私数据的物理安全以及安全相关应用的代码安全。云侧和边缘侧需要对用户本身的数据以及推理得到的用户数据中的隐私信息做好保护，只有被授权的用户才有访问权。尽量避免敏感数据上传到云端，存储在云端的数据需要提供安全存储鉴别机制。

11.3.4 机器人的分类

1.按控制方式分类：             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

    1）操作机器人。典型代表是在核电站处理放射性物质时远距离进行操作的机器人。     2）程序机器人。可以按预先给定的程序、条件、位置进行作业。     3）示教再现机器人。机器人可以将所教的操作过程自动地记录在磁盘、磁带等存储器中，当需要再现操作时，可重复所教过的动作过程。示教方法有直接示教与遥控示教两种。     4）智能机器人。既可以进行预先设定的动作，还可以按照工作环境的改变而变换动作。     5）综合机器人。由操纵机器人、示教再现机器人、智能机器人组合而成的机器人，如火星机器人。整个系统可以看作是由地面指令操纵的操作机器人。

2.按应用行业来分类：             工业机器人、服务机器人、特殊领域机器人

ok, 今天就到这里吧 🤗

相关系列文章，欢迎点赞、收藏，提供意见！​

计算机系统基础知识 1分：概述、计算机硬件、计算机软件   操作系统 3分：进程管理、存储管理、文件管理、设备管理    数据库技术 3分：数据库设计、关系代数、范式、事务并发、数据库安全、新技术 嵌入式技术 3分：嵌入式硬件、嵌入式操作系统、嵌入式软件开发 计算机网络 3分（超纲较多）：OSI七层模型、TCP/IP协议族、网络生命周期、IP地址 其他计算机系统基础知识 1分：计算机语言、多媒体、系统工程 系统性能 1分：性能指标、性能设计 信息系统基础知识 3分：信息系统生命周期、开发方法、五大典型系统 信息安全技术基础 5分：安全属性、信息安全技术、网络安全技术、安全协议

软件工程 12分：概述、需求工程、系统设计、运维、测试、基于构件；

面向对象技术 3分：面向对象基础、分析设计、UML关系、图 项目管理 1分：进度管理、配置管理、质量管理、风险管理

系统架构设计 20分：架构概念、生命周期、ABSD、DSSA、架构风格、

                                  架构复用、质量属性、架构评估 软件可靠性 2分：可靠性建模、软件可靠性设计

软件架构的演化和维护1分：架构演化分类、评估、面向对象架构演化 未来信息综合技术 3分：信息物理系统、人工智能、边缘计算、机器人、数字孪生、云计算 数学与经济管理 2分：最小生成树、最短路径、网络与最大流量、线性规划、决策论 知识产权和标准化 2分：知识产权属性、保护期限、产权人确定、侵权判定 专业英语 5分：完形填空，大学英语3级难度，自学

希望有所帮助，互相学习、共同进步，欢迎点赞、收藏！