边缘智能用于工业物联网设备的故障诊断探讨

工业物联网（Industrial Internet of Things，IIoT）是驱动工业智能化升级的重要技术基础。随着微型化、低成本传感器节点的普及应用，工业物联网可面向各类目标实体提供泛化感知服务。目前，许多工业设备集成了多类型传感器用于数据采集，并和预先建立的模式特征库进行匹配以确定设备状态。为了应对未知的故障模式，避免滞后特征模式库更新，依靠工业过程数据本身提取设备行为规律体现了更广阔的应用前景。依托人工智能（AI）、大数据等新兴信息技术，工业物联网正在挖掘数据特征、释放数据潜能等方面焕发新活力。

结合人工智能、大数据的工业物联网技术一方面通过海量传感器实时测量运行参数，提高工业过程的透明性，另一方面着手实现对工业系统的赋能，使其能够智能化地理解和应对设备潜在或正在发生的运行状态变化。工业生产过程的管理依赖特定的领域知识，然而对于不同设备可能出现的意外行为模式以及无法用精确数学模型描述的工业流程，传统的机理模型和经验模型将失去对未知工作模式的解释能力。人工智能则利用机器学习算法发掘数据背后隐藏的系统模式，实现由结果现象回溯本质方法的处理。因此，将机器学习启发的数据驱动模型用于工业系统管理，进行复杂工业过程建模与控制、实现设备故障诊断与状态识别具有重要的工程意义和工业应用价值。

人工智能需要超强的运算能力来处理算法和设备数据，许多企业倾向于将大负荷的人工智能计算交付云端完成，但随着5G落地、物联网行业数字化发展，无人驾驶、虚拟现实等人工智能型应用逐渐开始改变人类的生产生活方式。在上述应用的落地过程中，以云端为中心的AI出现了实时性不够、带宽不足、能耗较大、数据安全和隐私无法保证的问题。为了解决以上问题，由边缘计算与人工智能互动融合而成的边缘智能应运面生，通过将智能部署在边缘服务器，实现敏捷连接、安全通信、应用智能、隐私保护等需求。

故障诊断体系结构：目前，边缘智能已经在公共安全中的实时数据处理和自动驾驶场景中取得了成功的经验，并迅速扩展到虚拟现实、智能家居等场景。随着世界各国对工业物联网的建设呼声不断增大，边缘智能或逐渐成为工业物联网领域最为重要的技术环节之一，其中最为典型的应用场景是基于边缘智能的工业物联网设备故障诊断或异常检测。基于边缘计算、大数据与人工智能等技术，我们得以构建“云上赋能+边缘智能+泛在物联”的工业物联网故障诊断体系。

边缘智能融合分布在网络层中，一方面，边缘计算使用由SDN控制器集群和SDN应用服务器组成的边缘服务器将IIoT设备连接到网络，SDN控制器集群通过南向接口，如OpenFlow或PCEP连接SDN支持的交换机，使SDN控制器集群可以管理SDN支持的交换机，完成对本地产线设备生成数据的访问、存储和处理。另一方面，通过人工智能依附于边缘服务器，使用边缘服务器的算力完成机器学习建模，对工业物联网中设备的工作模式进行主动认知，构建潜在的异常行为检测模型，由于诊断模型直接部署在边缘服务器设备上，所以顶层的故障诊断应用能够获得低延迟、高质量的服务。