CN110609512B - 一种物联网平台和物联网设备监控方法 - Google Patents

Abstract

本发明提供了一种物联网平台和物联网设备监控方法，该物联网平台包括：至少一个物联网设备、至少一个工业服务器和一个云平台；所述工业服务器，用于模拟产生至少一个监控设备，其中，所述监控设备用于对至少一个所述物联网设备进行监测和控制；所述物联网设备，用于将采集到的现场数据发送给至少一个所述监控设备，并根据来自至少一个所述监控设备的第一控制指令执行相应的动作；所述云平台，用于分别接收每一个所述工业服务器所上传的第一数据，并分别向每一个所述工业服务器下发用于对所述物联网设备进行控制的第二控制指令。本方案能够提高物联网平台的适用性。

Description

一种物联网平台和物联网设备监控方法

技术领域

本发明涉及计算机技术领域，特别涉及一种物联网平台和物联网设备监控方法。

背景技术

随着计算机技术和物联网技术的不断发展和进步，物联网平台被广泛应用于工业生产的各个领域，比如利用物联网平台可以实现生产线运行状态的监测和控制，还可以实现燃气供应系统的检测、控制、计量等操作。

目前，物联网平台通常为四层结构，即现场层、控制层、操作层和管理层，现场层主要包括仪表、传感器、执行器等各种类型的物联网设备，控制层包括可编程逻辑控制器(Programmable Logic Controller，PLC)、分布式控制系统(Distributed ControlSystem，DCS)和人机接口(Human Machine Interface，HMI)等用于对现场层进行控制的系统，操作层主要包括数据采集与监视控制系统(Supervisory Control And DataAcquisition，SCADA)、制造企业生产过程执行系统(Manufacturing Execution System，MES)和DCS 等用于对现场层进行监视和控制的系统，管理层通常为部署物联网中心云平台(Internet of Things Center Cloud Platform)。

针对现有的物联网平台，根据实现业务的需求，控制层和操作层通常包括有PLC、DCS、SCADA和HMI等大量用于对现场层进行监测和控制的监控设备，而部署这些监控设备需要占用较大的面积，无法适用于较狭小空间的业务场景，因此现有物联网平台的适用性价差。

发明内容

本发明实施例提供了一种物联网平台和物联网设备监控方法，能够提高物联网平台的适用性。

第一方面，本发明实施例提供了一种物联网平台，包括：至少一个物联网设备、至少一个工业服务器和一个云平台；

所述工业服务器，用于模拟产生至少一个监控设备，其中，所述监控设备用于对至少一个所述物联网设备进行监测和控制；

所述物联网设备，用于将采集到的现场数据发送给至少一个所述监控设备，并根据来自至少一个所述监控设备的第一控制指令执行相应的动作；

所述云平台，用于分别接收每一个所述工业服务器所上传的第一数据，并分别向每一个所述工业服务器下发用于对所述物联网设备进行控制的第二控制指令。

在第一种可能的实现方式中，结合上述的第一方面，所述工业服务器进一步用于执行如下操作：

针对相连接的每一个所述物联网设备，构建该物联网设备的数字模型；

根据来自用户的业务编排指令，将至少两个经过实例化的所述数字模型构建为业务模型；

对相对应所述数字模型位于所述业务模型中的各个所述物联网设备进行监测和控制；

针对所述业务模型中的每一个所述数字模型，根据来自该数字模型所对应的所述物联网设备的所述现场数据，对所述业务模型的显示状态进行更新。

在第二种可能的实现方式中，结合上述的第一方面，所述工业服务器，用于针对每一个所述监控设备，根据该监控设备所需的计算资源，调用CPU的至少一个内核来模拟产生该监控设备。

在第三种可能的实现方式中，结合上述的第一方面，所述工业服务器进一步用于执行如下操作：

在接收到来自新增物联网设备的连接请求后，判断所述新增物联网设备是否可信，并在确定所述新增物联网设备可信后允许所述新增物联网设备接入；

判断来自所述物联网设备的所述现场数据是否可信，在确定所述现场数据不可信后将所述现场数据隔离；

判断在所述工业服务器上运行的应用程序是否可信，在确定所述应用程序不可信后终止所述应用程序运行。

在第四种可能的实现方式中，结合上述的第一方面，所述工业服务器进一步用于执行如下操作：

将来自各个所述物联网设备的所述现场数据存储到实时数据库；

对存储到所述实时数据库中的所述现场数据进行数据优化处理，获得第二数据；

将所述第二数据存储到历史数据库中。

在第五种可能的实现方式中，结合上述的第四种可能的实现方式，所述工业服务器在执行所述对存储到所述实时数据库中的所述现场数据进行数据优化处理时，用于执行如下操作：

对所述现场数据进行数据清理，以获得所述现场数据所包括的不准确数据；

针对每一个所述不准确数据，根据该不准确数据的数值和该不准确数据所对应的正常数值范围，为该不准确数据添加异常标签或错误标签；

针对每一个所述不准确数据，如果该不准确数据添加有所述异常标签，则根据与该不准确数据相关联的相关数据对该不准确数据进行修正，如果该不准确数据添加有所述错误标签，则根据与该不准确数据对应同一业务或逻辑的第三数据对该不准确数据进行修正。

在第六种可能的实现方式中，结合上述的第一方面，所述工业服务器，进一步用于与卫星进行对时，并对需要进行存储的数据和需要发送给所述云平台的数据添加时间戳。

在第七种可能的实现方式中，结合上述的第一方面，所述工业服务器，进一步用于在与所述云平台之间的连接断开后进行孤岛运行，以根据预先设定的控制逻辑或控制方式对各个所述物联网设备进行控制，并在与所述云平台之间的连接恢复后将孤岛运行期间的相关数据发送给所述云平台。

在第八种可能的实现方式中，结合上述的第一方面以及第一方面的第一种可能的实现方式、第二种可能的实现方式、第三种可能的实现方式、第四种可能的实现方式、第五种可能的实现方式、第六种可能的实现方式和第七种可能的实现方式中的任意一个，所述监控设备，用于针对预先设定的每一个计算模型，如果该计算模型位于该监控设备上，则利用该计算模型生成用于对所述物联网设备进行控制的所述第三控制指令，并将所述第三控制指令发送给相应的所述物联网设备，如果该计算模型位于所述云平台上，则向所述云平台发送所述第一数据，并将来自所述云平台的所述第二控制指令作为所述第一控制指令发送给相应的所述物联网设备，其中，所述云平台可以将所述第一数据输入该计算模型而获得所述第二控制指令。

第二方面，本发明实施例还提供了一种基于上述第一方面或第一方面的任意一种可能的实现方式所提供的物联网平台的物联网设备监控方法，包括：

利用所述物联网设备采集现场数据，并将采集到的现场数据发送给所述工业服务器所模拟产生的至少一个监控设备；

利用所述工业服务器所模拟产生的所述监控设备对所述物联网设备进行监测和控制，其中，所述监控设备通过向所述物联网设备发送第一控制指令使所述物联网设备执行相应的动作，且所述第一控制指令包括所述云平台下发的用于对所述物联网设备进行控制的第二控制指令。

由上述技术方案可知，物联网设备与至少一个工业服务器相连接，工业服务器与云平台相连接，工业服务器可以模拟产生各种类型的监控设备，一方面监控设备可以根据物联网设备所上传的现场数据对物联网设备进行相应的监测和控制，另一方面监控设备还可以将获取到的第一数据上传至云平台，并根据云平台所下发的第二控制指令对物联网设备进行相应的监测和控制。由此可见，由于利用工业服务器可以模拟产生各种类型的监控设备，在搭建物联网平台时无需较大的空间来部署各种监控设备，部署空间仅需要能够容纳工业服务器即可，从而可以适用于较狭小空间的业务场景，因此能够提高物联网平台的适用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的一种物联网平台的示意图；

图2是本发明一个实施例提供的一种物联网设备监控方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种物联网平台，该物联网平台包括：至少一个物联网设备10、至少一个工业服务器20和一个云平台30；

工业服务器20用于模拟产生至少一个监控设备，其中，监控设备用于对至少一个物联网设备10进行监测和控制；

物联网设备10用于将采集到的现场数据发送给至少一个监控设备，并根据来自至少一个监控设备的第一控制指令执行相应的动作；

云平台30用于分别接收每一个工业服务器20所上传的第一数据，并分别向每一个工业服务器20下发用于对物联网设备进行控制的第二控制指令。

在本发明实施例中，物联网设备与至少一个工业服务器相连接，工业服务器与云平台相连接，工业服务器可以模拟产生各种类型的监控设备，一方面监控设备可以根据物联网设备所上传的现场数据对物联网设备进行相应的监测和控制，另一方面监控设备还可以将获取到的第一数据上传至云平台，并根据云平台所下发的第二控制指令对物联网设备进行相应的监测和控制。由此可见，由于利用工业服务器可以模拟产生各种类型的监控设备，在搭建物联网平台时无需较大的空间来部署各种监控设备，部署空间仅需要能够容纳工业服务器即可，从而可以适用于较狭小空间的业务场景，因此能够提高物联网平台的适用性。

在本发明实施例中，相对于现有物联网平台的四层结构，本发明实施例所提供的物联网平台仅包括现场层、边缘层和管理层共计三层结构，其中边缘层由各个工业服务器组成。由于压缩了逻辑层次，减少了设备的投入，在物联网平台应用于燃气供应企业时，无论是在新建站的建设上还是在已有站的存量改造中，将传统的PLC等硬件软件化，集成了传统PLC、PID、HMI、 DCS、SCADA以及高性能的工业服务器，集数据采集、协议转换集、协议转换集、协议转换设备控制、设备控制、设备控制、反馈、组态反馈、组态反馈、组态过程控制、计算、存储等成存储等成存储等成为一体，从而可以减少设备投入，节约成本。

在本发明实施例中，由于系统构建层级和设备的减少，在建设、实施、部署、运行中，建设人员、专业技术人员、运行维护人员也随之减少，从而可以减少人员投入，实施和部署运用的人员减少，可以进一步节约成本。

在本发明实施例中，由于系统架构层级和设备的减少，功耗自然降低，同时根据摩尔定律，当今芯片的成本逐步下降，芯片的功耗也随着技术发展逐步降低。原有的数据全部在云平台存储，由于海量数据的上传导致云平台存储、计算等负载过重，基于工业服务器所实现的边缘计算，可以将部分数据、模型、算法迁移至边缘侧运行，减少云平台的负载，同时边缘侧可以使用时序数据库，进而保证数据读取和写入具有更高的效率。另外，边缘计算可以实时、快速地监控水、电、气等资源的使用情况，节约资源的同时降低能耗，而且边缘计算实现了设备利用率的提高以及资源共享，达到节能降耗、降低成本的目的。

在本发明实施例中，基于工业服务器实现边缘计算，边缘计算处理的数据是相对小数据，从数据计算和存储上更具成本优势，同时上传云平台的数据量会大幅减少，降低了带宽和负载，从而可以进一步降低物联网平台的成本。另外，边缘计算的节点分析阶段性的设备利用率，对设备的启动以及维修保养进行了合理的规划，从而提高设备的利用率，降低了能耗，从而可以进一步节约成本。

可选地，在图1所示物联网平台的基础上，通过工业服务器20用户可以方便地实现业务编排和业务监控功能。具体地，工业服务器20可以通过执行如下步骤来实现业务编排和业务监控：

针对与工业服务器20相连接的没有物联网设备10，构建该物联网设备 10的数字模型；

根据来自用户的业务编排指令，将至少两个经过实例化的数字模型构建为业务模型；

对相对应数字模型位于业务模型中的各个物联网设备进行监测和控制；

针对业务模型中的每一个数字模型，根据来自该数字模型所对应的物联网设备10的现场数据，对业务模型的显示状态进行更新。

在本发明实施例中，针对每一个与工业服务器相连接的物联网设备，工业服务器可以基于标准数据为该物联网设备建模，构建与该物联网设备相对应的数字模型(数字孪生)，之后用户可以根据业务需求通过拖拉、连线的方式定义不同数字模型之间的业务逻辑关系，生成相对应的业务模型。在生成业务模型之后，工业服务器可以按照业务模型对各个物联网设备进行监测和控制，并且工业服务器还可以根据来自物联网设备的现场数据对业务模型的显示状态进行更新，使得用户可以根据业务模型中各个数字模型的显示状态来确定业务的运行情况。

在本发明实施例中，通过构建数字模型，用户可以方便地实现业务编排，另外用户还可以根据业务模型的显示状态确定各个物联网设备的实时运行状态，从而可以提升用户的使用体验。

在本发明实施例中，通过架构、功能需求、结构需求等模型定义，支持模型和业务流程的可视化，支持基于模型生成多语言代码，支持模型库以及模型库版本管理。业务编排分为业务编排、策略控制和策略执行三个部分，其中，业务编排主要负责可视化的业务安排，策略控制主要负责保证业务调度可控制的实时性，实现本地化就近控制，策略执行主要负责本地调度执行策略。另外，可以通过代码管理、网络配置、数据库操作等方式完成业务功能。

可选地，在图1所示物联网平台的基础上，针对工业服务器20所模拟产生的每一个监控设备，工业服务器20可以根据该监控设备所需的计算资源，调用CPU的至少一个内核来模型产生该监控设备。

在本发明实施例中，监控设备用于对现场的物联网设备10进行监测和控制，监控设备可以实现PLC、PID、HMI、DCS、SCADA等实体硬件设备的功能。在物联网平台的三层结构中，每一个工业服务器均是一个边缘计算节点，利用工业服务器多CPU内核的特点，根据逻辑结构，专门划分某一或某几个CPU内核分别处理PLC控制、HMI、组态或图形、计算、存储等，由操作系统集成统一管理和调度，完成了PLC软件化和基于工业服务器的控制系统的设计思路。

在本发明实施例中，相对于现有的物联网平台，将操作层和控制层压缩为边缘层，增加了高集成度且可物理扩展的工业服务器，此工业服务器集成了传统的PLC、PID、HMI、DCS、SCADA，集数据采集、协议转换、设备控制、控制反馈、组态、过程控制、计算、存储等成为一体的边缘计算节点。

可选地，在图1所示物联网平台的基础上，工业服务器20可以检测数据、设备和应用程序的可信性，以提升物联网平台的安全性。具体地，工业服务器20可以通过如下方式来提升物联网平台的安全性：

在接收到来自一个新增物联网设备的连接请求后，判断该新增物联网设备是否可信，在确定该新增物联网设备可信后再允许该新增物联网设备接入；

判断来自物联网设备10的现场数据是否可信，在确定所接收到的现场数据不可信后将所接收到的现场数据隔离；

针对工业服务器20上运行的每一个应用程序，判断该应用程序是否可行，在确定该应用程序不可信后，终止该应用程序的运行。

在本发明实施例中，工业服务器可以基于白名单、入侵检测、杀毒软件、日志审计等技术手段对现场数据、物联网设备和应用程序的可信性进行检测，使得只有可信的数据可进入、只有可信的设备可连接、只有可信的程序可运行，保证了物联网平台的安全性。

在本发明实施例中，基于工业服务器所实现的边缘服务，支持面向终端设备、网络设备、服务器、存储、数据业务与应用的隔离、安全、分布式架构的统一管理。

在本发明实施例中，工业服务器可以保证节点安全、网络安全、数据安全以及应用安全，具体可以通过如下方式实现：

节点安全：需提供基础的边缘计算安全、端点安全、软件加固和安全配置、安全与可靠远程升级、轻量级可信计算、硬件开关等安全；

网络安全：包含防火墙(工业防火墙)、入侵检测和防护、DDOS防护、 VPN/TLS功能同时包含传输协议的安全防护功能；

数据安全：数据加密、数据隔离和销毁、数据防篡改、隐私性保护、数据访问控制、数据防泄漏；

应用安全：包含白名单、应用安全审计、恶意代码篡改、web应用防火墙等；

安全态势感知，安全管理与编排：基于大数据的态势感知和高级威胁检测以及统一的全网安全策略执行和主动防护同时结合完善的运维监控和应急响应机制，最大限度的保障边缘计算系统的安全、可用、可信；

身份和认证管理：身份和认证管理遍布边缘计算的所有层级，但是在网络边缘侧海量的设备接入，传统的集中式安全认证面临巨大的性能压力，那么就需要分布式的、去中心化的认证方式和证书管理。

可选地，在图1所示物联网平台的基础上，工业服务器20可以实现数据全生命周期服务，具体为工业服务器20可以对数据进行分析、优化以及存储，工业服务器20对数据进行优化和存储可以通过如下方式实现：

将来自各个物联网设备10的现场数据存储到实时数据库中；

对存储到实时数据库中的现场数据进行数据优化处理，获得第二数据；

将第二数据存储到历史数据库中。

在本发明实施例中，工业服务器在接收到来自物联网设备的现场数据后，首先将所接收到的现场数据存储到实时数据库中，之后对存储在实时数据库中的现场数据进行优化处理以提升数据质量，之后将通过优化处理而获得的第二数据存储到关系型历史数据库中。首先，将现场数据存储到实时数据库中，可以提升数据存储和数据读取的效率，其次，通过对现场数据进行优化处理，可以获得质量更高的第二数据，以便于后续进行大数据分析，最后，将第二数据存储到关系型历史关系型数据库中，便于对第二数据进行管理。

在本发明实施例中，工业服务器20实现数据全生命周期服务，主要体现在数据预处理、数据分发和策略执行以及数据可视化及存储，下面对上述三点进行分别说明：

数据预处理：对原始数据的过滤、清洗、聚合、质量优化和语义解析；

数据分发和策略执行：基于预定义规则和数据分析结果，本地进行策略执行或者数据转发；

数据可视化及存储：采用时序数据库等技术可以大大节约存储空间并满足高速的读写操作，利用AR、ⅤR新一代技术交互逼真呈现。

可选地，在图1所示物联网平台的基础上，工业服务器20在对存储到实时数据库中的现场数据进行数据优化处理时，具体可以通过如下方式对现场数据进行处理：

对现场数据进行数据清理，以获得现场数据中所包括的不准确数据；

针对每一个不准确数据，根据该不准确数据的数值和该不准确数据所对应的正常取值范围，为该不准确数据添加异常标签或错误标签；

针对每一个不准确数据，如果该不准确数据添加有异常标签，则根据与该不准确数据相关联的相关数据，对该不准确数据进行修正；

针对每一个不准确数据，如果该不准确数据添加有错误标签，则根据与该不准确数据对应同一业务或逻辑的第三数据确定该不准确数据是否错误，如果确定该不准确数据错误，则将该不准确数据删除。

在本发明实施例中，按照特定的规则可以将现场数据中的不准确数据(脏数据)清理出来，进而根据不准确数据的数值和该不准确数据本身的正常取值范围，对该不准确数据打标签，其中异常标签表征该不准确数据偏离正常取值范围较小，而错误标签表征该不准确数据偏离正常趋势范围较大。

比如，一个温度传感器(物联网设备)向工业服务器发送了一个温度数据，该温度传感器的量程为0-200℃，而该温度传感器所采集温度数据的正常数值范围为10-180℃。当该温度传感器所发送温度数据的数值为190℃时，由于该温度数据已经超出了正常数值范围，对该温度数据添加异常标签；当该温度传感器所发送温度数据的数值为210℃时，由于该温度数据已经超过了该温度传感器的量程，对该温度数据添加错误标签。

在本发明实施例中，工业服务器完成对各个不准确数据的打标签工作后，针对每一个不准确数据，如果该不准确数据添加有异常标签，则根据与该不准确数据相关联的相关数据对该不准确数据进行修正。

比如，由于数值为190℃的温度数据被添加了异常标签，获取与该温度数据相关联的压力数据，判断压力数据是否也相对正常数值范围产生了偏差，如果压力数据相对正常数值范围产生了偏差，则根据压力数据所产生的偏差对该温度数据进行修正。例如，压力数据相对正常数值范围偏大了20％，则根据压力数据将该温度数据减小20％，实现对该温度数据的修正，经修正后该温度数据的数值为152℃。

在本发明实施例中，工业服务器完成对各个不准确数据的打标签工作后，针对每一个不准确数据，如果该不准确数据添加有错误标签，则根据与该物联网不准确数据对应同一业务或逻辑的第三数据对该不准确数据进行修正，或者还可以根据物联网设备在发送该不准确数据之前和之后所发送的第三数据确定对该不准确数据进行修正。

比如，由于数值为210℃的温度数据被添加了错误标签，获取采集该温度数据的温度传感器在采集该温度数据1之前和之后所采集到的温度数据2，之后计算温度数据1和温度数据2的平均值，之后利用所计算出的平均值替换该温度数据，实现对该温度数据的修正。

需要说明的是，对于被添加了异常标签的不准确数据，可以通过各种方式对该不准确数据进行修正，保证该不准确数据不会被舍弃，而对于被添加了错误标签的不准确数据，如果未能通过第三数据对其进行成功修正，则该不准确数据可能会被舍弃。

在本发明实施例中，可以通过各种方式对清理出的不准确数据进行优化，比如优化算法可以为加权平均、中位数计算、方差计算、递归算法等等。

在本发明实施例中，工业服务器对数据的优化还包括如下几个方面：

测量与执行优化：优化仪器仪表、传感器、执行器信号接口，减少数据通信量，保证信号的实时性；

环境与设备安全优化：报警事件优化管理，尽可能的早发早响应，优化紧急事件的处理方式、简化响应条件，减少响应时间；

调节控制优化：优化控制策略、优化控制系统参数、优化故障检测过程；

实时优化：工作单元范围内的实时优化实现参数估计和数据辨识；

生产优化：生产过程优化，提高生产效率，供应链优化，提高资源配置协同优化：分布式系统以及预测模型、算法、控制的优化。

可选地，在图1所示物联网平台的基础上，工业服务器20还可以与卫星进行对时，并对需要进行存储的数据和需要发送给云平台30的数据添加时间戳。

在本发明实施例中，工业服务器通过与卫星进行对时，保证工业服务器可以准确地为数据添加时间戳，其中被添加时间戳的数据包括工业服务器本地存储的数据和发送给云平台的第一数据。通过对工业服务器本地存储的数据和上传至云平台的数据添加准确地的时间戳，从而可以确定每一个数据的采集时间，方便后续对数据进行分析。

在本发明实施例中，数据与物理模型是孪生的，数据按照时间序列存储完整的实时和历史数据，时序数据库应该成为边缘计算存储的选择，时序数据库(包含数据的时间戳)支持时序数据的快速写入、持久化、多维度的聚合、检索等基本功能，为了保证数据的准确性和完整性，时序数据库需要不断的插入新的时序数据，而不是更新原有数据。

可选地，在图1所示物联网平台的基础上，在工业服务器20与云平台 30之间的连接断开后，工业服务器20可以进行孤岛运行，以根据预先设定的控制逻辑或控制方式对各个物联网设备10进行控制，当工业服务器20与云平台30之间的连接恢复后，工业服务器20还可以将其孤岛运行期间的相关数据发送给云平台30。

在本发明实施例中，工业服务器控制物联网设备具有两种模式，第一种模式为工业服务器生成控制指令对物联网设备进行控制，第二种模式为工业服务器根据来自云平台的控制指令对物联网设备进行控制。针对上述的第二种模式，由于工业服务器需要接收来自云平台的控制指令，进而才能够根据所接收到的控制指令对物联网设备进行控制，如果工业服务器与云平台之间的网络连接断开，则工业服务器在预设的时间段内无法接收到来自云平台的控制指令，此时工业服务器可以进行孤岛运行，并按照预设的控制逻辑或控制方法控制物联网设备运行，保证物联网设备在网络中断过程中能够正常运行，当网络连接恢复后工业服务器可以将孤岛运行期间的相关数据发送给云平台，保证云平台上数据的连续性。

在本发明实施例中，工业服务器可以进行孤岛运行，保证对物联网设备进行控制的连续性，从而可以保证业务实现的可靠性。

在本发明实施例中，随着物联网设备和边缘数据中心更靠近终端用户，在遥远的位置产生网络问题进而影响本地客户的可能性较小。即使在附近数据中心中断的情况下，物联网设备也将继续有效地孤岛运行，因为它们本身拥有重要的处理功能。由于有如此多的处理能力的设备和边缘数据中心连接到网络，任何一个故障想要完全关闭服务都变得困难。数据可以通过多种途径重新路由，以保持对所需产品和信息的访问。因此，将物联网设备和边缘数据中心有效地整合到综合的边缘架构中，可以提供更高的可靠性。

可选地，在图1所示物联网平台的基础上，工业服务器20模拟产生的监控设备可以生成控制指令对物联网设备进行控制，还可以根据来自云平台的控制指令对物联网设备进行控制，而监控设备可以根据计算模型所部署位置的不同分别采用上述两种方式来控制物联网设备。下面以一个监控设备为例，对该监控设备控制物联网设备的方法进行说明：

针对预先设定的每一个计算模型，如果该计算模型位于该监控设备上，则该监控设备利用该计算模型生成用于对物联网设备进行控制的第三控制指令，并将所生成的第三控制指令发送给相应的物联网设备；

针对预先设定的每一个计算模型，如果该计算模型位于云平台上，则该监控设备向云平台发送第一数据，云平台将接收到的第一数据输入该计算模型而获得第二控制指令，之后云平台将所生成的第二控制指令发送给该控制设备，该控制设备在接收到来自云平台的第二控制指令后，将所接收到的第二控制指令发送给相应的物联网设备。

在本发明实施例中，监控设备通过向物联网设备发送第一控制指令以对物联网设备进行控制，其中，第一控制指令可以包括第二控制指令和第三控制指令，而第二控制指令为监控设备自身生成，第三控制指令由云平台发送给监控设备。

在本发明实施例中，当计算模型被部署在云平台上时，监控设备可以将物联网设备所上传的现场数据处理为第一数据，之后将第一数据发送给云平台，云平台将第一数据输入计算模型生成第二控制指令，并将所生成的第二控制指令发送给监控设备，之后监控设备将第二控制指令发送给物联网设备，实现物联网设备的控制。当计算模型被部署在监控设备上时，监控设备可以根据物联网设备所上传的现场数据生成第三控制指令，并将第三控制指令发送给物联网设备，实现物联网设备的控制。

在本发明实施例中，将计算模型部署在云平台上或工业服务器上，可以使工业服务器直接控制物联网设备或由云平台通过工业服务器控制物联网设备，从而可以将云平台上的部分运算工作迁移到工业服务器上，即将部分运算工作迁移到边缘侧，达到减小云平台运算压力的目的。

可选地，在图1所示物联网平台的基础上，基于工业服务器实现的边缘层还具有如下功能：

(1)控制及控制反馈

感知与执行：感知指从仪器仪表和传感中读取信息，执行指向执行器写入信息引发某种动作；

实体抽象：描述数字或数据与设备之间的关系，形成数字孪生体；

建模：建模的过程就是定性的了解系统的工作原理及特征到定量的描述动态特性的过程；

资产管理：对控制系统操作的管理，包括系统上线，配置、执行策略、软固件的更新以及其他在线的生命周期管理。

(2)分析

边缘计算的迁移策略一方面是将海量的边缘设备的采集的数据或产生的数据进行部分或全部计算的预处理，对无用的数据进行清洗过滤，进行负荷预测和预测性维护以及云平台训练过的支持轻量深度学习等模型的算法，进行初步的数据挖掘另一方面，将时间敏感型数据分析应用迁徙到边缘侧，提供关联信息、原始数据、参考数据、历史数据、异常数据、特征数据等，提高数据访问的速度，保证数据中心的可靠性，满足数据快速生成的需求。

可选地，在图1所示物联网平台的基础上，基于工业服务器实现的边缘层需要如下基础资源：

(1)网络

边缘计算的业务执行离不开通信网络的支持，边缘计算的网络特点既要满足于控制相关业务传输时间的确定性和完整性，又要能够支持业务的灵活部署。时间敏感网络(TSN)以及跨平台的OPC UA协议都将成为新建站的网络通信整体解决方案的首选，可支持百万级的海量网络设备的接入以及灵活扩展，实现网络、采集安全的有效融合；对于存量站，传统的通信网络不做原则性的更改，依然沿用原有的通信网络。无论是新建站以及存量站局域组网和外网均可以使用目前主流的工业以太网IPV4、IP6或者无线的3/45G、 NB-ot、LORA、载波通信等通信技术组网。

(2)计算

计算能力是边缘侧核心和关键的硬件架构，需要处理多样化的、种类繁多的实时或历史数据，这其中既有结构化的也有非结构化的数据。同时，随着边缘计算节点包含的了更多的种类和数量的计算单元，性价比高、高集成度且可物理扩展的工业服务器应成为首选。

(3)采集和协议转换

采集数据和转发数据依然是边缘计算的最基础也是最重要的工作之一，采集和数据转发的方式和通信协议对于存量站中种类繁多、特征各异的协议依然是困难重重，所以建立起强大的协议库，成为解决此种问题的首选，对于增量站，统一标准协议，统一数据格式和规范，统一标准化，成为解决此种问题的首选。

(4)存储

数据与物理模型是孪生的，数据按照时间序列存储完整的实时和历史数据，时序数据库应该成为边缘计算存储的选择，时序数据库(包含数据的时间戳)支持时序数据的快速写入、持久化、多维度的聚合、检索等基本功能，为了保证数据的准确性和完整性，时序数据库需要不断的插入新的时序数据，而不是更新原有数据。

(5)虚拟化

虚拟化降低了系统开发和部署成本，将虚拟机器管理等能力直接运用在系统的硬件平台上，然后再运行操作系统和虚拟化功能。

如图2所示，本发明一个实施例提供了一种基于上述任一物联网平台的物联网设备监控方法，该方法可以包括如下步骤：

步骤201：利用物联网设备采集现场数据，并将采集到的现场数据发送给工业服务器所模拟产生的至少一个监控设备；

步骤202：利用工业服务器所模拟产生的监控设备对物联网设备进行监测和控制，其中，监控设备通过向物联网设备发送第一控制指令使物联网设备执行相应的动作，且第一控制指令包括云平台下发的用于对物联网设备进行控制的第二控制指令。

在本发明实施例中，由于工业服务器可以模拟产生各种类型的监控设备，利用监控设备便可以获取物联网设备的现场数据，并基于现场数据对物联网设备进行控制，在搭建物联网平台时无需较大的空间来部署各种监控设备，部署空间仅需要能够容纳工业服务器即可，从而可以适用于较狭小空间的业务场景，因此能够提高物联网平台的适用性。

需要说明的是，本发明实施例所提供的物联网设备监控方法基于上述实施例所提供的物联网平台而实现，该物联网设备监控方法的内容与上述实施例所提供的物联网平台基于同一构思，具体对物联网设备进行监测和控制的方法可以参见本发明物联网平台实施例中的叙述，此处不再赘述。

本发明实施例还提供了一种可读介质，包括执行指令，当存储控制器的处理器执行所述执行指令时，所述存储控制器执行上述实施例所提供的物联网设备监控方法。

本发明实施例还提供了一种存储控制器，包括：处理器、存储器和总线；

所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述存储控制器执行上述实施例所提供的物联网设备监控方法。

综上所述，本发明各个实施例提供的物联网平台和物联网设备监控方法，至少具有如下有益效果：

1、在本发明实施例中，由于边缘计算节点的存在，减少了逻辑层次，减少了运行设备，减少了运行人员减少故障节点，结合以上结果，运维成本将会显著下降。另外，由于边缘计算的节点的存在，具备了智能计算、智能控制、智能采集，针对本地资产设备(仪器仪表、供气供热调节和控制设备、 UPS电源、空调、消防、五防、门禁等)本地实时状态、温/度、压力、流量、电力特征(电流、电压、功率等)、开关、五遥、基础视频等进行实时监控并记录实时和历史数据，形成数字孪生模型，达到少人(无人)值守，边缘计算的存在对少人(无人)值守提供了这样的先决技术条件和分析条件。而且，由于边缘计算的存在，具备了智能计算、智能控制、设备生命周期的预判断等能力。将资产以及设备本体(仪器仪表、控制器、执行器、驱动器) 的数据采集并存储，根据特定的算法，得到资产以及设备本体的健康状况，定期或定时的给出初步的维护意见以及维护方法。

2、在本发明实施例中，边缘计算与云计算各有所长，云计算擅长于全局性、非实时、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥最大优势：而边缘计算更适合局部性、实时、短周期的数据处理与分析，能够更好的支撑本地业务的实时智能化决策与执行。二者之间不是替代的关系了，而是互补协同的关系，云边协同将放大边缘计算与云计算的应用价值。边缘计算更靠近执行单元，更是云端所需的优化清洗的、高价值的数据采集和处理单元，可以更充分的支持云端的应用；反之，云计算通过大数据分析优化的业务规则、预测、模型、算法可以下发至边缘侧，边缘侧具体执行。由于边云协同的进一步建立和实践，新奥物联网平台体系将更加完整，新奥信息化水平将进一步提高，为新奥数字化转型奠定扎实的技术、架构、信息业务基础。

3、在本发明实施例中，边缘计算紧靠数据源，处理本地边缘数据中心的数据，因此采集数据和处理数据不必完全同步至云端，不必远距离传输，所以边缘计算可以大大的减少传输数据的延迟，同时边缘侧根据已定业务策略或算法及时的处理执行单元的各类控制和指令，即刻获得结果反馈，这对新奥物联网以及工业物联网以毫秒级的数据处理而言重大意义不言而喻。

4、在本发明实施例中，边缘计算提供了更便宜的可扩展性路径，允许新奥数字化体系通过物联网设备和边缘数据中心的组合来扩展其计算能力。使用具有处理能力的物联网设备可以降低增长成本，因为添加的每个新设备都不会对网络产生大量带宽需求。

5、在本发明实施例中，通过与本地边缘数据中心合作，新奥的物联网平台可以通过数字孪生，利用底层设备的多种协议，形成物联资产的实时映像，了解事物或者系统的状态和变化，及时应对变化，而无需投资昂贵的基础设施扩展。通过将新的物联网设备整合到其边缘网络架构中，可以提供新的更好的服务，且无需完全重组IT基础设施。

6、在本发明实施例中，物联网设备的一个主要问题是它们可以被用作网络攻击的入口点，恶意软件或其他入侵会从单个弱点感染网络，但边缘计算架构的天然分布式特性能够更容易实现安全协议，可以在不关闭整个网络的情况下封锁和隔离受损部分，防止其污染其它物联设备，安全性进一步提高。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (7)

1.一种物联网平台，其特征在于，包括：至少一个物联网设备、至少一个工业服务器和一个云平台；

所述工业服务器，用于模拟产生至少一个监控设备，其中，所述监控设备用于对至少一个所述物联网设备进行监测和控制；

所述物联网设备，用于将采集到的现场数据发送给至少一个所述监控设备，并根据来自至少一个所述监控设备的第一控制指令执行相应的动作；

所述云平台，用于分别接收每一个所述工业服务器所上传的第一数据，并分别向每一个所述工业服务器下发用于对所述物联网设备进行控制的第二控制指令；

所述工业服务器进一步用于执行如下操作：

针对相连接的每一个所述物联网设备，构建该物联网设备的数字模型；

根据来自用户的业务编排指令，将至少两个经过实例化的所述数字模型构建为业务模型；

对相对应所述数字模型位于所述业务模型中的各个所述物联网设备进行监测和控制；

针对所述业务模型中的每一个所述数字模型，根据来自该数字模型所对应的所述物联网设备的所述现场数据，对所述业务模型的显示状态进行更新；

其中，所述监控设备，用于针对预先设定的每一个计算模型，如果该计算模型位于该监控设备上，则利用该计算模型生成用于对所述物联网设备进行控制的第三控制指令，并将所述第三控制指令发送给相应的所述物联网设备，如果该计算模型位于所述云平台上，则向所述云平台发送所述第一数据，并将来自所述云平台的所述第二控制指令作为所述第一控制指令发送给相应的所述物联网设备，其中，所述云平台可以将所述第一数据输入该计算模型而获得所述第二控制指令。

2.根据权利要求1所述的物联网平台，其特征在于，

所述工业服务器，用于针对每一个所述监控设备，根据该监控设备所需的计算资源，调用CPU的至少一个内核来模拟产生该监控设备。

3.根据权利要求1所述的物联网平台，其特征在于，所述工业服务器进一步用于执行如下操作：

在接收到来自新增物联网设备的连接请求后，判断所述新增物联网设备是否可信，并在确定所述新增物联网设备可信后允许所述新增物联网设备接入；

判断来自所述物联网设备的所述现场数据是否可信，在确定所述现场数据不可信后将所述现场数据隔离；

判断在所述工业服务器上运行的应用程序是否可信，在确定所述应用程序不可信后终止所述应用程序运行。

4.根据权利要求1所述的物联网平台，其特征在于，所述工业服务器进一步用于执行如下操作：

将来自各个所述物联网设备的所述现场数据存储到实时数据库；

对存储到所述实时数据库中的所述现场数据进行数据优化处理，获得第二数据；

将所述第二数据存储到历史数据库中。

5.根据权利要求4所述的物联网平台，其特征在于，所述工业服务器在执行所述对存储到所述实时数据库中的所述现场数据进行数据优化处理时，用于执行如下操作：

对所述现场数据进行数据清理，以获得所述现场数据所包括的不准确数据；

针对每一个所述不准确数据，根据该不准确数据的数值和该不准确数据所对应的正常数值范围，为该不准确数据添加异常标签或错误标签；

针对每一个所述不准确数据，如果该不准确数据添加有所述异常标签，则根据与该不准确数据相关联的相关数据对该不准确数据进行修正，如果该不准确数据添加有所述错误标签，则根据与该不准确数据对应同一业务或逻辑的第三数据对该不准确数据进行修正。

6.根据权利要求1所述的物联网平台，其特征在于，

所述工业服务器，进一步用于与卫星进行对时，并对需要进行存储的数据和需要发送给所述云平台的数据添加时间戳。

7.根据权利要求1所述的物联网平台，其特征在于，

所述工业服务器，进一步用于在与所述云平台之间的连接断开后进行孤岛运行，以根据预先设定的控制逻辑或控制方式对各个所述物联网设备进行控制，并在与所述云平台之间的连接恢复后将孤岛运行期间的相关数据发送给所述云平台。

Images