科学网-基于逻辑化简的PLC转换序列识别-邹铁枫的博文

基于逻辑化简的PLC转换序列识别

2025-9-2 15:22

阅读：779

本次分享“PLC transition sequence identification based on logical reduction (基于逻辑化简的PLC转换序列识别)”。

在工业自动化与智能制造领域，如何从可编程逻辑控制器（PLC）的输入/输出（I/O）信号中自动识别系统行为模型，是实现系统监控、故障诊断与过程优化的关键基础。然而，由于PLC信号具有持续性、高并发性以及易受噪声干扰等特点，传统方法在构建准确的转换序列时往往面临状态爆炸、时间复杂度高和抗噪能力差等挑战。本文提出了一种基于逻辑化简的PLC转换序列识别方法，通过引入布尔吸收律对事件向量序列进行噪声过滤与逻辑约简，有效提取输入与输出之间的因果关系，构建简洁且准确的触发函数。在此基础上，结合关联矩阵计算与转换序列校正策略，进一步提升了模型的完整性与可靠性。实验结果表明，该方法不仅显著减少了冗余转换，提高了识别效率，而且具有多项式时间复杂度，适用于复杂工业场景下的系统建模。对于从事离散事件系统、过程挖掘、工业控制系统建模与分析的研究人员而言，本文提供了一种高效、鲁棒的自动化建模新思路，具有较强的理论意义与工程应用价值。

科研团队介绍：该科研团队主要利用日志数据来发现、监控和改进实际业务流程流程，并对其中的故障进行预测与诊断。主要聚焦在AI增强的流程挖掘：结合GPT-4、LLM，面向对象的流程挖掘等领域进行自然语言查询和建模；同时，还对实时流程监控及大模型的可解释性也颇感兴趣，通过可解释性揭示大模型高度复杂的黑盒内部机制，帮助人类理解其推理过程，从而提高可信度、公平性和可控性。

PLC transition sequence identification based on logical reduction 基于逻辑化简的PLC转换序列识别

Yue Luo1, Jianhong Ye1, Jiazhong Zhou2, Jia Liu1, Linping Jiang1

机构：1 华侨大学计算机科学与技术学院；2 华侨大学信息科学与工程学院

引用：Luo, Y., Ye, J., Zhou, J. et al. PLC transition sequence identification based on logical reduction. Control Theory Technol. (2025).https://doi.org/10.1007/s11768-025-00263-9

全文链接：https://rdcu.be/eCDNQ

摘要

在例如电力传输设施和水处理厂等工业控制系统中，只要没有发生故障，可编程逻辑控制器（PLC）便能够长期稳定可靠地运行。黑盒识别旨在仅借助PLC设备的输入/输出（I/O）信号，自动构建Petri网模型。其主要挑战在于如何将无限长的PLC信号转换为一个事件序列，这是后续建模的基础。现有的算法面临诸多挑战，包括转换次数呈指数级增长、时间复杂度高，以及对噪声信号敏感等问题。为解决这些问题，本文提出了一种将PLC信号转换为转换序列的新方法。该方法基于布尔吸收律原理，对I/O信号中的噪声信息进行滤除。随后，从滤波后的信号中构建表示输入-输出因果关系的触发函数。最后，遍历原始信号序列以生成转换序列。实验结果表明，该方法能够快速识别出转换序列。与传统方法相比，所提出的算法具有多项式时间复杂度。

引言

工业控制系统是由可编程逻辑控制器（PLC）、远程终端单元等设施组成的网络，这些设施进而控制电机、泵等现场设备。这些网络至关重要，因为它们协调并控制着与我们日常生活密切相关的基础设施中的关键工业流程，例如电力供应、污水处理、安全运输和食品生产。除非发生故障，这些设备将持续运行，以确保工厂的正常运作。因此，PLC的输入/输出（I/O）信号呈现出持续不断的特点。对观测到的事件序列进行自动化建模，目前主要集中在离散事件系统（DES）和工作流过程管理领域。识别过程涉及通过观察I/O信号的演化模式，确定描述给定系统行为的数学模型。在早期的研究中，识别主要基于更高层次的抽象，例如“区域”和“语言”。这些方法不适用于离散制造系统，因为它们无法处理从实际系统中采集的数据。在过去十年中，研究人员提出了针对工业系统的识别方法。这些方法旨在发现控制系统功能、验证生产设备的逻辑一致性、检测偏差，并衡量现实系统与期望行为之间的差异。

输入/输出（I/O）信号由大量二进制值组成，必须将其转换为一系列转换，以提取系统的动态行为。这种转换最终会生成一个冗长的转换序列，例如 S = t1t2t3t4t5t6t7···，将PLC信号转换为转换序列的方法可分为两类问题。第一类问题涉及持续监控PLC设备的I/O信号。对于每个I/O信号，若其与之前任何信号不同，则构建一个新的转换。这类方法计算简单，易于实现。然而，其缺点在于会生成大量转换，导致系统被“淹没”，从而产生一个结构复杂、难以理解的“意大利面条式”网络。第二类问题则聚焦于研究各信号输入与输出之间的因果关系。基于这些因果关系建立触发函数和转换序列。这类方法能够处理并发行为，生成更为清晰、简洁的系统模型。随着大型人工智能模型的应用，如何促使并实现更精确、更高效地将PLC信号转化为转换序列，已成为当前面临的一项新挑战。

本文的主要贡献在于提出了一种基于布尔吸收律的事件约简方法。该方法能够滤除事件向量序列中的噪声，显著简化触发函数并提高其准确性。随后，通过计算关联矩阵来表征系统的可观测行为。此外，本文还提出了一种校正策略，以应对部分不可观测的行为，从而进一步减少转换序列中的信息损失。该方法的整体流程如图1所示。

本文的结构安排如下：第2节讨论相关研究工作并指出关键挑战；第3节介绍有助于理解本文后续内容的一些基本概念；第4节和第5节详细阐述所提出的方法；第6节讨论实验设置与结果；最后，第7节给出结论性评述并对未来工作进行展望。

结论

本研究提出了一种通过构建转换序列来探究PLC设备中输入与输出信号之间因果关系的方法。该方法通过滤除噪声和消除虚假因果关联，有效提高了转换序列识别的准确性。此外，还引入了一种校正策略以减轻信息损失，且该方法表现出良好的性能，具有多项式时间复杂度。

该方法可应用于工业环境，且几乎无需对现有系统进行修改。例如，可通过Modbus TCP协议库，使用Python脚本采集PLC信号数据，从而在确保与现有系统兼容的同时，实现噪声滤除和转换序列分析。该方法有助于提升信号分析能力、异常检测效率以及对输入-输出关系的理解。

然而，该方法也存在一些局限性：首先，其依赖于对整个数据集进行预处理，这降低了其在实时应用中的适用性；其次，该方法假设输入与输出之间存在确定性的关系，这一假设限制了其在处理具有时间延迟或随机行为系统的有效性；此外，该方法在可扩展性方面仍有待提升，以更好地应对大规模、高并发的复杂系统。

未来的工作将从以下几个方面着手解决上述局限性：首先，通过采用滑动窗口或增量更新等技术，对算法进行改进以支持在线处理，提升其在实时场景中的适用性；其次，引入概率模型或时序逻辑，增强算法处理非确定性场景的能力；此外，通过并行计算或硬件加速对算法进行优化，以提高其在大规模系统中的可扩展性。最后，将利用该算法生成的转换序列构建Petri网，并通过与专家模型对齐和比较的方式，使用并行Petri网进一步验证所建模型在表征真实系统行为方面的准确性。

作者介绍

Yue Luo，目前正在华侨大学计算机科学与技术学院攻读计算机技术专业硕士学位。他的研究方向为离散事件系统和过程挖掘。

Jianhong Ye，于2002年在福州大学获得计算机工程学士学位，2006年在西华大学获得计算机软件与理论硕士学位，2009年在电子科技大学（中国成都）获得计算机软件与理论博士学位。2007年至2008年，曾作为访问博士生在荷兰埃因霍温理工大学技术管理系学习。2012年至2015年，在西安电子科技大学机电工程学院从事控制科学与工程领域的博士后研究工作。2015年至2016年，曾在美国新泽西理工学院电气与计算机工程系担任访问学者。现任华侨大学计算机科学与技术学院网络工程专业副教授。他的研究方向包括制造系统建模与控制、离散事件系统、Petri网理论及其应用，以及大数据环境下的过程挖掘。他是中国计算机学会（CCF）会员。

Jiazhong Zhou，2013年于曲阜师范大学获得测控技术与仪器专业学士学位，2016年于华侨大学获得模式识别与智能系统专业硕士学位，2022年于西安电子科技大学获得控制理论与控制工程专业博士学位。现任华侨大学讲师。他的研究方向包括Petri网理论及其应用、离散事件系统的调度，以及时间Petri网的状态空间抽象与约简。

Jia Liu，目前正在华侨大学计算机科学与技术学院攻读计算机技术专业硕士学位。她的研究方向为大数据分析和过程挖掘。

Linping Jiang，目前正在华侨大学计算机科学与技术学院攻读计算机技术专业硕士学位。她的研究方向为大数据分析和过程挖掘。

期刊简介

640 spr.jpg

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.5)、EI、Scopus (CiteScore 3.2)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目(2021-2024年)，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）