十八、未来信息综合技术

1,信息物理系统

信息物理系统(CPS)是控制系统、嵌入式系统的扩展与延伸。CPS的核心概念是将数字和物理系统融合在一起，以实现更好的协同工作和决策。

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。

CPS的体系架构：

单元级CPS：是具有不可分割性的CPS最小单元。（单个部件，智能灯泡）

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。

（如在汽车制造工厂中，生产线上的各种机器人和设备）

SOS级：多个系统级CPS的有机组合构成SoS级CPS。(如在一个智能城市中，多个系统级CPS（例如交通管理系统、能源管理系统、环境监测系统)

CPS的技术体系

CPS技术体系主要分为：CPS总体技术、CPS支撑技术、CPS核心技术。

 CPS总体技术就是CPS的顶层设计技术，主要包括：系统架构、异构系统集成、安全技术、试验验证技术等

CPS支撑技术就是基于CPS应用的支撑技术，主要包括：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

 CPS核心技术就是是CPS的基础技术，主要包括：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\PLM\CRM\SCM等

四大核心技术要素即“一硬”(感知和自动控制)、“一软”(工业软件)、“一网”(工业网络)，“一平台”(工业云和智能服务平台)

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建设阶段。

2,人工智能

人工智能(AI)是利用数字计算机或者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。

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。

根据人工智能是否能真正实现推理、思考和解决问题，可以将人工智能分为弱人工智能和强人工智能。

人工智能-人工智能关键技术：

1 自然语言处理(NLP)。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

2 计算机视觉。是模仿人类视觉

3 知识图谱。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。（谷歌）

4 人机交互(HCI)。（触摸屏界面）

5 虚拟现实或增强现实(VR/AR)。

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。

机器学习(ML）

按照学习模式的不同，机器学习可分为监督学习（需要提供标注的样本集）、无监督学习（不需要提供标注的样本集）、半监督学习（少量标注的样本）、强化学习（需要反馈机制）

按照学习方法的不同，机器学习可分为

传统机器学习（需要手动完成，且需要大量领域专业知识。从观测(训练)样本出发） 深度学习（不需要人工特征提取，但需要大量的训练数据集以及强大的GPU服务器来提供算。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。）。

机器学习的常见算法还包括迁移学习（利用另一领域数据获得的关系进行的学习）、主动学习（专家进行标记）和演化学习（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）

3,机器人

机器人4.0的核心技术：

1云-边-端的无缝协同计算。

2持续学习与协同学习。

3知识图谱。

4场景自适应

5数据安全

如果按照要求的控制方式分类，机器人可分为

1操作机器人（远程操作灭火）、

2程序机器人（工业生产线的重复动作的工人）、

3示教再现机器人（可重复所教过的动作，医疗手术机器人）、

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，扫地机器人）

5综合机器人（全组合）

如果按照应用行业来分，机器人可分为工业机器人、服务机器人和特殊领域机器人。

4,边缘计算

边缘计算是一种分布式计算模型，其中计算资源和数据存储被放置在物理世界的边缘，靠近数据源和终端设备，以降低延迟、提高性能，并更好地满足实时性要求。

边缘计算的主要目标是将计算功能放置在接近数据源的位置，以便在本地处理数据，减少与远程云计算的通信和响应时间，从而提高效率和实时性。

由网络中心下放到网络边缘的节点上，海量数据能够就近处理。

边缘计算的业务本质是云计算在数据中心之外汇聚节点的延伸和演进，主要包括云边缘、边缘云和云化网关三类落地形态；以“边云协同”和“边缘智能”为核心能力发展方向。

云边缘（物理设备旁边的计算节点）：是指在边缘设备（例如传感器、摄像头、工业机器等）附近部署的小型计算节点，通常位于数据源的最近位置。

边缘云（中间汇聚节点）：是一种云计算模型，将云服务部署到靠近数据源和终端设备的边缘位置。边缘云通常包括较大规模的计算资源，可以处理多个边缘设备的数据，比如边缘数据中心

云边缘更侧重于在边缘设备上执行实时计算和响应，而边缘云是将云计算资源推送到离数据源更近的位置，以处理更大规模的边缘计算任务。

云化网关：以云化技术与能力重构原有嵌入式网关系统(是一种将网络功能虚拟化并将其作为云服务提供的网关)

边缘计算具有以下特点：

1联接性：联接性是边缘计算的基础

2数据第一入口：边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口

3约束性：

4分布性

边云协同：

边缘计算与云计算各有所长，云计算擅长全局性、非实时、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥优势：边缘计算更适用局部性、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与执行。

边缘计算的应用场合(既有中央控制中心，又有分支设备)：智慧园区、安卓云与云游戏、视频监控、工业互联网、智慧医疗。

边云协同架构通常包括以下几层：

• 边缘层：位于网络边缘，负责收集数据、进行初步处理和存储。

• 雾层：位于边缘层和云层之间，负责数据的聚合、转发和处理。

• 云层：位于网络中心，负责提供强大的计算、存储和网络资源。

边云协同架构设计面临以下几个挑战：

• 异构性：边缘设备、网络和云平台存在异构性，需要统一管理和调度。

• 延迟：边缘计算需要满足低延迟要求，需要优化网络架构和数据处理流程。

• 安全性：边云协同系统需要保障数据安全和隐私。

针对上述挑战，可以采取以下解决方案：

• 虚拟化：将边缘计算资源虚拟化，以便于统一管理和调度。

• 容器化：将应用打包成容器，以便于在不同平台上部署和运行。

• 微服务：将应用拆解成微服务，以便于弹性扩展和故障处理。

• 软件定义网络 (SDN)：使用 SDN 技术可以灵活控制网络流量，降低延迟。

• 安全技术：使用安全技术保障数据安全和隐私，例如加密、身份认证、访问控制等。

5,数字孪生体和云计算技术

数字孪生体是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 仿真

云计算概念的内涵包含两个方面：平台和应用

云计算的服务方式：

基础设施即服务(laaS)

平台即服务(PaaS)

软件即服务(Saas)

三者比较：

 在灵活性方面, Saas <PaaS <laas灵活性依次增强。

 在方便性方面, laas <PaaS<Saas方便性依次增强。

云计算的部署模式：公有云、社区云、私有云、混合云

6,大数据技术和区块链技术

大数据是指其大小或复杂性无法通过现有常用的软件工具，以合理的成本并在可接受的时限内对其进行捕获、管理和处理的数据集。

这些困难包括数据的收入、存储、搜索、共享、分析和可视化

大数据的特点：大规模、高速度、多样化、可变性、复杂性等。

大数据分析的分析步骤，大致分为数据获取╱记录、信息抽取/清洗/注记、数据集成/聚集/表现、数据分析/建模和数据解释5个主要阶段

大数据的应用领域：制造业、服务业、交通行业、医疗行业。

区块链

是一种分布式数据库技术，以区块的形式按时间顺序链接在一起，形成了一个不断增长的、不可篡改的记录链。每个区块包含了一批数据（区块头：包含区块的版本号、时间戳、上一个区块的哈希值等信息。交易信息：包含交易双方、交易时间、交易内容等信息。），这些数据通过密码学（哈希函数）技术连接在一起，形成一个链条。

核心特性包括：去中心化，不可篡改性，透明性，安全性，智能合约。

区块链的原理：

1安全性：区块链的安全性是建立在密码学原理上的，包括哈希函数、非对称加密等技术，确保数据的完整性和不可篡改性。

2共识机制：共识机制确保了网络中各个节点对交易记录的一致性认可，从而防止了双重支付等问题。

3分布式存储：区块链采用分布式存储方式，数据存储在多个节点上，避免了单点故障和数据丢失的风险。

4智能合约：智能合约是一种在区块链上执行的自动化合约，其中包含了预先编写好的代码逻辑，可以自动执行合约条款