2、PLC基础回顾：PLC的工作原理、扫描周期、I/O映射、常用编程语言（梯形图、结构化文本）及与AI集成的接口基础

在AI+PLC架构设计中，PLC（可编程逻辑控制器）是连接物理世界与智能算法的关键执行层。无论是传感器数据采集、模型推理结果的落地执行，还是上位机的调度指令下发，最终都需要通过PLC的I/O通道与现场设备交互。因此，深入理解PLC的工作原理、扫描周期、I/O映射机制以及编程语言特性，是设计可靠AI控制系统的前提。本节将系统梳理这些基础概念，并重点分析它们与AI系统集成时的接口要点。

2.1 PLC工作原理与扫描周期

核心原理：循环扫描的工作方式

PLC本质上是一台专用于工业控制的实时计算机。与普通PC不同，PLC采用循环扫描的工作模式，即CPU按照固定顺序周而复始地执行一系列任务。这种设计保证了控制逻辑的确定性和实时性——无论程序多复杂，每个扫描周期内所有指令都会被执行一次，不存在"某个逻辑被饿死"的情况。

一个完整的扫描周期通常包含以下五个阶段：

判断方法：如何评估扫描周期是否满足AI控制需求

在AI+PLC架构中，扫描周期决定了控制回路的基础节拍。评估方法如下：

1. 测量当前扫描周期：通过PLC编程软件（如TIA Portal、GX Works、Codesys）的在线监控功能，直接读取当前扫描时间（如"Cycle Time"或"Scan Time"）。
2. 计算最坏情况：在程序中加入定时器，记录最长扫描周期。通常取"最大值+20%余量"作为设计依据。
3. 对比控制需求：如果AI模型推理周期为100ms，而PLC扫描周期为20ms，则PLC可以在5个扫描周期内完成一次模型输出的执行；如果扫描周期为150ms，则AI决策无法在每个扫描周期内被及时执行，需要调整架构。
4. 检查通信占用：当AI上位机频繁读写PLC数据时，通信阶段耗时增加，可能导致扫描周期波动。可通过限制通信数据量或使用异步通信方式缓解。

2.2 I/O映射机制：从物理信号到内存变量

核心原理：过程映像与直接访问

PLC通过I/O映射将物理输入/输出信号与内存地址关联。现代PLC普遍采用过程映像（Process Image）机制：

• 过程映像输入表（PII）：在输入采样阶段，所有输入模块的信号被批量复制到内存的PII区域。程序执行时只读取PII，不直接访问物理输入端子。
• 过程映像输出表（PIQ）：程序执行阶段将计算结果写入PIQ，输出刷新阶段再将PIQ整体推送到物理输出模块。
• 立即I/O访问：某些特殊场合（如高速中断处理）需要绕过过程映像，直接读写物理I/O。此时使用立即指令（如西门子的"立即读/立即写"），但会延长扫描周期。

I/O映射的地址分配规则因PLC品牌而异，但逻辑一致。以西门子S7-1200为例：

// I/O地址映射示例
// 数字量输入：I0.0 ~ I0.7（8位一组）
// 数字量输出：Q0.0 ~ Q0.7
// 模拟量输入：IW64（16位，对应0~27648）
// 模拟量输出：QW80

// 在结构化文本中访问
VAR
    sensor_value : INT;  // 存储模拟量值
    valve_cmd    : BOOL; // 阀门控制
END_VAR

sensor_value := IW64;    // 读取模拟量输入
valve_cmd := Q0.0;       // 直接访问输出位

操作流程：建立AI数据接口的I/O映射表

当AI系统需要与PLC交互时，建议按以下流程设计I/O映射：

1. 列出所有需要交换的信号：包括AI需要的传感器数据（输入）、AI输出的控制指令（输出）、状态标志（如"模型运行中"）、参数（如阈值设定）。
2. 分配数据块（DB）：在PLC中创建专用的数据块（如"AI_Interface_DB"），将所有AI交互变量集中存放。这比分散在I/O区更易管理。
3. 定义数据类型：明确每个变量的数据类型（BOOL、INT、REAL、ARRAY等），确保与AI侧的数据类型匹配。
4. 建立通信映射：通过OPC UA或Modbus将DB变量映射到通信地址，供上位机读写。

2.3 常用编程语言：梯形图与结构化文本

核心原理：IEC 61131-3标准语言

IEC 61131-3定义了PLC的5种编程语言：梯形图（LD）、结构化文本（ST）、功能块图（FBD）、指令表（IL）、顺序功能图（SFC）。在AI+PLC架构中，梯形图和结构化文本最为常用。

梯形图（Ladder Diagram, LD）：起源于继电器控制电路，以图形化方式表达逻辑。左母线代表电源，右母线代表地，触点（常开/常闭）串联表示"与"，并联表示"或"，线圈表示输出。梯形图直观易懂，适合电气工程师维护，但在处理复杂数学运算、循环、数组操作时显得笨拙。

结构化文本（Structured Text, ST）：类似Pascal的高级文本语言，支持IF-THEN-ELSE、CASE、FOR、WHILE等控制结构，以及函数、函数块、数组、结构体等复杂数据类型。ST在算法实现、数据处理、与AI模型对接方面具有天然优势。

对比分析：何时选择哪种语言

在实际项目中，推荐混合编程策略：基础逻辑（急停、互锁、手/自动切换）用梯形图实现，保证电气安全审查的直观性；AI相关逻辑（数据预处理、模型输出解析、设定值计算）用结构化文本实现，提高开发效率和可维护性。

案例拆解：用ST实现AI模型输出的平滑处理

背景与约束：某注塑机AI优化项目，模型输出一个保压压力设定值（REAL类型，范围0~180MPa），但模型推理周期为200ms，而PLC扫描周期为20ms。如果直接在每个扫描周期内更新设定值，会导致压力波动剧烈。

初始现象：直接连接后，压力曲线出现明显锯齿状波动，影响产品质量。

分析判断：问题根源在于模型输出频率（5Hz）与PLC控制频率（50Hz）不匹配，且模型输出值存在微小抖动。

实际操作步骤：

1. 在PLC中创建AI接口数据块，增加"模型输出值"和"平滑后设定值"两个变量。
2. 编写ST程序，实现一阶低通滤波：

// 一阶低通滤波，平滑模型输出
// 输入：AI_Model_Output（模型原始输出）
// 输出：AI_Setpoint_Smooth（平滑后设定值）
// 参数：FILTER_ALPHA = 0.3（滤波系数，越小越平滑）

VAR
    AI_Model_Output : REAL;      // 来自AI的原始输出
    AI_Setpoint_Smooth : REAL;   // 平滑后的设定值
    FILTER_ALPHA : REAL := 0.3;  // 滤波系数
    prev_smooth : REAL;          // 上一周期平滑值
END_VAR

// 在每个扫描周期执行
AI_Setpoint_Smooth := FILTER_ALPHA * AI_Model_Output + (1.0 - FILTER_ALPHA) * prev_smooth;
prev_smooth := AI_Setpoint_Smooth;

// 限幅保护
IF AI_Setpoint_Smooth > 180.0 THEN
    AI_Setpoint_Smooth := 180.0;
ELSIF AI_Setpoint_Smooth < 0.0 THEN
    AI_Setpoint_Smooth := 0.0;
END_IF;

3. 将平滑后的设定值用于PID控制回路。

结果对比：滤波后压力波动幅度从±5MPa降至±1.2MPa，产品合格率从91.3%提升至97.8%。

风险与代价：滤波引入了约100ms的相位滞后，对于快速响应场景需谨慎调整滤波系数。复盘经验：AI输出与PLC执行之间的"节奏匹配"是集成设计的关键，不能简单直连。

2.4 与AI集成的接口基础

核心原理：通信方式与数据模型

PLC与AI系统（通常运行在PC、边缘网关或云服务器上）的接口方式主要有三类：

• OPC UA（OPC Unified Architecture）：工业4.0核心通信标准，跨平台、内置信息安全机制，支持复杂数据模型。现代PLC（如西门子S7-1500、罗克韦尔CompactLogix）原生支持或通过网关支持。
• Modbus TCP：简单、开放、广泛支持，适合中小型系统。但数据模型简单（仅寄存器/线圈），需自行映射。
• MQTT/HTTP REST：适合云端AI平台接入，通过IoT网关将PLC数据转换为MQTT消息或REST API。

无论采用哪种通信方式，核心设计原则是：在PLC侧建立清晰的数据接口层，将AI交互变量集中管理，避免AI直接操作分散的I/O地址。

操作流程：配置OPC UA服务器与AI客户端

1. PLC侧配置：在PLC中启用OPC UA服务器功能，设置安全策略（如Basic256Sha256），创建用户账号并分配读写权限。
2. 数据暴露：将AI接口数据块（如"AI_Interface_DB"）设置为"可访问"状态，OPC UA服务器会自动将其暴露为节点。
3. AI客户端连接：在Python中使用opcua库或asyncua库连接PLC：

# Python OPC UA 客户端示例
from opcua import Client

client = Client("opc.tcp://192.168.1.100:4840")
client.connect()

# 读取AI接口数据
temp_node = client.get_node("ns=3;s=AI_Interface_DB.AI_Sensor_Temp")
temp_value = temp_node.get_value()
print(f"当前温度: {temp_value}")

# 写入模型输出
setpoint_node = client.get_node("ns=3;s=AI_Interface_DB.AI_Setpoint")
setpoint_node.set_value(85.5)

client.disconnect()

4. 数据同步策略：根据实时性要求选择订阅（Subscription）或轮询（Polling）。订阅模式由PLC主动推送变化数据，适合高频数据；轮询模式由AI侧定时读取，适合低频参数。

常见误区与总结复盘