阳小华　张俊杰　罗永坚　马家宇　刘杰　刘华

摘 要：工业控制系统向智能控制的发展随着人工智能的因果革命也应该进行因果建模的思考。通过提出工业过程控制系统的单、多层信息物理结构，引入信息、物理因果流，建立過程控制系统的信息物理因果流模型，为依据因果关系设计工业控制系统、分析控制运行机制、实施系统故障预测和监控等提供理论基础和描述框架。

关键词：过程控制系统;信息物理结构;因果流模型

中图分类号：TP13      文献标识码：A

Cyber-physical Causal Flow Model of Industrial Control System

YANG Xiao-hua， ZHANG Jun-jie， LUO Yong-jian， MA Jia-yu， LIU Jie， LIU Hua

（School of Computer/Software，University of South China，Hengyang，Hunan 421001，China）

Abstract：The development of industrial control systems to intelligent control should be considered for causal modeling along with the causal revolution of artificial intelligence. By delimiting single and multi-layer cyber-physical structures of industrial process control systems， introducing cyber-physical causal flows， and establishing cyber-physical causal flow models of process control systems， we provide the theoretical basis and description framework for design of industrial control systems， analysis of control mechanisms， and implement of fault prediction and monitoring based on causality.

Key words：process control system; cyber-physical structure; causal flow model

德国工业4.0预测信息物理融合系统CPS （Cyber-Physical Systems）是工业控制系统（ICS，Industrial Control System）的发展方向[1]。CPS的涵义是计算资源与物理资源紧密结合与协同，数据日益成为智能制造的核心资源，人工智能技术正在触发制造工业中模式、方法、生态的改变，工业控制正在向“数据驱动”的智能控制转型。

大多数智能控制方法可以归属到机器学习中，特别是归纳学习[2]。而人工智能、机器学习正在从基于相关关系向以因果模型为基础转变。图灵奖得主、贝叶斯网络之父Judea Pearl在NIPS 2017的报告和随后的论文中提出了对机器学习，特别是深度学习背后理论的思考[3-4]。依据Pearl的观点，目前机器学习的方法有难以逾越的内在限制，很多任务是当前使用相关关系的系统无法实现的，人类的AI不能单纯地从盲模型的学习机器中出现，它需要数据和模型的共生协作，统计关联关系必须结合因果建模才能完成。Michael l. Jordan、Yann LeCun、李开复等人工智能专家都认为AI应奠定在因果关系的基础上，因果关系是人工智能、机器学习等的基石[5-7]。……