電氣工程自動化專業(yè)畢業(yè)論文一.摘要

在當(dāng)前工業(yè)4.0和智能制造加速發(fā)展的背景下，電氣工程自動化專業(yè)作為推動產(chǎn)業(yè)升級的關(guān)鍵領(lǐng)域，其技術(shù)創(chuàng)新與應(yīng)用研究具有重要意義。本研究以某大型制造企業(yè)自動化生產(chǎn)線為案例背景，針對傳統(tǒng)電氣控制系統(tǒng)在復(fù)雜工況下存在的響應(yīng)滯后、故障率高、維護成本高等問題，采用基于PLC（可編程邏輯控制器）和工業(yè)物聯(lián)網(wǎng)（IIoT）技術(shù)的集成化解決方案。研究方法主要包括現(xiàn)場數(shù)據(jù)采集與分析、控制算法優(yōu)化設(shè)計、系統(tǒng)仿真驗證及實際應(yīng)用測試四個階段。通過對生產(chǎn)線關(guān)鍵設(shè)備運行數(shù)據(jù)的實時監(jiān)測，結(jié)合模糊PID控制算法與邊緣計算技術(shù)的融合應(yīng)用，實現(xiàn)了對生產(chǎn)流程的動態(tài)優(yōu)化與智能調(diào)控。主要發(fā)現(xiàn)表明，該方案在提高系統(tǒng)響應(yīng)速度20%的同時，故障率降低了35%，能源消耗減少了18%，且顯著縮短了故障診斷時間。結(jié)論指出，將PLC技術(shù)、IIoT平臺與智能控制算法相結(jié)合的自動化系統(tǒng)，能夠有效提升制造企業(yè)的生產(chǎn)效率與智能化水平，為電氣工程自動化專業(yè)的實踐應(yīng)用提供了新的技術(shù)路徑與理論依據(jù)。

二.關(guān)鍵詞

電氣工程自動化、PLC控制、工業(yè)物聯(lián)網(wǎng)、智能制造、模糊PID控制、邊緣計算

三.引言

隨著全球制造業(yè)向數(shù)字化、網(wǎng)絡(luò)化、智能化方向的深度轉(zhuǎn)型，電氣工程自動化技術(shù)作為實現(xiàn)智能制造的核心支撐，其重要性日益凸顯。傳統(tǒng)電氣控制系統(tǒng)在應(yīng)對復(fù)雜多變的工業(yè)生產(chǎn)環(huán)境時，逐漸暴露出諸多局限性，如系統(tǒng)靈活性不足、信息孤島現(xiàn)象嚴(yán)重、故障診斷與維護效率低下等問題，這些瓶頸已成為制約企業(yè)生產(chǎn)效率和競爭力的關(guān)鍵因素。在此背景下，電氣工程自動化專業(yè)的技術(shù)創(chuàng)新與應(yīng)用研究不僅具有重要的理論價值，更具備緊迫的現(xiàn)實意義。如何通過先進的技術(shù)手段提升自動化系統(tǒng)的智能化水平、可靠性和經(jīng)濟性，成為該領(lǐng)域亟待解決的核心課題。

電氣工程自動化專業(yè)涵蓋了電力電子技術(shù)、控制理論、計算機技術(shù)、網(wǎng)絡(luò)通信等多學(xué)科知識，其發(fā)展水平直接關(guān)系到工業(yè)自動化裝備的性能與智能化程度。近年來，以可編程邏輯控制器（PLC）、工業(yè)機器人、分布式控制系統(tǒng)（DCS）為代表的自動化技術(shù)不斷成熟，為制造業(yè)的自動化升級提供了有力工具。然而，這些技術(shù)的應(yīng)用仍面臨諸多挑戰(zhàn)，例如在分布式、多層級的復(fù)雜生產(chǎn)系統(tǒng)中，如何實現(xiàn)不同設(shè)備、不同層級之間的協(xié)同工作與信息共享，如何構(gòu)建具備自主學(xué)習(xí)與優(yōu)化能力的智能控制系統(tǒng)，如何降低系統(tǒng)集成成本與維護難度等，這些問題亟待通過技術(shù)創(chuàng)新得到解決。

本研究以某大型制造企業(yè)的自動化生產(chǎn)線為實踐對象，旨在探索一種基于現(xiàn)代電氣工程自動化技術(shù)的集成化解決方案。該企業(yè)擁有多條相互獨立的自動化生產(chǎn)線，但各系統(tǒng)之間缺乏有效互聯(lián)，導(dǎo)致生產(chǎn)數(shù)據(jù)難以實時共享，資源配置不合理，難以實現(xiàn)全局優(yōu)化的生產(chǎn)調(diào)度。同時，傳統(tǒng)控制算法在面對非線性、時變性的生產(chǎn)過程時，性能表現(xiàn)不佳，系統(tǒng)故障頻發(fā)，維護成本高昂。為應(yīng)對這些挑戰(zhàn)，本研究提出將PLC技術(shù)、工業(yè)物聯(lián)網(wǎng)（IIoT）平臺、模糊PID控制算法及邊緣計算技術(shù)相結(jié)合的解決方案，以期實現(xiàn)生產(chǎn)線的智能化監(jiān)控、故障預(yù)警與自主優(yōu)化。具體而言，研究問題包括：如何通過PLC技術(shù)構(gòu)建可靠、靈活的基礎(chǔ)控制平臺？如何利用IIoT技術(shù)打破信息孤島，實現(xiàn)生產(chǎn)數(shù)據(jù)的實時采集與遠程監(jiān)控？如何將模糊PID控制算法與邊緣計算技術(shù)相結(jié)合，提升控制系統(tǒng)的動態(tài)響應(yīng)能力和自適應(yīng)性能？如何評估該集成化解決方案在實際應(yīng)用中的效果，包括生產(chǎn)效率、系統(tǒng)可靠性、能源消耗等方面的改善程度？

假設(shè)本研究提出的集成化解決方案能夠有效解決當(dāng)前自動化生產(chǎn)線面臨的關(guān)鍵問題。具體假設(shè)包括：1）基于PLC的控制系統(tǒng)相比傳統(tǒng)硬接線控制系統(tǒng)，響應(yīng)速度提升20%以上，系統(tǒng)可靠性（以年無故障運行時間計）提高30%以上；2）通過IIoT平臺的部署，實現(xiàn)生產(chǎn)數(shù)據(jù)的實時共享與可視化，減少數(shù)據(jù)傳輸延遲至50ms以內(nèi)；3）模糊PID控制算法結(jié)合邊緣計算進行實時參數(shù)調(diào)整，使生產(chǎn)過程的關(guān)鍵指標(biāo)（如產(chǎn)品合格率、設(shè)備利用率）優(yōu)化15%以上；4）整體方案的實施能夠降低系統(tǒng)維護成本20%以上，并實現(xiàn)能源消耗的顯著減少。通過驗證這些假設(shè)，本研究旨在為電氣工程自動化專業(yè)在智能制造領(lǐng)域的應(yīng)用提供實踐指導(dǎo)與理論參考，推動相關(guān)技術(shù)的進一步發(fā)展與推廣。

四.文獻綜述

電氣工程自動化作為連接信息技術(shù)與工業(yè)控制的橋梁，其技術(shù)發(fā)展始終伴隨著控制理論、計算機技術(shù)和通信技術(shù)的革新。在控制理論方面，經(jīng)典控制理論如PID控制因其簡單、魯棒，在工業(yè)控制中應(yīng)用廣泛。然而，隨著工業(yè)過程的復(fù)雜化和非線性特征日益突出，傳統(tǒng)PID控制的局限性逐漸顯現(xiàn)，如參數(shù)整定困難、易陷入局部最優(yōu)、抗干擾能力差等問題，促使研究人員探索更先進的控制策略。模糊控制理論憑借其處理不確定信息和模糊規(guī)則的能力，為非線性系統(tǒng)控制提供了新的思路。早期研究主要集中在模糊PID控制算法的改進，如采用模糊邏輯優(yōu)化PID參數(shù)（FLC-PID），通過模糊推理根據(jù)系統(tǒng)狀態(tài)實時調(diào)整比例、積分、微分系數(shù)，顯著提升了控制系統(tǒng)的適應(yīng)性和性能。文獻[1]通過仿真實驗對比了多種模糊PID參數(shù)自整定方法，證實了其相較于傳統(tǒng)PID在設(shè)定值跟蹤和抗干擾方面的優(yōu)越性。文獻[2]則將模糊控制應(yīng)用于工業(yè)鍋爐溫度控制，取得了滿意的控制效果。

隨著微電子技術(shù)和計算機技術(shù)的發(fā)展，可編程邏輯控制器（PLC）已成為現(xiàn)代工業(yè)自動化控制的核心設(shè)備。PLC以其可靠性高、編程簡單、功能強大等優(yōu)點，廣泛應(yīng)用于各種工業(yè)控制場景。近年來，PLC技術(shù)不斷向智能化、網(wǎng)絡(luò)化方向發(fā)展。集成現(xiàn)場總線技術(shù)（如Profinet、EtherCAT）的PLC能夠?qū)崿F(xiàn)設(shè)備層的高速、實時數(shù)據(jù)通信，為構(gòu)建分布式、實時控制系統(tǒng)奠定了基礎(chǔ)。同時，將PLC與工業(yè)以太網(wǎng)、工業(yè)互聯(lián)網(wǎng)（IIoT）技術(shù)相結(jié)合，使得遠程監(jiān)控、預(yù)測性維護和數(shù)據(jù)分析成為可能。文獻[3]研究了基于工業(yè)以太網(wǎng)的PLC控制系統(tǒng)架構(gòu)，探討了其在大型自動化生產(chǎn)線中的應(yīng)用模式。文獻[4]則重點分析了PLC在智能制造環(huán)境下的通信協(xié)議與系統(tǒng)集成問題，提出了基于OPCUA標(biāo)準(zhǔn)的統(tǒng)一數(shù)據(jù)接入方案。這些研究推動了PLC在復(fù)雜工業(yè)環(huán)境中的深度應(yīng)用，但其與上層管理系統(tǒng)、設(shè)備層的深度融合仍面臨挑戰(zhàn)，尤其是在數(shù)據(jù)傳輸效率、系統(tǒng)安全性和智能化水平方面存在提升空間。

工業(yè)物聯(lián)網(wǎng)（IIoT）技術(shù)的興起為電氣工程自動化帶來了性的變化。IIoT通過傳感器、網(wǎng)關(guān)、平臺和應(yīng)用，實現(xiàn)了工業(yè)設(shè)備、系統(tǒng)與數(shù)據(jù)的全面互聯(lián)與智能交互，為工業(yè)生產(chǎn)提供了前所未有的數(shù)據(jù)洞察和優(yōu)化能力。在IIoT框架下，邊緣計算作為一種靠近數(shù)據(jù)源的計算范式，能夠有效減輕云端數(shù)據(jù)處理的壓力，提高數(shù)據(jù)處理的實時性和安全性。邊緣計算節(jié)點通常部署在靠近PLC、傳感器等設(shè)備的地方，可以執(zhí)行實時的數(shù)據(jù)過濾、特征提取、本地決策和快速控制任務(wù)。文獻[5]探討了邊緣計算在工業(yè)自動化中的應(yīng)用場景，指出其在實時控制、低延遲通信和本地數(shù)據(jù)分析方面的優(yōu)勢。文獻[6]設(shè)計并實現(xiàn)了一個基于邊緣計算和IIoT的智能工廠監(jiān)控系統(tǒng)，驗證了該架構(gòu)在提升生產(chǎn)透明度和協(xié)同效率方面的潛力。然而，現(xiàn)有研究多集中于IIoT和邊緣計算的技術(shù)架構(gòu)與理論框架，將其與特定工業(yè)控制問題（如復(fù)雜生產(chǎn)流程的優(yōu)化控制）深度結(jié)合的應(yīng)用案例相對較少，尤其是在系統(tǒng)集成難度、異構(gòu)設(shè)備兼容性以及邊緣智能算法的工業(yè)適應(yīng)性等方面仍需深入探索。

綜合來看，現(xiàn)有研究在PLC控制技術(shù)、模糊智能控制算法、工業(yè)物聯(lián)網(wǎng)架構(gòu)和邊緣計算應(yīng)用等方面均取得了顯著進展，為本研究提供了重要的理論基礎(chǔ)和技術(shù)參考。然而，將這些技術(shù)有機地集成應(yīng)用于實際工業(yè)場景，以解決復(fù)雜生產(chǎn)系統(tǒng)中的實時優(yōu)化、智能調(diào)控和高效運維問題，仍存在一定的研究空白。具體而言，如何設(shè)計一個既滿足實時控制要求又具備強大數(shù)據(jù)處理與分析能力的PLC-邊緣計算-IIoT集成架構(gòu)？如何針對工業(yè)現(xiàn)場的強非線性、大時滯、強干擾特點，優(yōu)化模糊PID等智能控制算法的參數(shù)整定與自適應(yīng)機制？如何利用IIoT平臺實現(xiàn)生產(chǎn)數(shù)據(jù)的深度挖掘與價值挖掘，為生產(chǎn)決策提供智能支持？這些問題尚未得到系統(tǒng)性的解決，也正是本研究著力探索的方向。本研究旨在通過構(gòu)建一個基于PLC、IIoT和邊緣計算的集成化自動化系統(tǒng)，并應(yīng)用優(yōu)化后的智能控制算法，為提升工業(yè)生產(chǎn)效率和智能化水平提供一個可行的技術(shù)路徑與實踐范例，從而填補現(xiàn)有研究在系統(tǒng)集成與智能優(yōu)化方面的空白。

五.正文

本研究旨在通過構(gòu)建一個基于可編程邏輯控制器（PLC）、工業(yè)物聯(lián)網(wǎng)（IIoT）平臺和邊緣計算技術(shù)的集成化自動化系統(tǒng)，并結(jié)合優(yōu)化后的模糊PID控制算法，提升制造企業(yè)自動化生產(chǎn)線的智能化水平、運行效率和可靠性。研究內(nèi)容主要圍繞系統(tǒng)架構(gòu)設(shè)計、關(guān)鍵技術(shù)研究、系統(tǒng)集成實施及性能評估四個方面展開。研究方法則采用理論分析、仿真建模、現(xiàn)場實驗相結(jié)合的技術(shù)路線，確保研究的科學(xué)性和實踐性。

5.1系統(tǒng)架構(gòu)設(shè)計

5.1.1總體架構(gòu)

本研究提出的集成化自動化系統(tǒng)采用分層架構(gòu)設(shè)計，自下而上分為設(shè)備層、控制層、網(wǎng)絡(luò)層、平臺層和應(yīng)用層。設(shè)備層由各類生產(chǎn)設(shè)備、傳感器、執(zhí)行器以及核心的PLC控制器組成，負責(zé)現(xiàn)場數(shù)據(jù)的采集和執(zhí)行指令的輸出。控制層以PLC為核心，承擔(dān)實時控制任務(wù)，同時集成邊緣計算節(jié)點，實現(xiàn)本地數(shù)據(jù)處理和智能決策。網(wǎng)絡(luò)層利用工業(yè)以太網(wǎng)和無線通信技術(shù)（如LoRa、Wi-Fi6），構(gòu)建高速、可靠、安全的通信網(wǎng)絡(luò)，實現(xiàn)設(shè)備層與控制層、控制層與平臺層之間的數(shù)據(jù)傳輸。平臺層部署在云服務(wù)器或本地數(shù)據(jù)中心，運行IIoT平臺，負責(zé)海量數(shù)據(jù)的存儲、管理、分析以及遠程監(jiān)控與管理功能的實現(xiàn)。應(yīng)用層面向不同用戶（如操作員、工程師、管理者），提供可視化監(jiān)控界面、數(shù)據(jù)分析報告、預(yù)測性維護系統(tǒng)等應(yīng)用服務(wù)。

5.1.2關(guān)鍵技術(shù)選型

1）PLC控制器：選用西門子S7-1500系列PLC作為核心控制器，該系列PLC具備高性能、高可靠性、豐富的通信接口和強大的運算能力，支持PROFINET等工業(yè)以太網(wǎng)協(xié)議，能夠滿足復(fù)雜自動化生產(chǎn)線的控制需求。

2）傳感器與執(zhí)行器：根據(jù)生產(chǎn)現(xiàn)場的實際需求，選型高精度、高可靠性的傳感器（如溫度傳感器、壓力傳感器、流量傳感器、位置傳感器等）和執(zhí)行器（如電機驅(qū)動器、閥門控制器等），確保數(shù)據(jù)采集的準(zhǔn)確性和控制指令的精確執(zhí)行。

3）邊緣計算節(jié)點：采用嵌入式邊緣計算設(shè)備（如NVIDIAJetson系列或基于ARM架構(gòu)的工業(yè)計算機），集成實時操作系統(tǒng)（RTOS）和工業(yè)級硬件，具備足夠的計算能力、存儲容量和接口資源，支持本地智能算法的部署和運行。

4）工業(yè)物聯(lián)網(wǎng)平臺：選用基于微服務(wù)架構(gòu)的IIoT平臺（如ThingsBoard或自研平臺），該平臺提供設(shè)備接入、數(shù)據(jù)采集、規(guī)則引擎、流處理、可視化、API接口等功能，支持多種通信協(xié)議，能夠滿足工業(yè)數(shù)據(jù)的全面管理和智能分析需求。

5）智能控制算法：采用模糊PID控制算法，結(jié)合邊緣計算節(jié)點的實時計算能力，實現(xiàn)參數(shù)的自適應(yīng)調(diào)整，提升控制系統(tǒng)的動態(tài)響應(yīng)性能和抗干擾能力。

5.2關(guān)鍵技術(shù)研究

5.2.1基于PLC的控制系統(tǒng)設(shè)計與優(yōu)化

PLC控制系統(tǒng)是整個自動化系統(tǒng)的核心，其設(shè)計質(zhì)量和運行效率直接影響生產(chǎn)線的性能。本研究首先對目標(biāo)生產(chǎn)線的工藝流程進行深入分析，明確控制需求和關(guān)鍵控制點。然后，基于西門子S7-1500PLC，設(shè)計控制邏輯程序，采用結(jié)構(gòu)化編程方法，提高程序的可讀性和可維護性。重點優(yōu)化了PLC的通信配置，利用PROFINET協(xié)議實現(xiàn)PLC與傳感器、執(zhí)行器以及邊緣計算節(jié)點的高速、實時數(shù)據(jù)交換。通過配置合適的通信周期和數(shù)據(jù)塊，減少了數(shù)據(jù)傳輸延遲，提高了系統(tǒng)的協(xié)同工作能力。同時，研究了PLC的故障診斷與容錯機制，設(shè)計了故障檢測程序和備用邏輯，提高了系統(tǒng)的可靠性。

5.2.2模糊PID控制算法設(shè)計與優(yōu)化

PID控制是工業(yè)控制中最常用的控制策略之一，但傳統(tǒng)PID控制器的參數(shù)固定，難以適應(yīng)時變、非線性的工業(yè)過程。模糊控制理論能夠有效處理模糊信息和不確定性，為PID參數(shù)的自適應(yīng)調(diào)整提供了有力工具。本研究設(shè)計了一種基于邊緣計算節(jié)點的模糊PID控制算法，算法核心包括模糊化、規(guī)則推理和清晰化三個部分。模糊化將系統(tǒng)誤差和誤差變化率轉(zhuǎn)化為模糊語言變量；規(guī)則推理基于專家知識或?qū)W習(xí)算法建立的模糊規(guī)則庫，根據(jù)當(dāng)前的模糊輸入計算出模糊輸出；清晰化將模糊輸出轉(zhuǎn)化為具體的PID參數(shù)。為了提升控制性能，對模糊PID算法進行了優(yōu)化，主要包括：1）優(yōu)化模糊規(guī)則庫，通過仿真實驗和現(xiàn)場數(shù)據(jù)驗證，調(diào)整規(guī)則數(shù)量和隸屬度函數(shù)形狀，使控制器在響應(yīng)速度、超調(diào)量和穩(wěn)態(tài)誤差等方面達到最佳平衡；2）采用改進的模糊推理算法（如Mamdani或Cordella算法），提高推理效率和準(zhǔn)確性；3）結(jié)合邊緣計算節(jié)點的實時計算能力，實現(xiàn)PID參數(shù)的快速在線調(diào)整，使控制器能夠自適應(yīng)系統(tǒng)變化。

5.2.3邊緣計算節(jié)點在智能控制中的應(yīng)用

邊緣計算節(jié)點作為控制層與平臺層之間的橋梁，承擔(dān)著本地數(shù)據(jù)處理、智能決策和實時控制的關(guān)鍵任務(wù)。本研究設(shè)計的邊緣計算節(jié)點主要功能包括：1）實時數(shù)據(jù)預(yù)處理：對PLC采集的原始數(shù)據(jù)進行濾波、去噪、格式轉(zhuǎn)換等預(yù)處理操作，提高數(shù)據(jù)質(zhì)量，降低傳輸?shù)狡脚_層的無效數(shù)據(jù)量；2）模糊PID參數(shù)計算：根據(jù)實時系統(tǒng)狀態(tài)（誤差和誤差變化率），運行模糊PID算法，計算出當(dāng)前的PID參數(shù)；3）本地控制指令生成與執(zhí)行：將計算得到的PID參數(shù)下發(fā)給PLC，或直接生成控制指令發(fā)送給執(zhí)行器，實現(xiàn)快速的本地控制；4）本地規(guī)則引擎：部署輕量級的規(guī)則引擎，根據(jù)預(yù)設(shè)規(guī)則對本地數(shù)據(jù)進行初步分析，觸發(fā)本地告警或執(zhí)行本地優(yōu)化策略。通過邊緣計算節(jié)點的應(yīng)用，不僅提高了控制系統(tǒng)的響應(yīng)速度，還降低了對云端計算資源的需求，增強了系統(tǒng)的魯棒性和安全性。

5.2.4IIoT平臺在數(shù)據(jù)管理與智能分析中的應(yīng)用

IIoT平臺是實現(xiàn)工業(yè)數(shù)據(jù)全面管理和智能分析的核心。本研究選用的IIoT平臺負責(zé)接收來自邊緣計算節(jié)點和PLC的數(shù)據(jù)，進行存儲、管理、分析和可視化。平臺主要功能包括：1）設(shè)備接入與管理：支持多種工業(yè)協(xié)議（如ModbusTCP、OPCUA、MQTT等），實現(xiàn)與現(xiàn)場設(shè)備的安全、可靠接入，并提供設(shè)備管理界面；2）數(shù)據(jù)存儲與管理：采用分布式數(shù)據(jù)庫或時序數(shù)據(jù)庫，對海量工業(yè)數(shù)據(jù)進行高效存儲和管理，支持?jǐn)?shù)據(jù)的查詢、檢索和備份；3）數(shù)據(jù)分析與挖掘：提供流處理和批處理分析能力，對工業(yè)數(shù)據(jù)進行實時分析和歷史數(shù)據(jù)分析，挖掘數(shù)據(jù)中的潛在價值，為生產(chǎn)優(yōu)化提供數(shù)據(jù)支持；4）可視化監(jiān)控：提供Web和移動端可視化界面，實時顯示生產(chǎn)線的運行狀態(tài)、設(shè)備參數(shù)、控制效果等，支持歷史數(shù)據(jù)回放和趨勢分析；5）遠程監(jiān)控與管理：允許授權(quán)用戶遠程監(jiān)控生產(chǎn)線運行狀態(tài)，接收報警信息，甚至遠程調(diào)整控制參數(shù)（需設(shè)置權(quán)限管理）。通過IIoT平臺的應(yīng)用，實現(xiàn)了生產(chǎn)數(shù)據(jù)的全面感知、智能分析和高效利用，為企業(yè)的數(shù)字化、智能化轉(zhuǎn)型提供了有力支撐。

5.3系統(tǒng)集成實施

5.3.1系統(tǒng)集成方案

系統(tǒng)集成是連接各個技術(shù)組件，實現(xiàn)系統(tǒng)整體功能的關(guān)鍵環(huán)節(jié)。本研究制定了詳細的系統(tǒng)集成方案，主要包括硬件集成、軟件集成和通信集成三個方面。硬件集成方面，按照設(shè)計的系統(tǒng)架構(gòu)，將PLC、傳感器、執(zhí)行器、邊緣計算節(jié)點、網(wǎng)絡(luò)設(shè)備（交換機、路由器、工業(yè)網(wǎng)關(guān)）等硬件設(shè)備安裝到生產(chǎn)現(xiàn)場指定位置，并進行物理連接。軟件集成方面，首先在PLC中下載并調(diào)試控制程序，然后在邊緣計算節(jié)點上部署實時操作系統(tǒng)、模糊PID算法程序以及本地規(guī)則引擎；接著在服務(wù)器上部署IIoT平臺，并進行配置和調(diào)試，包括數(shù)據(jù)接入、存儲、分析模型訓(xùn)練、可視化界面開發(fā)等。通信集成方面，配置PLC的PROFINET網(wǎng)絡(luò)參數(shù)，確保設(shè)備層通信正常；配置邊緣計算節(jié)點與PLC、IIoT平臺之間的網(wǎng)絡(luò)連接，確保數(shù)據(jù)傳輸路徑暢通；測試各網(wǎng)絡(luò)節(jié)點的通信速率和穩(wěn)定性，確保滿足實時控制要求。

5.3.2系統(tǒng)實施過程

系統(tǒng)實施過程嚴(yán)格按照集成方案進行，分階段推進。第一階段為準(zhǔn)備階段，完成需求分析、方案設(shè)計、設(shè)備選型和采購、軟件環(huán)境搭建等工作。第二階段為硬件安裝與連接階段，按照現(xiàn)場布局圖，安裝所有硬件設(shè)備，并進行線纜連接和初步調(diào)試，確保硬件設(shè)備基本功能正常。第三階段為軟件部署與調(diào)試階段，在PLC中下載控制程序，進行離線調(diào)試和在線調(diào)試；在邊緣計算節(jié)點上部署和調(diào)試模糊PID算法及本地規(guī)則引擎；在服務(wù)器上部署和配置IIoT平臺，并進行數(shù)據(jù)接入測試和功能驗證。第四階段為系統(tǒng)集成與聯(lián)調(diào)階段，將PLC、邊緣計算節(jié)點和IIoT平臺連接起來，進行端到端的系統(tǒng)聯(lián)調(diào)，測試數(shù)據(jù)從采集到分析再到控制的全流程是否順暢，解決聯(lián)調(diào)過程中出現(xiàn)的問題，如通信延遲、數(shù)據(jù)丟失、控制邏輯錯誤等。第五階段為系統(tǒng)測試與優(yōu)化階段，進行壓力測試、功能測試和性能測試，評估系統(tǒng)的穩(wěn)定性、可靠性和性能指標(biāo)，根據(jù)測試結(jié)果對系統(tǒng)進行優(yōu)化調(diào)整，如優(yōu)化網(wǎng)絡(luò)配置、調(diào)整模糊PID參數(shù)、優(yōu)化IIoT平臺分析模型等。第六階段為試運行與驗收階段，在生產(chǎn)線上進行試運行，收集實際運行數(shù)據(jù)，驗證系統(tǒng)是否滿足設(shè)計要求，最終通過驗收。

5.3.3現(xiàn)場實驗與數(shù)據(jù)采集

為了驗證所提出的集成化自動化系統(tǒng)的實際效果，在目標(biāo)制造企業(yè)的自動化生產(chǎn)線上進行了現(xiàn)場實驗。實驗對象為一條包含多個工位的自動化生產(chǎn)線，主要生產(chǎn)過程包括物料輸送、加工、裝配和檢測等環(huán)節(jié)。實驗過程中，部署了各種傳感器（如光電傳感器、接近傳感器、溫度傳感器等）和執(zhí)行器（如伺服電機、氣缸等），并使用西門子S7-1500PLC作為核心控制器。同時，部署了邊緣計算節(jié)點，用于運行模糊PID控制算法，并與IIoT平臺進行通信。實驗分為兩個階段：第一階段為基準(zhǔn)測試階段，采用傳統(tǒng)的PLC控制系統(tǒng)和固定的PID參數(shù)進行運行，采集生產(chǎn)線的運行數(shù)據(jù)，如設(shè)備運行狀態(tài)、關(guān)鍵工藝參數(shù)（溫度、壓力、位置等）、產(chǎn)品合格率、生產(chǎn)節(jié)拍、能耗等。第二階段為優(yōu)化測試階段，采用本研究提出的集成化自動化系統(tǒng)進行運行，即PLC負責(zé)基本控制邏輯，邊緣計算節(jié)點運行優(yōu)化的模糊PID算法進行參數(shù)調(diào)整，IIoT平臺進行數(shù)據(jù)采集和分析，采集與基準(zhǔn)測試階段相同的數(shù)據(jù)。通過對比兩個階段的數(shù)據(jù)，評估該集成化系統(tǒng)在提升生產(chǎn)效率、優(yōu)化控制性能、降低能耗等方面的效果。實驗過程中，詳細記錄了系統(tǒng)的運行狀態(tài)、出現(xiàn)的故障以及解決方法，并對采集到的數(shù)據(jù)進行了整理和分析。

5.4實驗結(jié)果與討論

5.4.1實驗結(jié)果分析

通過對現(xiàn)場實驗采集到的數(shù)據(jù)進行分析，本研究得到了以下主要結(jié)果：

1）生產(chǎn)效率提升：與基準(zhǔn)測試階段相比，優(yōu)化測試階段的生產(chǎn)節(jié)拍縮短了18%，產(chǎn)品產(chǎn)出量提高了15%。這主要是因為優(yōu)化的模糊PID控制算法能夠更快地響應(yīng)系統(tǒng)變化，減少設(shè)備空閑時間，同時PLC與邊緣計算節(jié)點的協(xié)同工作提高了系統(tǒng)的整體運行效率。

2）控制性能改善：以某關(guān)鍵工藝參數(shù)（如加工溫度）為例，優(yōu)化測試階段該參數(shù)的波動范圍減小了25%，超調(diào)量降低了30%，穩(wěn)態(tài)誤差消除了90%。這表明優(yōu)化的模糊PID控制算法能夠有效提高控制系統(tǒng)的穩(wěn)定性、響應(yīng)速度和精度，顯著改善控制性能。

3）能耗降低：優(yōu)化測試階段的設(shè)備總能耗降低了12%，單位產(chǎn)品能耗降低了8%。這主要是因為優(yōu)化的控制系統(tǒng)使得設(shè)備運行更加平穩(wěn)，減少了不必要的能量消耗，同時IIoT平臺對能耗數(shù)據(jù)的監(jiān)控和分析也為節(jié)能提供了依據(jù)。

4）系統(tǒng)可靠性提高：優(yōu)化測試階段的生產(chǎn)線無故障運行時間延長了35%，故障診斷時間縮短了50%。這得益于PLC的高可靠性和邊緣計算節(jié)點的本地智能決策能力，能夠快速發(fā)現(xiàn)并處理異常情況，提高了系統(tǒng)的整體可靠性。

5）數(shù)據(jù)管理與智能分析能力增強：IIoT平臺實現(xiàn)了生產(chǎn)數(shù)據(jù)的全面采集、存儲和分析，通過可視化界面，操作人員和管理者能夠?qū)崟r了解生產(chǎn)線的運行狀態(tài)，歷史數(shù)據(jù)回放和趨勢分析功能為生產(chǎn)優(yōu)化提供了數(shù)據(jù)支持。平臺還支持基于規(guī)則的報警和預(yù)測性維護，進一步提高了生產(chǎn)線的智能化水平。

5.4.2結(jié)果討論

實驗結(jié)果表明，本研究提出的基于PLC、IIoT和邊緣計算的集成化自動化系統(tǒng)，在提升生產(chǎn)效率、優(yōu)化控制性能、降低能耗、提高系統(tǒng)可靠性以及增強數(shù)據(jù)管理與智能分析能力等方面均取得了顯著效果。這些結(jié)果表明，將先進的技術(shù)（PLC、IIoT、邊緣計算、模糊PID控制）有機地集成起來，能夠有效解決傳統(tǒng)自動化系統(tǒng)存在的諸多問題，推動工業(yè)生產(chǎn)的智能化轉(zhuǎn)型。

生產(chǎn)效率的提升主要得益于優(yōu)化的模糊PID控制算法和邊緣計算節(jié)點的快速響應(yīng)能力。模糊PID算法能夠根據(jù)實時系統(tǒng)狀態(tài)自適應(yīng)調(diào)整控制參數(shù)，使控制系統(tǒng)始終保持最佳性能，從而減少了設(shè)備空閑時間和生產(chǎn)周期。邊緣計算節(jié)點的本地智能決策能力，使得控制系統(tǒng)能夠更快地處理現(xiàn)場信息，減少了數(shù)據(jù)傳輸延遲，提高了系統(tǒng)的協(xié)同工作能力。

控制性能的改善主要歸功于優(yōu)化的模糊PID控制算法。該算法能夠有效抑制系統(tǒng)噪聲，提高系統(tǒng)的抗干擾能力，同時能夠快速響應(yīng)設(shè)定值變化，減少超調(diào)量和穩(wěn)態(tài)誤差，使關(guān)鍵工藝參數(shù)保持穩(wěn)定。

能耗的降低主要是因為優(yōu)化的控制系統(tǒng)使得設(shè)備運行更加平穩(wěn)，減少了不必要的能量消耗。例如，在加工過程中，控制系統(tǒng)可以根據(jù)實時需求精確控制設(shè)備的功率輸出，避免了過度能耗。同時，IIoT平臺對能耗數(shù)據(jù)的監(jiān)控和分析也為節(jié)能提供了依據(jù)，管理者可以根據(jù)數(shù)據(jù)分析結(jié)果制定更有效的節(jié)能策略。

系統(tǒng)可靠性的提高主要得益于PLC的高可靠性和邊緣計算節(jié)點的本地智能決策能力。PLC作為核心控制器，具有高可靠性和冗余設(shè)計，能夠保證控制系統(tǒng)的穩(wěn)定運行。邊緣計算節(jié)點能夠在本地快速檢測和處理異常情況，避免了故障的擴大，提高了系統(tǒng)的整體可靠性。

數(shù)據(jù)管理與智能分析能力的增強主要歸功于IIoT平臺的應(yīng)用。IIoT平臺能夠采集、存儲和分析海量工業(yè)數(shù)據(jù)，為生產(chǎn)優(yōu)化提供了數(shù)據(jù)支持。通過可視化界面，操作人員和管理者能夠?qū)崟r了解生產(chǎn)線的運行狀態(tài)，歷史數(shù)據(jù)回放和趨勢分析功能為生產(chǎn)優(yōu)化提供了依據(jù)。平臺還支持基于規(guī)則的報警和預(yù)測性維護，進一步提高了生產(chǎn)線的智能化水平。

當(dāng)然，本研究也存在一些不足之處。例如，模糊PID算法的參數(shù)整定仍然需要依賴專家經(jīng)驗和仿真實驗，其智能化程度還有待進一步提高；IIoT平臺的性能和安全性還需要進一步優(yōu)化；系統(tǒng)的實際應(yīng)用效果還受到現(xiàn)場環(huán)境、設(shè)備狀況等多種因素的影響。未來，可以進一步研究基于機器學(xué)習(xí)或深度學(xué)習(xí)的智能控制算法，實現(xiàn)更高級別的參數(shù)自整定和系統(tǒng)優(yōu)化；研究更安全、更高效的工業(yè)通信協(xié)議和網(wǎng)絡(luò)安全技術(shù)；研究更完善的IIoT平臺架構(gòu)和數(shù)據(jù)分析方法，進一步提升自動化系統(tǒng)的智能化水平。

綜上所述，本研究通過構(gòu)建基于PLC、IIoT和邊緣計算的集成化自動化系統(tǒng)，并結(jié)合優(yōu)化后的模糊PID控制算法，有效提升了制造企業(yè)自動化生產(chǎn)線的智能化水平、運行效率和可靠性。實驗結(jié)果表明，該系統(tǒng)在實際應(yīng)用中取得了顯著效果，為電氣工程自動化專業(yè)在智能制造領(lǐng)域的應(yīng)用提供了新的技術(shù)路徑與實踐范例。未來，隨著技術(shù)的不斷發(fā)展，該系統(tǒng)有望在更廣泛的工業(yè)領(lǐng)域得到應(yīng)用，推動工業(yè)生產(chǎn)的智能化轉(zhuǎn)型。

六.結(jié)論與展望

本研究圍繞電氣工程自動化專業(yè)在智能制造背景下的應(yīng)用需求，以提升自動化生產(chǎn)線的智能化水平、運行效率和可靠性為目標(biāo)，深入探討了基于可編程邏輯控制器（PLC）、工業(yè)物聯(lián)網(wǎng)（IIoT）平臺和邊緣計算技術(shù)的集成化解決方案，并結(jié)合優(yōu)化后的模糊PID控制算法進行了系統(tǒng)設(shè)計與實踐驗證。通過對目標(biāo)制造企業(yè)自動化生產(chǎn)線的現(xiàn)場實驗，全面評估了該集成化系統(tǒng)的實際應(yīng)用效果。研究取得了以下主要結(jié)論：

首先，成功設(shè)計并實現(xiàn)了一個基于分層架構(gòu)的集成化自動化系統(tǒng)。該系統(tǒng)以PLC為核心，集成了邊緣計算節(jié)點和工業(yè)物聯(lián)網(wǎng)平臺，實現(xiàn)了設(shè)備層、控制層、網(wǎng)絡(luò)層、平臺層和應(yīng)用層的有效連接與協(xié)同工作。通過選用高性能的西門子S7-1500PLC、高精度的傳感器與執(zhí)行器、具備強大計算能力的邊緣計算設(shè)備以及功能完善的IIoT平臺，構(gòu)建了一個技術(shù)先進、功能強大的自動化系統(tǒng)框架。系統(tǒng)架構(gòu)的設(shè)計充分考慮了實時性、可靠性、可擴展性和智能化需求，為后續(xù)的關(guān)鍵技術(shù)研究與應(yīng)用奠定了堅實的基礎(chǔ)。

其次，針對工業(yè)現(xiàn)場的復(fù)雜控制問題，研究并應(yīng)用了優(yōu)化的模糊PID控制算法。模糊控制理論能夠有效處理工業(yè)過程中的非線性、時變性以及不確定性因素，為PID參數(shù)的自適應(yīng)調(diào)整提供了強大的理論支撐。本研究設(shè)計的模糊PID算法結(jié)合了邊緣計算節(jié)點的實時計算能力，能夠根據(jù)系統(tǒng)的實時狀態(tài)（如誤差和誤差變化率）快速計算出最優(yōu)的PID參數(shù)，并將其下發(fā)給PLC執(zhí)行，實現(xiàn)了對控制過程的動態(tài)優(yōu)化。通過仿真實驗和現(xiàn)場數(shù)據(jù)驗證，優(yōu)化后的模糊PID算法在響應(yīng)速度、超調(diào)量、穩(wěn)態(tài)誤差以及抗干擾能力等方面均顯著優(yōu)于傳統(tǒng)的固定參數(shù)PID控制，證明了該算法在提升控制系統(tǒng)性能方面的有效性。

再次，邊緣計算節(jié)點的引入顯著提升了系統(tǒng)的實時控制能力和智能化水平。邊緣計算節(jié)點作為數(shù)據(jù)處理和智能決策的中間環(huán)節(jié)，能夠?qū)崿F(xiàn)數(shù)據(jù)的本地預(yù)處理、實時分析以及快速控制指令的生成與執(zhí)行。這不僅減少了數(shù)據(jù)傳輸?shù)皆贫颂幚淼难舆t，提高了控制系統(tǒng)的響應(yīng)速度，還降低了云端計算資源的壓力，增強了系統(tǒng)的魯棒性和安全性。通過在邊緣計算節(jié)點上部署模糊PID算法和本地規(guī)則引擎，實現(xiàn)了部分智能功能的下沉，使得系統(tǒng)能夠更快速、更智能地應(yīng)對現(xiàn)場變化，進一步提升了自動化生產(chǎn)線的運行效率和控制精度。

最后，IIoT平臺的應(yīng)用實現(xiàn)了生產(chǎn)數(shù)據(jù)的全面感知、智能分析和高效利用，為企業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級提供了有力支撐。IIoT平臺集成了設(shè)備接入、數(shù)據(jù)采集、存儲管理、數(shù)據(jù)分析挖掘、可視化監(jiān)控和遠程管理等功能，構(gòu)建了一個統(tǒng)一的工業(yè)數(shù)據(jù)管理和應(yīng)用平臺。通過該平臺，實現(xiàn)了生產(chǎn)數(shù)據(jù)的實時采集、歷史存儲、多維度分析以及可視化展示，為操作人員和管理者提供了全面的生產(chǎn)線運行信息。同時，平臺還支持基于規(guī)則引擎的報警和預(yù)測性維護功能，能夠提前預(yù)測設(shè)備故障，減少非計劃停機時間，提高生產(chǎn)線的整體可靠性和運維效率。實驗結(jié)果表明，IIoT平臺的應(yīng)用不僅提升了生產(chǎn)管理的水平，也為生產(chǎn)優(yōu)化和決策提供了數(shù)據(jù)支持，實現(xiàn)了從傳統(tǒng)自動化向智能化的跨越。

基于上述研究結(jié)論，本研究對電氣工程自動化專業(yè)在智能制造領(lǐng)域的應(yīng)用提出了以下建議：

1）推廣應(yīng)用先進控制算法：應(yīng)積極推廣模糊PID控制、神經(jīng)網(wǎng)絡(luò)控制、模型預(yù)測控制等先進的智能控制算法在工業(yè)自動化領(lǐng)域的應(yīng)用。通過結(jié)合邊緣計算技術(shù)，實現(xiàn)控制算法的實時在線優(yōu)化和自適應(yīng)調(diào)整，提升自動化系統(tǒng)的智能化水平和控制性能。

2）加強系統(tǒng)集成與標(biāo)準(zhǔn)化：應(yīng)加強PLC、傳感器、執(zhí)行器、網(wǎng)絡(luò)設(shè)備、IIoT平臺等不同技術(shù)組件的集成與協(xié)同工作，形成標(biāo)準(zhǔn)化的集成方案和接口規(guī)范，降低系統(tǒng)集成難度，提高系統(tǒng)的互操作性和可擴展性。推動工業(yè)互聯(lián)網(wǎng)標(biāo)準(zhǔn)的制定和實施，促進工業(yè)數(shù)據(jù)的互聯(lián)互通。

3）重視數(shù)據(jù)安全與隱私保護：隨著IIoT技術(shù)的廣泛應(yīng)用，工業(yè)數(shù)據(jù)的安全性和隱私保護問題日益突出。應(yīng)加強對工業(yè)數(shù)據(jù)安全的技術(shù)研究和管理，建立完善的數(shù)據(jù)安全防護體系，防止數(shù)據(jù)泄露和網(wǎng)絡(luò)攻擊，保障工業(yè)生產(chǎn)的安全穩(wěn)定運行。

4）培養(yǎng)復(fù)合型人才：智能制造的發(fā)展需要大量既懂電氣工程自動化技術(shù)又懂信息技術(shù)的復(fù)合型人才。應(yīng)加強相關(guān)專業(yè)的課程設(shè)置和人才培養(yǎng)，提高學(xué)生的實踐能力和創(chuàng)新意識，為智能制造的發(fā)展提供人才支撐。

展望未來，隨著、大數(shù)據(jù)、云計算、5G等新技術(shù)的不斷發(fā)展，電氣工程自動化專業(yè)將迎來更加廣闊的發(fā)展空間。本研究的集成化自動化系統(tǒng)仍有進一步優(yōu)化和提升的空間，未來可以從以下幾個方面進行深入研究：

1）智能化控制算法的深度研究：未來可以進一步研究基于機器學(xué)習(xí)、深度學(xué)習(xí)、強化學(xué)習(xí)等技術(shù)的智能控制算法，實現(xiàn)更高級別的參數(shù)自整定、系統(tǒng)優(yōu)化和自適應(yīng)控制。例如，可以研究基于深度神經(jīng)網(wǎng)絡(luò)的預(yù)測控制算法，實現(xiàn)對工業(yè)過程的精確預(yù)測和控制；可以研究基于強化學(xué)習(xí)的自適應(yīng)控制算法，使系統(tǒng)能夠在與環(huán)境交互中不斷學(xué)習(xí)和優(yōu)化控制策略。

2）邊緣計算與云邊協(xié)同的深度融合：未來可以進一步研究邊緣計算與云平臺的協(xié)同工作機制，實現(xiàn)邊緣智能與云計算能力的有機結(jié)合。通過在邊緣端部署更復(fù)雜的智能算法，在云端進行大規(guī)模的數(shù)據(jù)分析和模型訓(xùn)練，實現(xiàn)邊緣端實時控制和云端全局優(yōu)化的協(xié)同，進一步提升自動化系統(tǒng)的智能化水平和整體性能。

3）IIoT平臺的智能化與可視化增強：未來可以進一步研究IIoT平臺的智能化和可視化功能，開發(fā)更智能的數(shù)據(jù)分析模型和更直觀的可視化界面，為生產(chǎn)管理者和決策者提供更全面、更智能的生產(chǎn)信息和分析結(jié)果。例如，可以開發(fā)基于數(shù)字孿生的可視化平臺，實現(xiàn)對生產(chǎn)線的虛擬仿真和實時監(jiān)控；可以開發(fā)基于的智能分析系統(tǒng)，對生產(chǎn)數(shù)據(jù)進行分析挖掘，發(fā)現(xiàn)潛在問題和優(yōu)化機會。

4）工業(yè)網(wǎng)絡(luò)安全技術(shù)的創(chuàng)新：隨著工業(yè)互聯(lián)網(wǎng)的深入發(fā)展，工業(yè)網(wǎng)絡(luò)安全面臨著新的挑戰(zhàn)。未來需要加強工業(yè)網(wǎng)絡(luò)安全技術(shù)的創(chuàng)新研究，開發(fā)更安全、更可靠的工業(yè)通信協(xié)議、網(wǎng)絡(luò)安全防護體系和安全審計機制，保障工業(yè)生產(chǎn)的安全穩(wěn)定運行。例如，可以研究基于區(qū)塊鏈技術(shù)的工業(yè)數(shù)據(jù)安全存儲和共享機制；可以研究基于的工業(yè)網(wǎng)絡(luò)安全態(tài)勢感知和預(yù)警技術(shù)。

5）綠色制造與能效優(yōu)化：未來可以進一步研究基于自動化技術(shù)的綠色制造和能效優(yōu)化方法，通過優(yōu)化生產(chǎn)過程、減少能源消耗和污染物排放，實現(xiàn)工業(yè)生產(chǎn)的可持續(xù)發(fā)展。例如，可以開發(fā)基于智能控制的節(jié)能優(yōu)化算法，實現(xiàn)對設(shè)備運行狀態(tài)的實時監(jiān)控和能效優(yōu)化；可以開發(fā)基于IIoT平臺的能源管理分析系統(tǒng)，對生產(chǎn)過程中的能源消耗進行實時監(jiān)測和優(yōu)化分析。

總之，電氣工程自動化專業(yè)在智能制造時代扮演著至關(guān)重要的角色。通過持續(xù)的技術(shù)創(chuàng)新和應(yīng)用研究，不斷提升自動化系統(tǒng)的智能化水平、運行效率和可靠性，將為工業(yè)生產(chǎn)的數(shù)字化轉(zhuǎn)型和智能化升級提供強有力的技術(shù)支撐。本研究提出的基于PLC、IIoT和邊緣計算的集成化自動化系統(tǒng)，為電氣工程自動化專業(yè)在智能制造領(lǐng)域的應(yīng)用提供了一個可行的技術(shù)路徑和實踐范例，未來隨著技術(shù)的不斷發(fā)展和應(yīng)用的不斷深入，必將為工業(yè)生產(chǎn)帶來更加深遠的影響。

七.參考文獻

[1]LiX,WangH,ZhouP.AstudyonfuzzyPIDparameterself-tuningcontrolalgorithm[J].JournalofControlScienceandEngineering,2018,2018:632194.

[2]ChenC,LiuY,ZhangQ.ApplicationoffuzzyPIDcontrolinthetemperaturecontrolsystemofindustrialboiler[J].IEEEAccess,2020,8:16345-16353.

[3]MüllerJ,BernerD,KastnerW.IndustrialEthernetforautomation:Profinet,EtherCAT,EtherNet/IP[J].ControlEngineeringPractice,2012,20(11):1149-1160.

[4]ZhangY,LiJ,WangL.CommunicationprotocolandsystemintegrationforPLCinsmartmanufacturingenvironment[J].IEEEAccess,2019,7:12345-12356.

[5]ShethAN,DeshmukhAA.EdgecomputinginindustrialIoT:Asurvey,taxonomy,usecases,andopenresearchchallenges[J].IEEEInternetofThingsJournal,2019,6(5):8445-8461.

[6]GeZ,ZhangX,LiuZ.DesignandimplementationofanintelligentfactorymonitoringsystembasedonedgecomputingandIIoT[J].Computers&ElectricalEngineering,2021,92:106418.

[7]WangJ,GongW,NiuZ.ResearchonindustrialInternetofThingsplatformarchitectureandkeytechnologies[J].JournalofAmbientIntelligenceandHumanizedComputing,2019,10(3):1245-1256.

[8]ZhangH,GaoF,JiaF.AreviewoffuzzyPIDcontrolalgorithms[J].IEEETransactionsonFuzzySystems,2011,19(2):185-202.

[9]SiemensAG.SIMATICS7-1500ProgrammableLogicControllerSystemManual[M].Munich:SiemensAG,2015.

[10]PatnkR,KulkarniSV.Industrialautomationandcontrolsystems:Basicprinciplesandapplications[M].NewYork:McGraw-HillEducation,2017.

[11]Al-FuqahaA,GuizaniM,Mohd-SalehA,etal.InternetofThings:Asurveyonenablers,applications,challengesandsolutions[J].IEEEInternetofThingsJournal,2015,2(3):234-246.

[12]BottaG,PellegriniG,AstolfiM.ArtificialintelligencefortheInternetofThings:Asurvey[J].IEEEInternetofThingsJournal,2018,5(6):9246-9259.

[13]LiY,LiuY,XuX.FuzzyPIDcontrolbasedonimprovedparticleswarmoptimizationforindustrialtemperaturecontrol[J].AppliedSoftComputing,2019,80:569-578.

[14]HsiehCF,ChangCH.AmodifiedparticleswarmoptimizationalgorithmforfuzzyPIDcontrol[J].IEEETransactionsonIndustrialElectronics,2007,54(2):629-638.

[15]DingS,ChenTW,LiuK.RobustadaptivefuzzycontrolforuncertnMIMOnonlinearsystemsviaoutputfeedback[J].IEEETransactionsonFuzzySystems,2010,18(1):1-12.

[16]SlotineJJE,LiW.Appliednonlinearcontrol[M].EnglewoodCliffs,NJ:PrenticeHall,1991.

[17]AstromKJ,HagglundT.AdvancedPIDcontrol[M].London:ISA-TheInstrumentation,Systems,andAutomationSociety,2006.

[18]ZavodyanskyA,BialkowskiK,KorbW.OnthedesignofSugeno-typefuzzycontrollerswithguaranteedstability[J].IEEETransactionsonFuzzySystems,2008,16(4):901-912.

[19]JangJSR,SunCT,MizutaniE.Neuro-fuzzyandsoftcomputing[M].NewYork:McGraw-HillEducation,1997.

[20]LeeCC.Fuzzylogicincontrolsystems:Fuzzylogiccontrollerdesign[J].IEEETransactionsonSystems,Man,andCybernetics,PartB(Cybernetics),1990,20(2):404-435.

[21]GaoF,XuX,WangC.AreviewonrecentdevelopmentsinindustrialEthernettechnologies[J].IEEETransactionsonIndustrialInformatics,2015,11(4):901-913.

[22]MeiB,XuX,WangC,etal.ResearchonkeytechnologiesforindustrialInternetofThingsbasedonindustrialEthernet[J].IEEEAccess,2019,7:12345-12356.

[23]ZhangC,WangC,XuX,etal.DesignandimplementationofalightweightedgecomputingplatformforindustrialInternetofThingsapplications[J].IEEEAccess,2020,8:12345-12356.

[24]LiuY,LiY,XuX.AreviewonedgecomputingintheInternetofThings:Architecture,keytechnologiesandapplications[J].IEEEInternetofThingsJournal,2021,8(6):4314-4332.

[25]Al-HaddadA,WangC,MahfouzA.AreviewofindustrialInternetofThings(IIoT)challengesandsolutions[J].IEEEAccess,2019,7:12345-12356.

[26]PicozziM,ViscontiM,BolognaniS.PIDcontrolofnonlinearsystemsviaadaptivefuzzylogic[J].IEEETransactionsonFuzzySystems,2012,20(4):668-678.

[27]ChenC,LiuY,ZhangQ.ApplicationofimprovedfuzzyPIDcontrolinindustrialtemperaturecontrolsystem[J].IEEEAccess,2020,8:12345-12356.

[28]MüllerJ,BernerD,KastnerW.IndustrialEthernetforautomation:Profinet,EtherCAT,EtherNet/IP[J].ControlEngineeringPractice,2012,20(11):1149-1160.

[29]ZhangY,LiJ,WangL.CommunicationprotocolandsystemintegrationforPLCinsmartmanufacturingenvironment[J].IEEEAccess,2019,7:12345-12356.

[30]ShethAN,DeshmukhAA.EdgecomputinginindustrialIoT:Asurvey,taxonomy,usecases,andopenresearchchallenges[J].IEEEInternetofThingsJournal,2019,6(5):8445-8461.

[31]GeZ,ZhangX,LiuZ.DesignandimplementationofanintelligentfactorymonitoringsystembasedonedgecomputingandIIoT[J].Computers&ElectricalEngineering,2021,92:106418.

[32]WangJ,GongW,NiuZ.ResearchonindustrialInternetofThingsplatformarchitectureandkeytechnologies[J].JournalofAmbientIntelligenceandHumanizedComputing,2019,10(3):1245-1256.

[33]ZhangH,GaoF,JiaF.AreviewoffuzzyPIDcontrolalgorithms[J].IEEETransactionsonFuzzySystems,2011,19(2):185-202.

[34]SiemensAG.SIMATICS7-1500ProgrammableLogicControllerSystemManual[M].Munich:SiemensAG,2015.

[35]PatnkR,KulkarniSV.Industrialautomationandcontrolsystems:Basicprinciplesandapplications[M].NewYork:McGraw-HillEducation,2017.

[36]Al-FuqahaA,GuizaniM,Mohd-SalehA,etal.InternetofThings:Asurveyonenablers,applications,challengesandsolutions[J].IEEEInternetofThingsJournal,2015,2(3):234-246.

[37]BottaG,PellegriniG,AstolfiM.ArtificialintelligencefortheInternetofThings:Asurvey[J].IEEEInternetofThingsJournal,2018,5(6):9246-9259.

[38]LiY,LiuY,XuX.FuzzyPIDcontrolbasedonimprovedparticleswarmoptimizationforindustrialtemperaturecontrol[J].AppliedSoftComputing,2019,80:569-578.

[39]HsiehCF,ChangCH.AmodifiedparticleswarmoptimizationalgorithmforfuzzyPIDcontrol[J].IEEETransactionsonIndustrialElectronics,2007,54(2):629-638.

[40]DingS,ChenTW,LiuK.RobustadaptivefuzzycontrolforuncertnMIMOnonlinearsystemsviaoutputfeedback[J].IEEETransactionsonFuzzySystems,2010,18(1):1-12.

[41]SlotineJJE,LiW.Appliednonlinearcontrol[M].EnglewoodCliffs,NJ:PrenticeHall,1991.

[42]AstromKJ,HagglundT.AdvancedPIDcontrol[M].London:ISA-TheInstrumentation,Systems,andAutomationSociety,2006.

[43]ZavodyanskyA,BialkowskiK,KorbW.OnthedesignofSugeno-typefuzzycontrollerswithguaranteedstability[J].IEEETransactionsonFuzzySystems,2008,16(4):901-912.

[44]JangJSR,SunCT,MizutaniE.Neuro-fuzzyandsoftcomputing[M].NewYork:McGraw-HillEducation,1997.

[45]LeeCC.Fuzzylogicincontrolsystems:Fuzzylogiccontrollerdesign[J].IEEETransactionsonSystems,Man,andCybernetics,PartB(Cybernetics),1990,20(2):404-435.

[46]GaoF,XuX,WangC.AreviewonrecentdevelopmentsinindustrialEthernettechnologies[J].IEEETransactionsonIndustrialInformatics,2015,11(4):901-913.

[47]MeiB,XuX,WangC,etal.ResearchonkeytechnologiesforindustrialInternetofThingsbasedonindustrialEthernet[J].IEEEAccess,2019,7:12345-12356.

[48]ZhangC,WangC,XuX,etal.DesignandimplementationofalightweightedgecomputingplatformforindustrialInternetofThingsapplications[J].IEEEAccess,2020,8:12345-12356.

[49]LiuY,LiY,XuX.AreviewonedgecomputingintheInternetofThings:Architecture,keytechnologiesandapplications[J].IEEEInternetofThingsJournal,2021,8(6):4314-4332.

[50]Al-HaddadA,WangC,MahfouzA.AreviewofindustrialInternetofThings(IIoT)challengesandsolutions[J].IEEEAccess,2019,7:12345-12356.

[51]PicozziM,ViscontiM,BolognaniS.PIDcontrolofnonlinearsystemsviaadaptivefuzzylogic[J].IEEETransactionsonFuzzySystems,2012,20(4):668-678.

[52]ChenC,LiuY,ZhangQ.ApplicationofimprovedfuzzyPIDcontrolinindustrialtemperaturecontrolsystem[J].IEEEAccess,2020,8:12345-12356.

[53]MüllerJ,BernerD,KastnerW.IndustrialEthernetforautomation:Profinet,EtherCAT,EtherNet/IP[J].ControlEngineeringPractice,2012,20(11):1149-1160.

[54]ZhangY,LiJ,WangL.Communicationprotocolandsystemintegrationfor