2、基础知识：PLC工作原理、扫描周期、I/O映射、常用编程语言及与AI系统的接口方式

在智慧工厂的“AI+PLC联动”架构中，PLC（可编程逻辑控制器）是执行层与控制层的核心枢纽。AI系统负责感知、推理与决策，而PLC则负责将决策转化为物理世界的确定性动作。理解PLC的工作原理、扫描周期、I/O映射、编程语言以及与AI系统的接口方式，是构建可靠联动系统的前提。本章将从工程实践角度，系统梳理这些基础概念，并重点剖析AI与PLC在数据交互中的关键机制。

2.1 PLC核心工作原理：从继电器逻辑到存储程序控制

PLC的诞生源于对传统继电器控制系统的替代。其本质是一台专为工业环境设计的工业计算机，采用“存储程序、循环扫描”的工作方式。与普通PC不同，PLC的硬件架构（CPU、存储器、I/O接口、电源、通信模块）经过抗振动、抗电磁干扰、宽温设计，且其操作系统为实时操作系统，保证控制任务的确定性执行。

PLC的工作过程可抽象为四个阶段：输入采样、程序执行、通信处理、输出刷新。在输入采样阶段，PLC读取所有数字量输入端子（如传感器信号）和模拟量输入通道（如温度、压力变送器信号）的状态，并将其存入输入映像寄存器。在程序执行阶段，CPU按照用户程序（梯形图或结构化文本）的逻辑，从第一条指令开始逐条执行，运算结果存入输出映像寄存器。通信处理阶段用于处理与编程器、HMI、上位机或AI系统的数据交换。输出刷新阶段则将输出映像寄存器的状态一次性传送到输出锁存器，驱动外部执行器（如接触器、电磁阀、伺服驱动器）。

2.2 扫描周期与实时性：AI联动中的时序约束

扫描周期是PLC最重要的性能指标之一。它决定了PLC对输入变化的响应速度。扫描周期的计算公式为：

扫描周期 = 输入采样时间 + 程序执行时间 + 通信处理时间 + 输出刷新时间

在实际工程中，程序执行时间占主导，其大小取决于指令条数、指令类型（位逻辑指令快于数学运算指令）以及是否启用中断程序。对于AI联动场景，需要关注以下时序约束：

• AI推理延迟：视觉识别或模型推理通常需要20-200ms，而PLC扫描周期可能只有5-20ms。若AI结果直接参与安全联锁，必须通过硬接线或专用安全PLC实现，不能依赖AI软件。
• 数据一致性：AI系统读取的PLC数据必须是同一扫描周期内的快照，否则可能导致决策依据不一致。建议通过PLC的“数据块”或“全局数据包”一次性上传。
• 通信抖动：以太网通信存在不确定性，对于要求严格同步的场景，应使用PROFINET IRT或EtherCAT等实时以太网协议。

2.3 I/O映射与地址分配：AI数据交互的物理基础

I/O映射是将PLC的物理输入/输出通道与内部存储地址建立对应关系的过程。在AI+PLC联动中，I/O映射不仅是电气接线的逻辑映射，更是数据语义的桥梁。例如，AI系统识别出“产品A有划痕”，需要将这一结论映射为PLC中的一个布尔变量（如DB10.DBX0.0），或者映射为某个数字量输出点（如Q0.3），用于触发剔除气缸。

I/O映射分为三类：数字量I/O映射（DI/DO）、模拟量I/O映射（AI/AO）和通信映射（如PROFINET IO设备映射）。数字量映射简单直接，但信息量有限；模拟量映射用于连续过程控制；通信映射则通过工业以太网将AI系统（如工业PC、智能相机）作为PROFINET IO设备接入PLC，实现高带宽数据交换。

在工程实践中，建议建立I/O映射表，明确每个信号的功能、地址、数据类型、刷新周期和来源/去向。对于AI联动项目，应预留足够的备用I/O点，并采用结构化命名（如“AI_Result_OK”、“AI_Result_NG”、“Robot_Start_Cmd”），便于跨团队协作。

2.4 常用编程语言：梯形图与结构化文本的协同

IEC 61131-3标准定义了PLC的五种编程语言：梯形图（LD）、结构化文本（ST）、功能块图（FBD）、指令表（IL）和顺序功能图（SFC）。在AI+PLC联动项目中，最常用的是梯形图和结构化文本。

梯形图直观易懂，适合表达位逻辑、互锁、自锁等控制逻辑，是电气工程师的首选。例如，一个简单的电机启停控制：

// 梯形图逻辑（示意）
// 网络1：启动保持
// | | 启动按钮(I0.0) | | 停止按钮(I0.1) | | 电机接触器(Q0.0) |
// |---[ ]-------------------[\/]-------------------( )----|
// |                                                       |
// |---[ ] 电机接触器(Q0.0) -------------------------------|

结构化文本类似Pascal语言，适合编写复杂的数学运算、数据处理、循环和条件判断。在AI联动中，结构化文本常用于解析AI系统发送的JSON或字节流数据、执行PID调节、实现状态机逻辑。例如，解析AI返回的缺陷坐标：

// 结构化文本示例：解析AI结果
CASE ai_command OF
    1: // 启动分拣
       sort_enable := TRUE;
       defect_x := ai_data[0];  // 从通信缓冲区读取X坐标
       defect_y := ai_data[1];
       // 调用运动控制功能块
       MoveToPosition(defect_x, defect_y);
    2: // 停止
       sort_enable := FALSE;
END_CASE;

在实际项目中，推荐采用“混合编程”策略：用梯形图实现安全联锁和基本逻辑，用结构化文本实现数据处理和算法，用顺序功能图实现多步骤工艺流程。这样既保证了程序的可读性，又提升了复杂逻辑的表达效率。

2.5 AI与PLC的接口方式：从物理IO到工业以太网

AI系统与PLC的接口方式决定了数据交互的带宽、实时性和可靠性。根据应用场景的不同，主要有以下四种方式：

1. 数字量I/O直连：AI系统（如智能相机）通过数字量输出点直接连接PLC的DI模块。例如，相机检测到OK/NG，输出24V信号。这种方式响应快（毫秒级）、成本低，但信息量有限，只能传递“是/否”结论。
2. 模拟量I/O连接：AI系统输出4-20mA或0-10V模拟信号，用于传递连续值（如位置偏差、温度补偿值）。适用于需要精细调节的场景，但精度受限于模拟量分辨率。
3. 串口通信（RS-232/485）：通过Modbus RTU协议传输数据。适合小数据量、低速场景，但抗干扰能力较弱，布线距离受限。
4. 工业以太网（OPC UA / Modbus TCP / PROFINET）：这是当前智慧工厂的主流方式。AI系统作为客户端或服务器，通过OPC UA与PLC交换结构化数据。OPC UA支持复杂数据类型、加密和语义建模，非常适合AI与PLC的深度集成。

2.6 实战案例：视觉检测与PLC分拣联动的接口设计

以下是一个典型的AI视觉检测与PLC联动分拣案例，用于说明上述基础知识的综合应用。

背景与约束：某汽车零部件生产线需要检测螺栓表面划痕，产线速度120件/分钟，即每件间隔500ms。现有PLC为Siemens S7-1500，扫描周期约8ms。视觉系统采用Basler工业相机+本地GPU推理，单件检测耗时约80ms。要求NG件自动剔除，且不能影响产线节拍。

初始现象与目标：最初方案是视觉系统直接输出数字量信号给PLC，但发现只能传递“OK/NG”结论，无法传递缺陷类型和位置信息，导致后续追溯困难。目标改为通过OPC UA传递结构化数据，包括缺陷类型、坐标、置信度。

关键参数与实施步骤：

1. I/O映射设计：在PLC中建立DB块“AI_Result”，包含：Bool IsOK、Int DefectType、Real PosX、Real PosY、Real Confidence。
2. 通信配置：PLC作为OPC UA Server，视觉系统作为Client。视觉系统每检测完一个工件，将结果写入DB块，并置位“NewData”标志。
3. PLC程序逻辑：在OB1中调用FB“AI_Data_Handler”，当检测到“NewData”上升沿时，读取DB块数据，根据DefectType触发分拣气缸动作。同时，将当前工件序号与AI结果绑定，存入FIFO缓冲区。
4. 时序匹配：由于视觉检测时间（80ms）小于工件节拍（500ms），视觉系统有充足时间提前将结果发送给PLC。PLC在工件到达分拣工位前，已准备好剔除指令。

结果对比与复盘：改造后，系统不仅实现了高速剔除，还实现了缺陷数据的全流程追溯。通过OPC UA的语义模型，MES系统也能实时获取质量数据。复盘发现，初期通信抖动导致偶尔丢包，通过启用OPC UA的“KeepAlive”机制和PLC侧的数据有效性校验（增加时间戳），问题得以解决。

2.7 常见误区与总结复盘

在AI+PLC联动项目的实施中，工程师常陷入以下误区：

• 误区一：认为AI可以完全替代PLC。实际上，AI擅长非结构化决策，PLC擅长确定性执行，二者是互补关系。
• 误区二：忽视扫描周期对AI决策的影响。AI系统必须考虑PLC的扫描周期，避免发出“过时”的控制指令。
• 误区三：I/O映射混乱。未建立清晰的映射表，导致调试时信号追溯困难。
• 误区四：通信协议选择不当。在实时性要求高的场合使用非实时以太网，导致控制抖动。