孟祥印 肖世德

(西南交通大學(xué)智能機(jī)電技術(shù)研究所，四川 成都 610031)

0 引言

以太網(wǎng)要應(yīng)用于現(xiàn)場(chǎng)設(shè)備層測(cè)控，需要解決通信的實(shí)時(shí)性、可靠性、安全性、可互操作性和總線供電等關(guān)鍵技術(shù)問題［1－2］。中國自主知識(shí)產(chǎn)權(quán)的工業(yè)以太網(wǎng)現(xiàn)場(chǎng)總線標(biāo)準(zhǔn)EPA，利用交換式以太網(wǎng)等技術(shù)實(shí)現(xiàn)了系統(tǒng)通信的確定性，利用微網(wǎng)段、報(bào)文優(yōu)先級(jí)、UDP傳輸和應(yīng)用層實(shí)時(shí)通信協(xié)議等方式改善了網(wǎng)絡(luò)的實(shí)時(shí)性，從而實(shí)現(xiàn)了性能良好的應(yīng)用于工業(yè)現(xiàn)場(chǎng)測(cè)控的以太網(wǎng)絡(luò)。

EPA以太網(wǎng)的實(shí)時(shí)通信模型為令牌/生產(chǎn)者/消費(fèi)者模型［3］。對(duì)突發(fā)性非周期性信息，如報(bào)警信息，采用令牌通信方式，在周期變量通信間隙進(jìn)行處理;對(duì)于周期性變量，采用生產(chǎn)者/消費(fèi)者實(shí)時(shí)通信模型，按照調(diào)度表周期循環(huán)處理。通過對(duì)EPA的實(shí)時(shí)通信模型的分析發(fā)現(xiàn)，EPA通信調(diào)度忽略了周期性變量和報(bào)警信息之間的相互影響，參量訪問的優(yōu)先級(jí)分配也不夠周全和靈活。

本文利用人工神經(jīng)網(wǎng)絡(luò)，計(jì)算出要調(diào)度和訪問的參量的優(yōu)先順序，從而動(dòng)態(tài)、合理地調(diào)度訪問EPA系統(tǒng)中的參量。

1 EPA通信調(diào)度分析

1.1 確定性調(diào)度原理與分析

EPA協(xié)議為所有的報(bào)文分配了優(yōu)先級(jí)，并采用基于時(shí)間片和基于優(yōu)先級(jí)相結(jié)合的方法進(jìn)行通信調(diào)度［4］。周期報(bào)文較非周期報(bào)文的發(fā)送優(yōu)先級(jí)高，非周期報(bào)文穿插在周期性報(bào)文之間發(fā)送。不同周期報(bào)文的發(fā)送順序是按其優(yōu)先級(jí)高低、IP地址大小和時(shí)間有效方式進(jìn)行排列的［5－6］。

假設(shè)EPA的某個(gè)網(wǎng)段上除了調(diào)度者之外還有A、B、C三個(gè)設(shè)備，它們的生產(chǎn)和消費(fèi)關(guān)系按照以下方式進(jìn)行組態(tài)。

① 設(shè)備A是變量A'的生產(chǎn)者、變量B'的消費(fèi)者;

② 設(shè)備B是變量B'的生產(chǎn)者、變量A'的消費(fèi)者;

③設(shè)備C是變量A'和變量B'的消費(fèi)者，不產(chǎn)生任何變量。

設(shè)備A、設(shè)備B和設(shè)備C都有可能產(chǎn)生報(bào)警等非周期性信息，這里均用報(bào)警信息來代替所有的非周期性信息，符號(hào)分別為#A、#B、#C。根據(jù)組態(tài)，周期性變量和非周期性信息的優(yōu)先級(jí)如下:

根據(jù)EPA的令牌/生產(chǎn)者/消費(fèi)者實(shí)時(shí)通信模型，EPA通信調(diào)度原理如圖1所示。

圖1 EPA通信調(diào)度原理圖Fig.1 Principle of EPA communication dispatching

圖1中:TreqA和TreqB分別為調(diào)度者請(qǐng)求產(chǎn)生周期變量A'和變量B'的請(qǐng)求時(shí)間;TpubA和TpubB分別為設(shè)備A和設(shè)備B發(fā)布變量A'和變量B'的時(shí)間;TrecA和TrecB分別為總線上的消費(fèi)者接收并消費(fèi)周期變量A'和變量B'的時(shí)間，TintA和TintB分別為變量 A'和變量B'的通信間隙時(shí)間;TdelA和TdelB分別為總線上變量傳播的延時(shí)時(shí)間，一般很小。

基于優(yōu)先級(jí)的訪問調(diào)度時(shí)延圖如圖2所示。其中圖2(a)為享有最高優(yōu)先權(quán)的報(bào)警信息#A的通信時(shí)延圖，圖2(b)為享有最低優(yōu)先權(quán)的#C的通信時(shí)延情況，并且假設(shè)直到整個(gè)Tint時(shí)間內(nèi)，設(shè)備A和設(shè)備B都沒有產(chǎn)生報(bào)警信息。

圖2 基于優(yōu)先級(jí)的訪問調(diào)度時(shí)延圖Fig.2 Time-delay schematic of priority-based access dispatching

由圖2可知，報(bào)警信息訪問調(diào)度的時(shí)延發(fā)生在周期性通信間隙Tint時(shí)間內(nèi)。

由圖2(b)可以看出，因?yàn)?C的優(yōu)先級(jí)一直是非周期性信息中最低的，所以要進(jìn)行兩次和令牌(token)優(yōu)先級(jí)的比較，直到第三次比較才得以允許向網(wǎng)段發(fā)布;且由于其優(yōu)先級(jí)被固定，當(dāng)系統(tǒng)參量發(fā)生改變，報(bào)警信息#C這個(gè)參量越來越重要時(shí)，卻不能被及時(shí)觀察和訪問。

1.2 EPA通信模型的不足

根據(jù)通信調(diào)度時(shí)延情況的分析可知，EPA實(shí)時(shí)通信模型存在優(yōu)先級(jí)分配動(dòng)態(tài)性和靈活性不足的現(xiàn)象。在實(shí)際的生產(chǎn)過程中，周期變量并不總是比非周期變量優(yōu)先訪問，而是應(yīng)該靈活地安排通信間隙Tint的插入位置和插入頻度。同時(shí)，報(bào)警信息之間的優(yōu)先級(jí)和周期變量之間的優(yōu)先級(jí)也應(yīng)該根據(jù)實(shí)際的測(cè)控?cái)?shù)據(jù)而在線動(dòng)態(tài)變化。

2 新型實(shí)時(shí)通信模型

2.1 一種智能通信調(diào)度模型

人工神經(jīng)網(wǎng)絡(luò)具有分布式的信息存儲(chǔ)和大規(guī)模的非線性并行處理能力，良好的自適性和自組織性，較強(qiáng)的學(xué)習(xí)、聯(lián)想能力和容錯(cuò)能力以及強(qiáng)大的運(yùn)算能力和較快的運(yùn)算收斂速度。多年前就有人提出應(yīng)用于現(xiàn)場(chǎng)總線的多傳感器融合和系統(tǒng)安全性評(píng)價(jià)［7－9］，也曾有學(xué)者提出神經(jīng)網(wǎng)絡(luò)與模糊PID控制相結(jié)合來改善CSMA/CD介質(zhì)訪問方式下的Ethernet時(shí)延不確定性引起的振蕩和不穩(wěn)定問題，或者利用神經(jīng)網(wǎng)絡(luò)建立基于優(yōu)先權(quán)的仿真模型［10］。所以我們可以采用人工神經(jīng)網(wǎng)絡(luò)來表達(dá)以太網(wǎng)實(shí)時(shí)通信數(shù)據(jù)之間的關(guān)系，構(gòu)成一個(gè)智能化、動(dòng)態(tài)化優(yōu)先級(jí)分配與任務(wù)調(diào)度模型?；谌斯ど窠?jīng)網(wǎng)絡(luò)的實(shí)時(shí)通信模型稱之為生產(chǎn)者/智能調(diào)度者/消費(fèi)者模型。

生產(chǎn)者/智能調(diào)度者/消費(fèi)者模型采用的神經(jīng)網(wǎng)絡(luò)模型如圖3所示。

圖3 計(jì)算優(yōu)先級(jí)用神經(jīng)網(wǎng)絡(luò)模型Fig.3 Neural network model for calculating dispatching priority

神經(jīng)網(wǎng)絡(luò)的輸入層X，表示對(duì)非周期性信息和周期變量(統(tǒng)稱通信數(shù)據(jù))的優(yōu)先級(jí)和任務(wù)調(diào)度順序有影響的因素，包括通信數(shù)據(jù)是否被訪問、通信數(shù)據(jù)的重要性、通信數(shù)據(jù)產(chǎn)生設(shè)備的可靠性程度、周期變量的采樣周期長短和報(bào)警信息的產(chǎn)生等。X0表示在網(wǎng)絡(luò)通信數(shù)據(jù)交互周期內(nèi)(非周期性信息和周期變量的通信通盤考慮，以等價(jià)的身份同屬于一個(gè)完整的通信數(shù)據(jù)交互周期之中)，某通信數(shù)據(jù)的請(qǐng)求(周期變量產(chǎn)生)或查詢(非周期性突發(fā)信息)是否已經(jīng)執(zhí)行這一因素。這樣就考慮了某個(gè)通信數(shù)據(jù)的執(zhí)行與否對(duì)任務(wù)調(diào)度順序的重要影響。

輸入層中的因素包括了報(bào)警信息的產(chǎn)生，它將對(duì)輸出層的周期性變量的優(yōu)先級(jí)施加影響，同樣地，它也將作用于另外的報(bào)警信息的優(yōu)先級(jí)輸出。由此，非周期性信息之間和非周期信息對(duì)周期性變量的相互影響就通過上面的神經(jīng)網(wǎng)絡(luò)體現(xiàn)了出來。

輸入因素的激勵(lì)函數(shù)值稱為“輸入因子”，第i個(gè)輸入因素 Xi的輸入因子用 xi表示，即激勵(lì)函數(shù)f(Xi)=xi(i=0，1，2，3)。同理，通過 ωij的在線動(dòng)態(tài)變化，周期性變量之間和周期性變量對(duì)報(bào)警信息等非周期性數(shù)據(jù)的優(yōu)先級(jí)的影響也可以通過上面的神經(jīng)網(wǎng)絡(luò)來表達(dá)。

神經(jīng)網(wǎng)絡(luò)的輸出層用Y表達(dá)，Yj表示在諸多因素影響下某個(gè)通信數(shù)據(jù)的優(yōu)先級(jí)數(shù)值。輸出層神經(jīng)元的輸出為Yj=f(∑ωij－ θj)，Yj越大，說明優(yōu)先級(jí)越高。其中，閾值 θj=0，激勵(lì)函數(shù) f(X)=X ，即 Yj=∑Xiωij;ωij為輸入(對(duì)調(diào)度優(yōu)先級(jí)有影響的因素)對(duì)優(yōu)先級(jí)輸出的影響因子，ωij越大，說明該因素對(duì)優(yōu)先級(jí)的輸出的影響力越強(qiáng)。

在數(shù)據(jù)通信過程中，智能調(diào)度者通過比較，找出輸出Y中優(yōu)先級(jí)數(shù)值最大的Yk，則第k個(gè)數(shù)據(jù)就是立即要訪問的通信數(shù)據(jù)。由此可見，智能型實(shí)時(shí)通信模型可以不改變?cè)瓉鞥PA的結(jié)構(gòu)，而是在原來充任仲裁者的設(shè)備中植入人工神經(jīng)網(wǎng)絡(luò)思想，易于實(shí)現(xiàn)。

2.2 新模型工作仿真

假設(shè)在一個(gè)小型的過程控制系統(tǒng)中，總線要訪問三個(gè)周期變量和兩個(gè)報(bào)警信息，它們分別為壓力P、溫度T、切斷閥狀態(tài)SV、壓力報(bào)警信息#P和溫度報(bào)警信息#T。

需要仿真的系統(tǒng)工作過程為:由溫度的升高引起壓力的升高，繼發(fā)生溫度報(bào)警之后，又發(fā)生壓力報(bào)警這樣一個(gè)過程。該過程可以分為七個(gè)階段:初始狀態(tài)、周期變量訪問、將發(fā)生溫度報(bào)警、發(fā)生了溫度報(bào)警、將發(fā)生壓力報(bào)警、發(fā)生了壓力報(bào)警和回歸初始狀態(tài)。智能計(jì)算該系統(tǒng)數(shù)據(jù)訪問調(diào)度優(yōu)先級(jí)的神經(jīng)網(wǎng)絡(luò)模型如圖4所示。

圖4 仿真用優(yōu)先級(jí)計(jì)算模型Fig.4 Simulation model for calculating priority

初始狀態(tài)下，神經(jīng)網(wǎng)絡(luò)輸入層的四個(gè)輸入因素的輸入因子xi(i=1，2，3，4)和輸入因素對(duì)五個(gè)通信數(shù)據(jù)的優(yōu)先級(jí)輸出 Yj(j=0，1，…，4)的影響因子 ωij，如表1所示。

表1 初始狀態(tài)下的X和ω的值Tab.1 Initial value of X and ω

表1中有九個(gè)數(shù)據(jù)是可以在數(shù)據(jù)訪問過程中動(dòng)態(tài)改變的，它們分別為 x2、x3、ω00、ω01、ω02、ω03、ω04和 ω13、ω14，即兩個(gè)輸入(因素值)、五個(gè)通信數(shù)據(jù)是否被執(zhí)行因子和兩個(gè)報(bào)警信息發(fā)生概率的影響因子。X和ω在仿真時(shí)在線動(dòng)態(tài)改變遵循的規(guī)則如下。

①若通信數(shù)據(jù)沒有被訪問，則因素“已訪問否”對(duì)應(yīng)影響因子ω為0，每被訪問1次，影響因子自減1;如果某通信數(shù)據(jù)的“已訪問否”影響因子ω為n，則表示該通信數(shù)據(jù)已經(jīng)被訪問了n次。

②若某報(bào)警信息將要發(fā)生，則“重要性”這個(gè)輸入因素對(duì)該報(bào)警信息的影響權(quán)重ω1j(j=3或4)將增加0.7;如果該報(bào)警信息已出現(xiàn)，則置ω1j(j=3或4)為1，且對(duì)應(yīng)的“報(bào)警出現(xiàn)”這個(gè)輸入因素的輸入因子也置為1。在沒有發(fā)生任何報(bào)警的情況下，如果出現(xiàn)所有通信數(shù)據(jù)的優(yōu)先級(jí)數(shù)值Y都為負(fù)，則第一個(gè)輸入因素“已訪問否”對(duì)輸出的所有影響權(quán)重都回歸為初始值，即全部復(fù)位為0，可看作全部通信數(shù)據(jù)都沒有被執(zhí)行過，重新進(jìn)入下一個(gè)訪問周期。

③如果發(fā)生了報(bào)警，對(duì)應(yīng)報(bào)警信息的訪問次數(shù)等于5時(shí)，就認(rèn)為用戶已經(jīng)對(duì)所有報(bào)警進(jìn)行了確認(rèn)和處理，所有狀態(tài)(X、ω和Y)都回歸到初始狀態(tài)。

④如果多個(gè)變量或報(bào)警信息輸出的優(yōu)先級(jí)數(shù)值相等，則將要訪問的對(duì)象為訪問次數(shù)較少的對(duì)象。

根據(jù)表1中表達(dá)的初始狀態(tài)和規(guī)則，仿真統(tǒng)計(jì)出的各個(gè)通信數(shù)據(jù)的訪問次數(shù)如表2所示。由表2可以看出，在周期性訪問階段，訪問的次序就是我們?cè)O(shè)定的通信數(shù)據(jù)的重要性和發(fā)生概率的順序。在將發(fā)生報(bào)警和發(fā)生了報(bào)警階段，對(duì)應(yīng)的報(bào)警信息將首先被訪問，如從第5步到第6步，溫度報(bào)警信號(hào)#T將出現(xiàn)時(shí)，#T將立即在第6步被訪問;在第11步到第12步溫度報(bào)警信號(hào)#T剛已出現(xiàn)的時(shí)候，#T也立即在第12步被訪問。同樣，在第16步到第17步，壓力報(bào)警信號(hào)#P將要出現(xiàn)，和第20步到第21步壓力報(bào)警信號(hào)剛已出現(xiàn)的時(shí)候，變量#P就立即被訪問。在將發(fā)生報(bào)警和發(fā)生了報(bào)警階段，由其末位置處的訪問次數(shù)統(tǒng)計(jì)可以看出，凡和該報(bào)警信息有正相關(guān)的通信數(shù)據(jù)，其訪問次數(shù)也較多。

表2 各變量訪問次數(shù)統(tǒng)計(jì)Tab.2 Visits statistics of each variable

2.3 新通信模型的優(yōu)越性

新型的通信模型考慮了更多影響數(shù)據(jù)訪問調(diào)度的因素，并利用神經(jīng)網(wǎng)絡(luò)建立了這些因素與各個(gè)通信數(shù)據(jù)訪問優(yōu)先級(jí)之間的聯(lián)系，使其訪問調(diào)度的機(jī)制更加完善。仿真表明，在新型通信模型下，數(shù)據(jù)的訪問調(diào)度具有更好的靈活性和合理性，更能與實(shí)際工藝過程相吻合。

3 結(jié)束語

本文利用神經(jīng)網(wǎng)絡(luò)構(gòu)建了一個(gè)新型智能實(shí)時(shí)通信模型，即生產(chǎn)者/智能調(diào)度者/消費(fèi)者模型。該模型可以在不改變?cè)瓉硪蕴W(wǎng)結(jié)構(gòu)的前提下，用軟件的方法植入到原實(shí)時(shí)通信模型的調(diào)度實(shí)體中，實(shí)現(xiàn)優(yōu)先級(jí)智能計(jì)算和通信任務(wù)的智能調(diào)度。模型對(duì)非周期信息和周期變量進(jìn)行了全盤統(tǒng)一考慮，并引入通信數(shù)據(jù)之間相互影響這一事實(shí)因素，使得通信數(shù)據(jù)優(yōu)先級(jí)的輸出和任務(wù)調(diào)度能在線合理地動(dòng)態(tài)變化，從而改善了系統(tǒng)優(yōu)先級(jí)和任務(wù)調(diào)度性能，提高了以太網(wǎng)應(yīng)用于工業(yè)現(xiàn)場(chǎng)控制的實(shí)時(shí)性。如果再適當(dāng)結(jié)合模糊控制策略和專家規(guī)則，則該模型就更加完善和智能化，甚至可以實(shí)現(xiàn)通信過程的智能故障診斷、定位和修復(fù)。

［1］馮冬芹，金建祥，褚健.工業(yè)以太網(wǎng)關(guān)鍵技術(shù)初探［J］.信息與控制，2003，32(3):219 －224.

［2］李鳳保，楊黎明.網(wǎng)絡(luò)化測(cè)控系統(tǒng)技術(shù)［M］.成都:四川大學(xué)出版社，2004:116－117.

［3］馮冬芹，廖智軍，金建祥，等.基于以太網(wǎng)的工業(yè)控制網(wǎng)絡(luò)實(shí)時(shí)通信模型研究［J］.儀器儀表學(xué)報(bào)，2005，26(9):891 －894.

［4］China State Bureau of Quality and Technical Supervision.GB/T 20171－2006 EPA system architecture and communication specification for use in industrial control and measurement systems［S］.2006.

［5］陳良華，黃源.EPA協(xié)議確定性調(diào)度測(cè)試系統(tǒng)的研究與實(shí)現(xiàn)［J］.自動(dòng)化與儀表，2008，23(4):47 －50.

［6］王平，黃源，謝昊飛.EPA應(yīng)用層證實(shí)服務(wù)響應(yīng)時(shí)延測(cè)試的研究與實(shí)現(xiàn)［J］.廣東通信技術(shù)，2009，29(2):54 －57.

［7］周尚明，劉定生.模糊控制和神經(jīng)網(wǎng)絡(luò)在現(xiàn)場(chǎng)總線控制系統(tǒng)中的應(yīng)用［J］.中國科學(xué)院研究生院學(xué)報(bào)，2000，17(2):81 －88.

［8］余勇.基于神經(jīng)網(wǎng)絡(luò)理論的現(xiàn)場(chǎng)總線系統(tǒng)安全性評(píng)價(jià)的研究［J］.自動(dòng)化與儀器儀表，2004(5):8－10.

［9］Lina C L，Chen C H，Huang H C.Stabilizing control of networks with uncertain time varying communication delays［J］.Control Engineering Practice，2008，16(1):56 －66.

［10］Shoukat M M，Dagli C.A priority-based simulation model of an Ethernet using an artificial neural network［J］.Doctoral Thesis:University of Missouri-Rolla，1992.