智能工业物联网边缘计算解决方案助力高效设备管理与数据采集

基于边缘计算的高效资源管理研究

随着人工智能和物联网技术的蓬勃发展,无线网络正朝着感知,通信,计算和智能深度融合的方向发展,实现人,机,物,应用和数据服务的高效智能互联.无线网络中多元化智能应用的多样化需求不断增长,使得当前无线网络架构无法满足超低时延,高能效以及隐私安全等服务.在此背景下,边缘计算和边缘智能技术被视为有效的技术解决方案脱颖而出.然而,无线边缘计算要在无线中发挥充分的作用,需要解决在资源动态管理,分布式智能学习以及数据隐私保护方面所面临的诸多挑战.协同计算旨在充分利用终端设备,边缘节点和云端的数据和资源,提升无线网络高效性,可靠性和安全性,为解决以上挑战提供了技术途径.因此,本文结合协同计算技术,针对无线边缘网络的关键挑战,围绕无线边缘计算展开研究,具体内容和创新点概括如下:1,针对工业物联网任务低时延处理的需求问题,本文提出了一种新颖的边-端协同计算网络架构,在资源受限的工业物联网设备与边缘服务器场景设计高效的多样化任务卸载方案.首先,建立了基于边端协同计算模式的系统时延和能耗模型;其次,针对异构动态任务的不同服务质量需求,提出了重要性感知的任务划分策略;为了进一步激励工业物联网设备和边缘服务参与资源共享协作,设计了在线拍卖机制;然后,形成了以最大化系统效用为目标的联合任务卸载和资源分配优化方法;最后,提出了在线激励算法以获得最优的任务执行方式和价格更新策略,从而实现更快的任务执行效率,更高的资源利用率.理论和数值结果表明,所提出的算法不仅最大化系统效用,而且保证了激励相容性,个体的合理性,计算效率和可行性.2,针对多维异构资源管理以及多元化物联网应用需求问题,本文提出了一种基于网络孪生的端边云网络架构,并研究了面向云端,边缘服务器与终端设备的分层协同计算方案.首先,针对时延容忍型和时延敏感型任务设计了协同边缘计算和混合交替计算两种模式,以提供用户高体验质量,低延迟和超可靠服务;其次,建立通信,计算和缓存资源的系统模型,形成了以最大化系统处理效率为目标的联合分层任务卸载和多维资源分配优化问题.在此基础上,分析了在以边缘为主导的两种卸载模式下的四种任务划分场景;然后,将优化问题转换成马尔可夫决策过程,并设计了多智能体深度确定性策略梯度算法,通过分布式的隐私保护模型训练方法获得了灵活的任务卸载和资源管理策略.数值结果表明,与深度确定性策略梯度算法相比,所提算法在保证系统更低的开销的同时,提高了任务执行成功率.3,针对多层计算网络中系统异构性且动态变化问题,本文提出了一种面向大规模计算联邦学习任务调度和部署优化方案,旨在引入云雾边端协同计算技术加速联邦学习训练过程.首先,提出了一种新颖的自适应训练和聚合联邦学习框架,其中本地模型可以选择终端设备,边缘节点和雾节点进行训练,全局聚合器可以在边缘层,雾层和云层中灵活配置;其次,在多层级的FL分布式训练机制的基础上,建立了训练和聚合过程的时延和能耗模型,形成了联合训练,聚合节点选择和资源分配的优化问题,并提出了基于双延迟深度确定性策略梯度的算法,通过将数字孪生集成到多层计算网络动态感知系统状态信息,所提算法可以快速获得最佳节点选择和资源分配策略;最后,基于搭建的实验原型进行性能评估,结果表明,相比于传统的联邦学习,联邦边缘学习,随机策略和深度确定性策略梯度算法,所提算法有效减少了系统平均时延和能量开销,同时提升了准确率.4,针对边缘计算系统中统计异构性问题,本文研究了面向云边端分层协同的联邦学习模型训练优化方案.首先,分析了非独立同分布数据对分层联邦学习训练模型准确性和通信能耗的影响;在此基础上,动机性地提出了一种选择性分层联邦学习框架,通过边缘计算服务器,终端设备与云端的协同交互,巧妙地实现高准确率,低通信开销的智能化训练;然后,设计了基于"柔性策略-评价"强化学习算法的联合数据选择和通信资源分配策略,支持终端设备高效调度,实现了通信开销和学习评估损失最小化.此外,采用了本地模型漂移修正和分层同步更新机制以加速收敛.最后,仿真结果表明,所提出的算法在保证数据隐私的同时,提高了模型训练性能和通信效率.

适用于工业物联网网关的智能边缘计算

工业设备接入网络实现生产自动化的过程中数据量级快速增长,而边缘层设备资源有限,无法完成全部任务请求.针对边缘层设备合理高效处理端设备任务请求的问题,提出了一种基于多跳计算卸载方法的物联网边缘网关(Internet of Things Edge Gateway,IoTEG)框架.该框架要求数据优先在网关侧处理以降低时延和保护隐私.首先,该框架根据端设备任务流特点将其分为时敏和非时敏两类.其次,设计了任务轮转调度处理机制,对任务流按时延要求高低进行处理.最后,设计了基于实时网络资源,实时本地资源和任务类型的最优联合计算卸载策略.实验结果表明,IoTEG框架能有效提高任务卸载的成功率,并能够高效处理不同类型的任务.

基于IIOT的工业物联与数据采集及应用集成研究

以IT和OT深度融合的工业物联网作为新兴技术给人类社会带来全新的变革,物联网相较于传统的互联网具有更广泛的互联和更透彻的数据感知,尤其在装备制造业领域,利用传感器,射频识别(Radio Frequency Identification,RFID),二维码等作为信息感知元件,通过基础工业通讯网络来实现设备与设备,人与设备的互联,增强了制造领域人机,M2M之间的信息交互实时性,在信息集成技术支撑下,借鉴工业4.0理念,在制造领域构建以CPS为核心的工业物联网系统平台,助力制造企业数字化,智能制造的快速转型.

工业边缘控制器关键技术研究与实现

近年来,随着工业物联网(Industrial Internet of Things,IIo T)的高速发展及其架构的升级,许多新型工业技术应运而生.随着工业4.0时代的到来以及"中国制造2025"宏远计划的开启,业界开始将工业数字化,自动化,智能化转型的焦点置于日益增长的物联网大数据,用户应用,行业发展等需求与传统云计算,传统制造业控制技术之间的矛盾.而这种矛盾日渐成为智能制造水平提升道路上的绊脚石.为了解决这些深层次的问题与矛盾,新型计算范式—边缘计算应运而生.边缘计算旨在将云计算服务能力下沉,使其更加靠近设备与数据端,且在物联网架构的边缘端完成计算,存储,网络等功能,从而解决云计算的疑难杂症,如带宽负载,隐私数据泄露等问题.在工业领域内,一方面,随着业务需求种类日新月异,工控柔性化系统的扩缩需求也在不断增长;另一方面,由于行业类应用与工业控制系统耦合度极高,加上后者接口的局限性,不利于工业设备应用的部署,扩展,转换与升级.与此同时,多租户互联网的不断升级,工业设备在交互实时性,隐私安全性,资源管理技术等方面也遇到许多难题.在这些方面,工业边缘计算架构,工业边缘控制器的研究与发展都在为此寻求更加有效的解决方案:旨在提高工业边缘服务的灵活性,保障工业边缘数据的安全隐私,增加工业应用的实时性与联动性.对此,根据上述问题分析与现有的技术方案,本文主要完成的研究工作如下:(1)本文基于边缘计算基础架构,行业解决方案以及关键技术调研与分析,结合工业典型场景以及课题需求,完成基于边缘计算的工业控制器软硬件技术方案的设计,同时设计用于验证该控制器的实验平台.在设计部分,本文首先完成验证平台中边缘设备的硬件选型,同时通过需求分析,结合典型工业技术与边缘计算的优势,针对计算模型架构进行设计与功能定义.该控制器的主要特点在于采用低成本,体积小的工业计算机取代传统PC与PLC(Programmable Logic Controller)的协作方式,完成边缘控制关键技术的研究与实现.(2)本文基于典型工业应用的参考,在每个层级功能的设计与实现方面,利用开放式控制平台结合其它开发环境与开源算法库,分别完成工业多协议接入,数据预处理,工业视觉处理,运动控制等功能的开发工作,同时结合进程间通信方式(Inter-process Communication,IPC)解决关键技术整合难题,完成跨平台应用进程间的实时交互,然后将所研究的控制器作为验证平台的核心边缘节点.在完成其控制,计算,网络功能的基础之上,对典型工业应用进行研究,最终完成对工业边缘控制器关键技术的验证.(3)本文基于单板边缘控制器关键技术的实现,考虑到工业业务实时性,满意度以及任务的随机性等特点,将促使工业场景对于资源效率,应用时延,能耗降低有了新的需求,而簇域化的工业场景使得多边缘计算节点协作成为分布式服务资源的重要支撑.因此,本文首先进行工业场景分析与计算网络架构设计,提出一种基于多边缘控制器协作的任务调度策略,结合边缘网关作为资源管理与任务调度中心,最终通过仿真实现了边缘计算任务时延的优化目标,从而提高了工业业务服务的满意度,降低了能源损耗,保证了工业边缘节点资源的合理利用.