本文发表于2019年5月的 IEEE Transactions on Industrial Informatics 期刊，由来自澳大利亚斯威本科技大学（Swinburne University of Technology）的Derui Ding、Qing-Long Han、Xiaohua Ge以及英国布鲁内尔大学（Brunel University London）的Zidong Wang共同撰写。这是一篇关于工业信息物理系统（Industrial Cyber-Physical Systems, CPSS）基于模型的分布式控制与滤波技术的综述性论文。该文旨在系统地梳理和总结该领域的最新研究成果，分析现有方法的性能与挑战，并为未来的研究方向提供指导。
论文主要观点阐述
一、 工业信息物理系统（CPSS）的兴起及其对分布式方案的需求 作者首先界定了工业CPSS的概念：它们是大规模、地理分散、安全攸关的系统，集成了大量传感器和执行器，通过网络互联实现实时监测与闭环控制。其内在的地理空间分散性和资源限制特性，对控制与滤波方案的可靠性和可扩展性提出了迫切需求。传统的集中式方法在处理这类系统的动态性、网络诱导现象（如时延、丢包）以及拓扑结构变化（如连接故障、网络攻击）时面临巨大挑战。因此，发展分布式范式下的性能分析与综合框架，具有重要的理论与现实意义。本文的综述正是围绕由微分动力学模型描述的工业CPSS展开，重点关注传感器网络、机械臂和电力系统这三个典型应用领域。
二、 面向工业CPSS的分布式滤波技术综述 分布式滤波是传感器网络实现实时感知、监测与控制的核心。论文将此部分分为卡尔曼（Kalman）基和非卡尔曼基两大类进行详细评述。 * 卡尔曼基分布式滤波算法：作者以线性高斯系统模型为基础，详细梳理并比较了六种典型的分布式卡尔曼滤波算法变体。每种算法都通过伪代码（Algorithm 1-6）和核心方程清晰地展示了其预测、共识/扩散计算、增益更新和状态估计的步骤。这六种算法分别是：1) 卡尔曼-共识滤波（Kalman-Consensus Filtering）：在本地卡尔曼滤波后，进行多步迭代的共识计算以融合信息矩阵和向量；2) 扩散卡尔曼滤波（Diffusion Kalman Filtering）：用扩散策略替代共识迭代，在测量更新后直接通过加权融合邻居的中间估计；3-5) 三种基于不同结构的卡尔曼滤波变体：分别基于邻居估计的累积误差、邻居创新的加权和、以及为不同邻居信息分配独立增益的通用结构；6) “共识+创新”滤波（”Consensus+Innovations” Filtering）：引入伪状态估计和伪观测，在变换后的测量基础上进行融合。作者从计算复杂度（涉及矩阵求逆、乘法运算和共识迭代步数）、通信负担（需传输的数据量）和可扩展性（对全局信息的依赖程度）三个维度对这些算法进行了深入的性能比较（总结于Table I）。例如，Algorithm 1因需多步共识迭代而计算负担较重；Algorithm 2通信效率高但依赖扩散权重的优化；Algorithm 5虽然设计自由度大，但因依赖全局误差协方差而可扩展性较差。论文还列举了这些算法在电力系统状态估计等实际场景中的应用。 * 非卡尔曼基分布式滤波：针对更一般的时变系统，论文总结了四种典型的分布式滤波器结构（Table II），其核心区别在于如何利用本地创新（innovation）和与邻居的共识误差（consensus error）来构造滤波器。设计这些滤波器增益的主流方法包括：基于逆向递归Riccati差分方程（BRDE）、递归线性矩阵不等式（LMI）以及集合成员（Set-Membership）方法。论文指出，在处理随机发生的网络现象时，通常需要对滤波误差进行增广，这导致设计条件依赖于全局拓扑信息，从而限制了其在大规模传感器网络中的应用。此外，论文还简要回顾了贝叶斯滤波和粒子滤波（PF）在分布式框架下的进展，并讨论了传感器网络的功率调度控制问题，即如何在滤波精度与有限的通信能量/速率之间取得平衡，以及介绍了一些典型的传感器网络硬件平台（如Mica节点、Tmote Sky等）。
三、 面向工业CPSS的分布式控制技术综述 论文重点回顾了在工业自动化系统和微电网中的分布式控制策略。 * 机械臂的分布式协同控制：主要方法分为三类。1) 基于约束二次规划（CQP）：将逆运动学问题转化为CQP问题，利用递归神经网络（RNN）在线求解，并结合分布式约束处理多机械臂协作。2) 基于神经网络（NNs）：利用NNs或自适应NNs逼近机械臂的非线性动力学，设计控制器实现位置/速度同步与编队，并处理建模不确定性、输入死区等复杂情况。3) 基于多智能体系统（MAS）：将多移动机械臂的编队控制转化为MAS的共识问题，并借鉴事件触发等共识控制的最新成果。论文指出，现有针对线性MAS的成果尚难以有效处理网络化欧拉-拉格朗日（Euler-Lagrange）系统固有的非线性及各种网络诱导现象带来的挑战。 * 工业CPSS中的分布式模型预测控制（DMPC）：根据子系统间的耦合形式，DMPC的研究分为三类。1) 耦合约束：全局约束通过拉格朗日对偶问题转化为分布式共识优化问题，采用分解法、交替方向乘子法（ADMM）等求解。2) 耦合动力学：将邻接子系统的影响视为有界扰动，采用鲁棒MPC（如管式DMPC）处理，但存在保守性和全局性能不佳的问题，后续研究通过在线重构终端集、共享合约集等方法进行改进。3) 耦合成本函数：子系统成本函数相互关联，通常需要预设一个使子系统解耦的状态反馈控制律，并找到一个约束容许不变集来保证稳定性和可行性。 * 基于下垂特性的微电网分布式控制：这是综述的重点。微电网的分布式二次控制旨在修正由一次下垂控制引起的电压和频率偏差，并实现功率精确分配。论文系统总结了四种主要的控制器设计思路：1) 基于传统下垂特性的分布式控制：通过构造包含电压/频率跟踪误差和功率分配误差的共识项，设计辅助控制器（如公式(9)(10)），其中部分研究采用完全分布式自适应控制，无需中央单元。2) 基于平均概念的分布式控制：引入分布式平均比例-积分（DAPI）控制器（如公式(11)(12)），通过扩散平均项实现功率共享，在无功功率共享与电压调节间取得可调权衡。3) 基于角度下垂特性的分布式控制：针对纯感性线路微电网，建立角度下垂模型（如公式(13)），并设计分布式控制器消除相角偏差（如公式(14)）。4) 基于状态空间模型的分布式控制：将每个控制区域或分布式电源建模为状态空间形式（如公式(14)），进而设计基于状态反馈或基于共识的分布式控制器。论文还讨论了事件触发机制在该领域的应用，以减少通信负担。
四、 工业CPSS的分布式安全控制与滤波 随着信息物理深度融合，网络安全成为工业CPSS的紧迫课题。论文指出，分布式框架下的安全控制与滤波研究仍处于起步阶段。从防御者视角，现有工作主要集中在：1) 安全滤波：利用攻击识别信息（如广义累积和算法、梯度下降法、混合伯努利随机集）来增强状态估计的鲁棒性，实现快速攻击缓解与系统恢复。2) 安全控制：通过识别和隔离异常网络元素、设计级联保护或弹性分布式算法（如基于虚拟电厂和原始-对偶分解的算法），使系统在遭受欺骗攻击等网络攻击时仍能保持协同控制性能（如功率按比例分配）。然而，多数理论成果基于简单的系统动力学假设，与实际工程应用存在差距。
五、 结论与未来挑战 作者在总结全文的基础上，指出了该领域未来面临的六大挑战：1) 在通信带宽、能量等资源受限及即插即用等实际约束下，现有基于耦合矩阵特征结构的分析方法可能失效，需寻找适用于随机时变或一般切换拓扑的连通性条件或驻留时间条件。2) 现有分布式滤波方案难以在计算负担、通信负担和可扩展性三者间取得平衡，且基于概率意义的滤波性能分析尚不充分。3) 针对线路阻抗复杂或功率调节不准确的微电网，现有基于感性或阻性线路假设的下垂控制策略性能受限，需开发更通用的分布式控制策略。4) 微电网多牵制控制中，牵制节点选择和牵制强度设计问题，特别是在存在网络诱导现象和通信协议的情况下，尚未有效解决。5) 需将网络攻击检测更有效地集成到分布式滤波与控制策略中，以主动防御各类攻击。6) 需深化理论在移动协作机械臂系统、智能电网分布式能源管理、电力监控与数据采集（SCADA）系统、冶金化工过程控制等实际工程中的应用。
论文的意义与价值 本综述论文具有重要的学术价值和指导意义。它首次系统性地对基于微分动力学模型的工业CPSS分布式控制与滤波领域进行了全面梳理，不仅清晰分类和对比了各类主流算法，深入剖析了其性能优劣与适用场景，还紧密结合了传感器网络、机械臂和电力系统等具体应用。论文的结构化总结（如图1和多个表格）为研究人员快速把握领域脉络提供了极大便利。更重要的是，论文基于对现有成果局限性的深刻洞察，所提出的六大挑战方向精准地指出了该领域未来的研究瓶颈与突破口，对后续研究具有重要的引领作用。这篇综述对于促进工业CPSS这一第四次工业革命核心要素的理论发展和技术落地，具有显著的参考价值。