上述问题我今天还不能完全、准确回答，唯有结合本文开头中国工程院的结论以及我们多年的探索、实践，我们认为：工业3.0是自控系统的天下，产品是PLC、DCS，核心技术是过程控制、逻辑控制等等；那么到工业4.0时代将是“新一代智能系统”的天下，其产品是CPS，其核心技术是基于工业大数据的信息物理模型。

我本人更支持CPS的概念，认为CPS才是工业4.0的未来，而不是HCPS。HCPS是在CPS之上加了H，就是人去辅助决策，或者通过人进行辅助控制， 这一方面是对工业了解得不够深，没有看到工业的复杂性，并高估了人对复杂的工业系统的计算和分析能力；另一方面是对工业数据的采集、计算、反馈“频率”的重要性、一致性缺乏理解，早在 HCPS概念提出之前，工业领域便开发过许多类似于HCPS的“专家辅助决策系统”，专家辅助决策系统出发点上是好的，但实际应用成功的案例非常少，系统验收后不久便会成为摆设，因为专家作为H不可能“实时在线”地进行辅助决策。因此， HCPS作为新一代智能制造的技术方向和核心技术该受到质疑的，HCPS应是走向CPS技术体系的过渡性技术方案，未来会逐步发展称为CPS。

2017年，中国工程院提出了新一代智能制造技术HCPS（人-信息-物理系统）概念，随后在HCPS主课题之外，发布了《流程工业智能优化制造分课题研究报告》，对流程型工业智能制造存在的技术难点以及HCPS架构等问题进行了阐释；2022年4月，中国工程院又提出“新一代智能制造”的概念，并且提出了两个观点：

最后，自动控制系统本身的局限性：自动化控制需要一个变量（操作变量）去影响另一个目标变量（被控变量）。这里内涵一个根本性假设：变量之间存在“因果”关系。只有具有因果关系的变量集合，才能形成“控制回路”并构成自动控制系统。但工业系统中存在着大量复杂系统，往往是变量很多，关系复杂，互相之间的因果关系不明显，给设计控制系统设计带来了极大的难度，很多微量的影响因素很难在控制系统里实现。

再次，就是计算，通过计算构建与能耗有关的信息物理模型。

2.??“新一代智能制造”的技术机理是“人- 信息- 物理系统（HCPS）”。

如今我们终于发现：我们可以利用工业大数据构建起工业系统的“信息物理模型”，让这些模型取代运行人员脑子中的经验及自以为是，让机器智能取代人脑智能的局限性，这项技术就是CPS！

我们再来看看真实的数据，许多燃煤发电机组煤耗如下图：同样负荷下的煤耗差竟然达20%以上，如此高的离散度显然不是单一原因造成的，我们前面提到设备劣化、燃煤成分变化等等因素都会影响煤耗，与此同时，不同的运行人员对工业系统的理解存在差异，并由此带来不同的操作，这些均是煤耗离散度大的原因。

第三，CPS与工业系统及控制系统的架构关系。对于大多数工业系统，CPS可采用单独设计、训练后，再嫁接、并行到原有的控制系统中，CPS修订原有控制系统的一些参数，使之能够智能适应内、外部环境的变化。上图是CPS与原有DCS一并工作的示意图，加一个智能盒子后，通过在控制系统里加偏差实现智能优化功能。原来这种偏差靠人调整，现在是靠智能系统了。

煤粉燃烧过程是复杂非线性系统，我们采用了N个线性时变动态方程进行求解。这中间的技术当然比较复杂，需要引入状态量、特征指标以及向量空间等等概念，由于技术太过复杂，细节这里不再讲述。

第一，关于CPS的智能化属性问题。CPS首先能够感知工业系统本身的劣化，这种感知依靠的是工业数据的反馈，因为我们采集的工业系统（对象）的数据，这些数据反映了工业系统的劣化的过程；其次，CPS也能感知到外部环境的变化，煤种热值、含水量等等成分变化均在燃烧过程中通过其他数据得以反映，CPS通过系统辨识计算后可以自适应、调整控制参数，获得更佳的热效率。最后，由于无论是在大数据训练阶段还是实战阶段，机组经历了各种工况运行，信息物理模型建立在绝大多数工况的数据基础上，我们所计算的最佳工作点是各个工况下的集合，这确保了我们能够在各个运行工况下的经济寻优。

HCPS如何来的？显然是借用了CPS概念。CPS最早是1992年被NASA（美国国家航空航天局）提出来的。它的本质构建一套信息（Cyber）空间与物理（Physical）空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。