CN111193630A

CN111193630A - 一种区块链物联网管理的非线性自适应闭环控制系统

Info

Publication number: CN111193630A
Application number: CN202010128657.1A
Authority: CN
Inventors: 黄步添; 周伟华; 陈建海; 刘振广; 肖震; 杨正清
Original assignee: Hangzhou Yunxiang Network Technology Co Ltd
Current assignee: Hangzhou Yunxiang Network Technology Co Ltd
Priority date: 2020-02-28
Filing date: 2020-02-28
Publication date: 2020-05-22

Abstract

本发明公开了一种区块链物联网管理的非线性自适应闭环控制方法。设计了一种新的自适应闭环控制系统和加速搜索模型，用以提高物联网特别是基于区块链技术的物联网监控效率，应对物联网产生的海量数据导致通信崩溃的局面。所设计的非线性控制模型利用排队理论来评估矿工网络中应该排队的数据块的最佳数量以使得整个排队过程更加高效。同时提出了一种利用与哈希图加速搜索的新系统，使监控过程更加快速、可靠、高效。本发明有助于提升基于区块链技术的物联网数据管理与监控效率。

Description

一种区块链物联网管理的非线性自适应闭环控制系统

技术领域

本发明涉及一种物联网数据管理与监控系统，尤其是涉及一种区块链物联网管理的非线性自适应闭环控制方法。

背景技术

网络控制系统是一种控制回路通过通信网络闭合的控制系统，具有安装维护成本低、灵活度高的优点。上述优点使得网络控制系统具有广泛的使用领域，然而，其也面临着随机通信延迟和数据丢包的缺点。从目前的工业应用来看，传统的点对点集中控制已经不能满足模块化、分散/分布式控制、维护方便快捷、成本低等新要求。随着物联网技术的发展，上述问题更加突出。物联网网络通常有许多传感器、控制器和执行器节点组成，这些分布式物联网节点竞相向网络发送数据，数据量巨大，这使得对于物联网的监控非常困难。因此，需要实现一个监视和控制物联网节点向网络发送数据包的系统。

虽然网络中的通信限制问题已经得到了很好的研究，但是在排队分析的优化方面的工作相对较少，且目前的研究多数都没有将网络特性纳入到控制系统。物联网的特性在很大程度上继续影响着系统的性能，因此，网络使用的控制算法必须考虑这些特性。已有的大多数研究都是基于优化能耗以提高网络控制系统的性能，具有物联网特性的网络控制系统的使用还需要进一步的研究，包括队列分析、服务速率和丢包等。为了是物联网的监控更加有效，一些研究人员提出了一些新的方法来提高大数据数据库的搜索速度，如使用二进制散列来提高搜索速度的方法等。然而，物联网存在多种架构，一些搜索方法并不具备普适性。当下流行的物联网架构有以下几种：

1.三层架构。三层体系结构是物联网发展的基础架构，已经在很多系统中实现。在该类物联网中通常可以识别出感知层、网络层和应用层三个层次。

2.基于软件定义网络的体系结构。有学者提出了一种基于软件定义网络的物联网体系结构，用于提高网络服务质量。

3.基于服务质量的体系架构。允许物联网应用包括其自身的服务质量需求。

4.基于面向服务的体系架构。面向服务的体系结构有四个协作层组成：感知层、网络层、服务层、用用层。

5.云物联架构。基于集中信息的数据云架构设计物联网。

区块链是使用加密技术构建的一种网络成员之间复制和共享的分布式数据结构，每个数据区块由其自己的加密哈希值来标识，每个区块引用前一个区块的加密哈希值，实现了块与块的链接。在区块链中，矿工需要就交易和交易发生的顺序达成一致，要做到这一点必须在每个区块链网络中都有一个分布式共识机制。随着区块链技术的发展，基于区块链技术的物联网体系架构有着广阔的发展前景。目前，全球的物联网互联设备约有50亿台，预计到2022年这一数字将继续增长到290亿台。每个物联网设备产生数据并与网络交换数据，可以想见未来的物联网数据规模将异常庞大。区块链技术有助于解决物联网网络中突出的隐私、海量数据处理以及信任难题。

目前，对于物联网节点向大数据数据库发送数据包的队列监控方面的较少，特别是对于基于区块链技术建立的物联网，此领域研究更是空白。事实上，队列理论是近年来被广泛研究的一个数学领域，其已经在数学建模、计算机应用、线性统计推断和工程系统中有了相关的应用。近年来，一些研究人员利用队列理论对物联网进行了优化，如将动态用户调度和功率分配问题定义为一个随机优化问题，其目标是在所有用户的长期速率需求约束下使得整个网络的总功耗最小。已有研究克服了不同的问题，如分布式物联网体系结构、安全问题、数据保密和认证等，但是，在所有最新的关于物联网和区块链混合架构的研究中，缺少关于自动控制物联网中数据包流的研究。

发明内容

为解决上述问题，本文发明提出了一种区块链物联网管理的非线性自适应闭环控制方法，采用自适应控制算法解决队列饱和问题，同时设计了基于哈希图的搜索系统，提高了物联网监控效率。

本发明的技术方案采用如下步骤：

1).构建包括物边缘计算层、联网层、区块链层、大数据层的物联网数据监控与管理系统框架；

2).设计物联网智能设备层面数据处理策略；

3).设计区块链层面的数据区块验证系统和数据区块队列系统；

4).搭建以服务器运行成本最小为目标的M|M|1队列优化模型；

5).设计数据区块队列控制算法来监视和控制从队列网络到矿工网络的数据流；

6).引入哈希图控制系统来提升数据搜索效率；

7).挖掘大数据层的深度应用。

所述的步骤1)中的包括物边缘计算层、联网层、区块链层、大数据层的物联网数据监控与管理系统框架为：

系统包括边缘计算层、联网层、区块链层、大数据层四个层面，整体运作机制为：

(1)物联网智能终端设备(如智能手环、环境传感器等物联网终端设备)从环境中收集数据并开始处理它们在第一层中，智能设备结合了边缘计算模式，该模式允许执行智能合约，将来自物联网设备的数据插入侧链(即，专为智能设备使用而指定的许可区块链)。一旦智能设备完成验证并将数据插入数据块，它们就会执行一个新的智能合约，将数据块发送到矿工网络，以纳入区块链。

(2)区块链节点(即矿工)接收已经从侧链构建的区块。然后，区块链矿工网络验证侧链中已构建的区块，并将其包含在区块链中。因此，挖掘者只需计算散列值就可以将节点添加到区块链中，而构建区块不需要计算能力。

(3)一旦物联网设备的数据已经在区块链中，通过实时流媒体将该数据插入大数据层。一旦数据在Hadoop分布式文件系统中，就会执行一个智能契约来发送存储在Hadoop分布式文件系统中的数据的地址(因为Hadoop 分布式文件系统复制内容并将其分发到数据库中)和查询以访问存储在哈希图中的数据。这样，数据就在区块链中得到保护。由于它们存储在Hadoop 分布式文件系统中，因此可用性很高，物联网设备的监控通过大数据技术(商业智能、数据发现、机器学习等)进行优化。

所述的步骤2)中的设计物联网智能设备层面数据处理策略，具体为：

智能设备具有以下层：

1)事件生成器层。在这一层，物联网节点收集数据(温度、湿度等)，并将其发送到智能控制器进行实时预处理。

2)预处理层。在这一层中，单板计算机(在我们的例子中，树莓派(Raspberry Pi)，尽管也可以使用其他类似的设备)开始用物联网设备收集的数据构建块，一旦构建块，树莓派(Raspberry Pi)运行一个智能合约，在侧链中引入数据。为了提高单板机的处理能力，通过USB接口增加了一种叫做“超低功耗嵌入式矿机处理单元”的设备。这支持单板计算机在块的构造中。该设备提高了智能设备的计算能力。这样，智能控制器可以在单板上运行复杂的算法而不需要高计算能力的计算机。智能控制器在边缘计算层。由于智能控制器处理数据，它们将计算能力从区块链中推离。构建块后，块验证节点会向矿工网络请求验证请求。然后，块验证节点(该节点有权读取区块链) 尝试验证它刚刚构建的块。在验证块的情况下，块验证节点将块发送到智能代理，以管理到矿工网络的块提交队列，矿工网络将块插入到区块链中。这样，区块链的矿工网络只需将区块插入区块链。此外，智能控制器可以运行挖掘算法，以帮助对附加到区块链的下一个区块的工作证明(PoW)进行数学计算。

所述的步骤2)中的设计物联网智能设备层面数据处理策略，其特征在于：利用了主链与侧链互相锚定的区块链技术。侧链是根据系统需要创建的区块链。在本文中，我们建立侧链来储存物联网设备所收集的数据。

物联网节点将其信息发送到侧链。然后，侧链与主区块链共享信息(以区块的形式)。这样，侧链可以在边缘计算层并行处理物联网节点的数据。这些侧链的工作方式与主链(区块链)相同。物联网设备将数据发送到智能控制器。一旦数据进入智能控制器，它就会到达侧链。然后，侧链存储数据，直到它有足够的数据来构建一个块。块的大小不固定，但小于1MB。在侧链中创建块后，数据流在智能控制器中继续，块验证节点开始工作。

所述的步骤2)中的设计物联网智能设备层面数据处理策略，设置了区块链验证节点，并明确了其如下的特点与作用：

一旦区块建立在侧链中，智能控制器必须先验证区块，然后再将其发送到矿工网络。为此，它使用块验证系统，每个智能控制器中都有一个节点连接到矿工网络的中央系统。块验证节点被要求验证刚刚在侧链中构建的新块。然后，它将块的副本发送到块验证系统。该系统验证块中的数据是否正确，是否在某些预先确定的参数范围内(例如，如果物联网节点测量建筑物中的温度并发送100℃的温度，块验证系统将检测到这是一个异常温度，而不会验证该块)。块验证系统完成验证过程后，将向块验证节点返回“通过”或“不通过”。如果答案是“不通过”，则从侧链中删除块。如果答案是“通过”，则该块将发送到智能代理。该块是在物联网节点附近的边缘计算中构建的。一旦准备好存储在区块链中，它就被发送到区块链的矿工网络。

所述的步骤2)中的设计物联网智能设备层面数据处理策略，设置了智能代理，并明确了其如下的特点与作用：

智能代理是到达矿工网络的区块队列的管理者。块队列系统在每个智能控制器上都有一个块队列节点。每个排队节点块将管理其自身块的队列。智能代理将块发送到管理所有智能设备队列的块队列系统。块队列节点有一个名为M|M|1的队列管理系统。因此，只有一个容量无限的块队列和一个服务器(即块队列系统)。纪律是先进先出。λ是每单位时间到达的块的平均数量，1/λ是块到达之间的平均时间。

所述的2)中的设计物联网智能设备层面数据处理策略，发现、证明并应用了如下的定理(定理1)：

定理1：设T为表示两个连续到达之间时长的随机变量。设t>0，n(t) 表示截至时长t系统中数据的到达次数。因为数据增量是独立的，有：

P(T≤t)＝1-P(T>t)＝1-P(n(t)＝0)＝1-e^-λt

那么T＝Exp(λ)。如果T₁,···,T_n是独立的，T_i表示第(i-1)个数据到达与第i 个数据到达之间的空窗时间，均满足Exp(λ)分布，则有n(t)＝P(λt)。

证明：

可见，数据块到达之间的空窗时间满足指数分布，即Exp(λ)。换言之，两次数据服务之间的空窗时间也将满足指数分布，即Exp(u)，u表示服务器单位时间内能够服务的客户的评价数量，1/λ表示服务的平均时间。如果λ＞u，则系统未饱和，队列中的数据块数量随时间延长无限增长。因此，系统饱和的条件由下式表示：

ρ＜1,其中ρ＝λ/u

本发明假设数据块队列是不饱和的，当数据块队列没有饱和时称其处于静止状态。

由于参数ρ能够表征数据块到达的数量和处理数据块的能力，可将其称为系统的交通强度。假设系统未饱和，则可按下式推导出系统中存在任何数据区块的概率p_n(n∈N)：

p_n＝ρⁿ(1-ρ)

另外参数ρ还可以用来估计服务客户的平均数量L和服务器平均响应时间W：

其中，j表示第j个数据区块；

表示当前面存在第j个区块时第(j+1) 个区块通过系统所需的时间；p_j表示当数据块到达系统时前面存在j个数据区块的概率。如此，数据区块队列系统实现了对队列管理的数学化表达。

所述的步骤3)中设计区块链层面的数据区块验证系统和数据区块队列系统，区块链数据区块验证系统的实现方法为：

数据区块验证系统是协调每个智能控制器中所有数据区块验证节点的中心节点，该节点定义了物联网节点收集的数据的阈值。另外，数据区块验证节点使用传感器ID和时间戳查询区块链以避免数据重复，即如果区块链中没有相同传感器ID和时间戳的记录，则允许区块验证节点验证数据区块。

所述的步骤3)中设计区块链层面的数据区块验证系统和数据区块队列系统，在实现数据区块队列系统过程中应用了Jackson定理：

数据区块队列系统是队列控制的中心节点。每个数据区块队列节点创建一个队列M|M|1，其中数据区块由侧链构建。然后，所有这些队列形成一个队列网络，队列网络是一个系统，其中存在多个并行队列并且数据区块可以从一个队列流动到另一个队列。此外，本发明中使用的队列网络是开放的 (即每个数据区块在给定的时间进入系统，并且在经过一个或多个队列之后退出系统)和循环的(即任务不能返回到相同的队列)。

定义：一个开放式的数据区块队列网络在当且仅当满足以下条件时可以被称作Jackson网络：

1.网络内只有一种任务(即，数据区块)；

2.每个节点i都是一个队列M|M|c_i；

3.一方面，数据路由是概率化的，r_ij＞0表示数据区块离开节点i到达节点j的概率；另一方面，r_i0表示数据区块离开节点i后离开系统的概率，

此外，数据区块到第i个节点的外部到达率用γ_i表示，网络中的节点总数用K表示。数据区块队列系统采用的队列网络是一个Jackson网络(r_ij＝1)，因此，智能代理的所有队列不断地将其数据区块发送到数据区块队列系统。

由于区块队列节点的总输入流必然等于该节点的总输出流，因此存在以下平衡方程：

该方程为只有一个解的线性系统方程，可以求解得到数据区块队列系统的到达率λ_i。为了避免任何数据区块队列系统尾部饱和，必须核实以下条件：

ρ_i<1,其中

定理2(Jackson定理)：在一个包含m条队列且每条队列的利用率ρ_i＜1 的开放式Jackson网络中，平衡态概率分布存在，对于状态{(n₁,n₂,···,n_m)}的平衡态概率分布可由单个队列均衡分布的乘积给出：

其中，p_i(n_i)表示客户n_i在第i个队列节点中的概率，可以根据M|M|c 队列模型方程来计算。

定理2的应用方法如下：

(1).计算系统输出的总速率(吞吐量)，即单位时间离开系统任务的平均数，与进入系统的任务数一致：

(2).计算系统内的平均任务数，即每个节点中的平均任务数之和：

(3).任务在系统内的时间，即任务从进入系统到离开系统的平均用时：

(4).节点i的访问率，即任务从进入系统到离开系统期间方位节点i的平均时间：

所述的步骤4)搭建以服务器运行成本最小为目标的M|M|1队列优化模型，具体方法为：

在搭载该优化方法的队列系统中，服务器(矿工网络)可以调整工作量证明机制。服务器运行数据区块，直到服务器为空时退出并不在提供服务。待队列中等待数据区块数量达到Q个时，重启服务。设系统中数据区块的到达率为λ_i，服务率为u且ρ＜1。定义两个系统能耗指标：C_k表示每次服务器返回时的单位货币成本(固定成本)；C_h表示矿工网络中每个数据区块的单位货币成本和时间成本(维护和挖矿成本)。

目标是决定Q的值，使系统处于单位时间内运行成本最小的状态。单位时间内的平均维护成本可以表示为E(N)·C_h，其中，E(N)表示系统内用户数量的数学期望。那么，系统单位时间的固定成本是

其中，T₀表示服务器闲置时长，T₁表示服务器占用时长。由于稳态下服务器闲置时长及占用时长和的平均值为E(T₀+T₁)，因此，优化的目标函数可以表示为：

定理3：设Q∈N是保持矿工网络能够继续挖掘下一个数据区块的矿工数量的最小值；数据区块的到达率和服务率分别为λ,u且ρ＜1。最优的Q值为：

证明：

证明的过程用到了以下符号：

1.P_n＝P(N＝n)，表示服务器提供服务的概率。

2.存在服务器可以提供服务时，P_n(1)＝P(N＝n)

3.不存在服务器可以提供服务时，P_n(0)＝P(N＝n)

显然存在P_n＝P_n(0)+P_n(1)。

在稳态情况下，存在以下平衡方程：

顶层方程：

底层方程：

(n＝Q)λP_Q-1(1)+λP_Q-1(0)+uP_Q+1(1)＝λP_Q(1)+uP_Q(1)

(n＝1)(λ+u)P₁(1)＝uP₂(1)

(n≥2,n≠Q)λP_n-1(1)+uP_n+1(1)＝(λ+u)P_n(1)

合并两个方程组，得到：

λP₀(0)＝λP₁(0)＝···＝λP_Q-1(0)

uP₁(1)＝λP₀(0)

λP_Q-1(1)+λ＝P_Q-1(0)+uP_Q+1(1)＝(λ+u)P_Q(1)

uP₂(1)＝(λ+u)P₁(1)

λP_n-1(1)+uP_n+1(1)＝(λ+u)P_n(1),n≥2,n≠Q

为求解上述方程，引入与随机变量N相关的概率发生函数G(s)：

其中|s|≤1

定义

那么则有：

G(s)＝G₀(s)+G₁(s)

对G(s)求导数，有：

显然，有：

G(1)＝1 G'(1)＝E(N)

将第n个系统方程的每一项均乘以sⁿ⁺¹，得到：

另一方面：

那么，在s＝1的情况下计算G(s)可以得到：

接下来，计算E(N)和E(T₀+T₁)：

E(T₀)等于系统处理从0个到Q个客户所需要的平均时间，由于数据到达之间的时间窗口满足指数分布Exp(λ)，相当于计算Q次，即客户到达的平均时间：

可理解为系统稳态下存在0到Q-1个客户而没有服务器的失败概率：

所以：

需要求取使得f(Q)最小的Q值：

由于：

所以

即为全局最小解。

所述的步骤5)设计数据区块队列控制算法来监视和控制从队列网络到矿工网络的数据流，具体方法为：

队列控制算法被区块队列系统用来监视和控制从队列网络到矿工网络的数据流。控制系统原始输入包括以下变量：

(1).λ表示单位时间内到达区块队列系统的数据区块平均数量；该参数参与算法的每一个步骤，在每一个时间单元内更新该参数。

(2).u表示区块队列系统最多能够管理区块数量的平均数，该参数参与算法的每一个步骤，自适应参数更新步骤控制着该变量以获得分组排队系统的最优性能。

(3).C_k表示服务器每次重新初始化其工作时的单位货币成本。

(4).C_h表示矿工网络中生成每个数据区块的单位货币成本和时间成本。

自适应控制系统控制器由控制函数Q^*(λ,u,C_k,C_h)和u(z(λ,u,Q^*))组成， Q^*函数用于计算使得区块队列系统能耗最低的区块数量Q。

本发明假设如果ρ≥1则Q＝0，这是因为如果ρ≥1时，函数Q^*求解存在一个负平方根，而本发明只考虑实域解。u函数决定区块队列系统是否改变系统u值。

利用定理3的结果来定义Q^*函数，首先定义一个辅助函数z：

如果z(λ,ρ,Q)＝0，区块控制算法将减少区块队列系统发送到矿工网络的数据区块的数量，如果z(λ,ρ,Q)＝1则该算法使得区块队列系统能够将数据区块发送到矿工网络，如果z(λ,ρ,Q)＝-1则表示区块队列已饱和，控制器则不会更改u的值。u函数的定义是基于辅助函数z完成的：

一旦控制器将控制信号发送到块队列系统，它将根据控制器更改的值。另外，用这种方法，算法接收进程状态的参考模型信息，并确认队列网络是否崩溃(ρ＜1)，参考模型使用参考函数e来确定自适应控制算法是否正常工作，设u_reference＝u_f＝ω(ρ,Q^*,λ)作为参考模型发送给自适应参数更新的参数， e在下述方程式中进行了定义：

自适应参数更新模块将来自控制器的辅助测量u_c发送到设定点，其中参数的值u被改变，使得控制器在算法的下一步中具有新的值u_adaptive＝u_a＝θ(ρ)。

θ函数定义如下：

更新后的控制器参数u_a被发送到在自适应控制算法的一个步骤中使用的设定点。此外，更新后的控制器参数u_a作为新的自适应更新u_c经由控制器发送到区块队列系统。由于控制器系统检测到u_a来自内环(即自适应功能)，它将更新后的参数发送到块队列系统。因此，控制器发送的最终信号是 u_c＝u_a。

所述的步骤6)引入哈希图控制系统来提升数据搜索效率，具体方法为：

数据实时流化并存储在区块链中。一旦进入区块链，数据就被发送到大数据层。在这一层中，数据存储在Hadoop分布式文件系统中。一旦数据与传感器ID和时间戳一起存储，就会触发一个智能合约来创建一个查询，从而提供对这些数据的访问。智能合约将此查询、传感器ID和时间戳发送到“哈希图控制系统”。这个控制系统将数据存储在区块链内的哈希图中。这样可以最大限度地减少搜索大量数据所需的时间。虽然这不是本发明的主要目的，但我们认为将此系统包括进来以加快数据搜索速度是合适的。这样，物联网节点的监控更加有效。

所述的步骤7)挖掘大数据层的深度应用，主要内容包括：

区块链层可以实时使用大数据层和双向数据流。大数据层中可以找到四个不同的部分：

1)事件处理，它负责实时提供响应该层接收到的不同请求所需的计算能力；

2)操作分析；

3)数据存储，通常遵循NoSQL模型以获得更好的性能，尽管也可以使用其他经典模型；

4)历史分析，通过使用机器学习算法和特定用例的商业智能(BI)从存储到分析请求时刻的数据中提取价值要素。

本发明的有益效果是：

本发明能够实现物联网数据的高效管理与监控，利用排队理论来评估矿工网络中应该排队的数据块的最佳数量以使得整个排队过程更加高效。本发明有助于提升基于区块链技术的物联网数据管理与监控效率。

附图说明

图1系统总框架图；

图2边缘计算结构示意图；

图3区块链主链与侧链关系示意图；

图4数据区块队列系统结构；

图5自适应控制算法框图；

图6仿真1结果折线图；

图7仿真2结果折线图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

本发明的具体实施例如下：

实施例1：

一种区块链物联网管理的非线性自适应闭环控制方法，其特征在于包括以下步骤：

(1)构建包括物边缘计算层、联网层、区块链层、大数据层的物联网数据监控与管理系统框架，如图1所示，具体为：在系统包括边缘计算层、联网层、区块链层、大数据层四个层面，智能设备负责从环境中收集数据，智能设备结合了边缘计算模式，能够将收集到的数据插入侧链，区块链节点接受并验证侧链构建的区块，一旦物联网设备的数据包含在主链区块链中，则通过实时流媒体将该数据发送至大数据层。

(2)设计物联网智能设备层面数据处理策略：

图2展示了智能设备如何在将数据发送到区块链之前收集和预处理(即预处理层)数据。智能设备具有以下层：

2)预处理层。在这一层中，单板计算机(在我们的例子中，树莓派 (RaspberryPi)，尽管也可以使用其他类似的设备)开始用物联网设备收集的数据构建块，一旦构建块，树莓派(Raspberry Pi)运行一个智能合约，在侧链中引入数据。

设计物联网智能设备层面数据处理策略利用了主链与侧链互相锚定的区块链技术。图3显示了区块链和侧链之间的关系。在图中可以看到，物联网节点将其信息发送到侧链。然后，侧链与主区块链共享信息(以区块的形式)。

另外，设置区块链验证节点和智能代理，并明确了其如下的特点与作用：

区块链验证节点作用：一旦区块建立在侧链中，智能控制器必须先验证区块，然后再将其发送到矿工网络。每个智能控制器中都有一个节点连接到矿工网络的中央系统。块验证节点被要求验证刚刚在侧链中构建的新块。然后，它将块的副本发送到块验证系统；

智能代理特点与作用：

智能代理是到达矿工网络的区块队列的管理者。块队列系统在每个智能控制器上都有一个块队列节点。每个排队节点块将管理其自身块的队列。智能代理将块发送到管理所有智能设备队列的块队列系统。

(3)设计区块链层面的数据区块验证系统和数据区块队列系统，区块链数据区块验证系统的实现方法为：

(4)搭建以服务器运行成本最小为目标的M|M|1队列优化模型，具体方法为：

在搭载该优化方法的队列系统中，服务器(矿工网络)可以调整工作量证明机制。服务器运行数据区块，直到服务器为空时退出并不在提供服务。待队列中等待数据区块数量达到Q个时，重启服务。设系统中数据区块的到达率为λ_i，服务率为u且ρ＜1。目标是决定Q的值，使系统处于单位时间内运行成本最小的状态。

(5)设计数据区块队列控制算法来监视和控制从队列网络到矿工网络的数据流，具体方法为：

整个控制流程如图5所示，自适应控制系统控制器由控制函数 Q^*(λ,u,C_k,C_h)和u(z(λ,u,Q^*))组成，Q^*函数用于计算使得区块队列系统能耗最低的区块数量Q。参考模型的作用是将将参数信息发送到将其传递给控制器的设定点。自适应参数更新模块将来自控制器的辅助测量u_c发送到设定点。

(6)引入哈希图控制系统来提升数据搜索效率，具体方法为：

数据实时流化并存储在区块链中，一旦进入区块链，数据就被发送到大数据层，在这一层中，数据存储在Hadoop分布式文件系统中，一旦数据与传感器ID和时间戳一起存储，就会触发一个智能合约来创建一个查询，从而提供对这些数据的访问。智能合约将此查询、传感器ID和时间戳发送到“哈希图控制系统”。这个控制系统将数据存储在区块链内的哈希图中。这样可以最大限度地减少搜索大量数据所需的时间。

(7)挖掘大数据层的深度应用，主要内容包括：

2)操作分析；

实施例2：

本节通过两个仿真实例验证了该算法的有效性和哈希图算法的快速数据搜索能力。

仿真1：队列自适应控制算法

本仿真给出了本发明所设计的包括区块队列模型和自适应空时算法的网络功能。该网络是一个开放自适应式Jackson网络，其中数据区块队列为 M|M|1队列，能够将它的数据区块发送至数据区块队列系统。

首先假设一些仿真中用到的一些参数：

1.假设C_k＝30C_h。

2.单位时间为1小时。

3.数据区块队列节点总共有4个，数据队列系统1个。

4.γ_i是{1,···,10}中的随机数，i表示第i个区块队列节点。

步骤1：

随机设置以下参数值：

1.γ₁＝8,γ₂＝4,γ₃＝6,γ₄＝2。

2.

那么，输入到区块队列节点的数据区块数量为：

从而，有：

接下来进行算法第一步的仿真：

1.初始输入设定为：λ＝20,u_c＝30,C_h,C_k＝16C_h。

2.计算Q值：

3.计算u的值：

u(z(λ,ρ,Q))＝0

4.输出值：

u_controller＝20

ω(ρ,Q,λ,u_c)＝u_reference＝24

u_adaptive＝22

5.新的输入值u_controller＝22用于步骤2。

步骤2：

随机设置以下参数值：

1.γ₁＝6,γ₂＝9,γ₃＝10,γ₄＝7。

2.

那么，输入到区块队列节点的数据区块数量为：

从而，有：

接下来进行算法第二步的仿真：

1.初始输入设定为：λ＝32,u₅＝25,C_h,C_k＝16C_h。

2.计算Q值，由于

Q的返回值为0。

3.计算u的值：

u(z(λ,ρ,Q))＝-1

4.输出值：

u_controller＝22

ω(ρ,Q,λ,u_c)＝u_reference＝29

u_adaptive＝33

5.新的输入值u_controller＝33用于步骤3。

步骤3：

随机设置以下参数值：

1.γ₁＝4,γ₂＝8,γ₃＝7,γ₄＝5。

2.

那么，输入到区块队列节点的数据区块数量为：

从而，有：

接下来进行算法第三步的仿真：

1.初始输入设定为：λ＝20,u₅＝640,C_h,C_k＝16C_h。

2.计算Q值：

3.计算u的值：

u(z(λ,ρ,Q))＝1

4.由于u(λ,Q)＝0，区块队列系统不将数据区块发送至矿工网络。

5.输出值：

u_controller＝33

ω(ρ,Q,λ,u_c)＝u_reference＝29

u_adaptive＝31

6.新的输入值u_controller＝31用于步骤4。

步骤4：

随机设置以下参数值：

1.γ₁＝5,γ₂＝4,γ₃＝9,γ₄＝1。

2.

那么，输入到区块队列节点的数据区块数量为：

从而，有：

接下来进行算法第四步的仿真：

1.初始输入设定为：λ＝20,u_c＝31,C_h,C_k＝16C_h。

2.计算Q值：

3.计算u的值：

u(z(λ,ρ,Q))＝0

4.输出值：

u_controller＝20

ω(ρ,Q,λ,u_c)＝u_reference＝20

u_adaptive＝θ(ρ,u_controller)＝20

5.新的输入值u₅＝u_adaptive＝20。

自适应控制算法的仿真结果如表1所示，其展示了具有4个物联网节点随机向区块队列系统发送数据区块的物联网网络20个阶段的自适应控制算法的仿真结果。图6(a)展示了20组的u_controller,u_re_ference,u_adaptive的值，u_controller参数是控制器发送给区块队列系统的信号，当u_reference收到进程发出的信号后将其作为反馈值给与自适应控制。通过这种方法可以自我修正这些参数中的错误，在该图中能够发现表示矿工容量的参数总是大于或等于队列中数据区块的数量(即λ)，这就证明了控制算法可以防止队列崩溃。图6(b)证实了λ值拓展了u_adaptive的下限，所以进程中的u总是大于λ。图6(c)展示了参数ρ和控制函数u的值，此图显示这两个变量密切相关，当区块队列系统饱和时，控制器会同时系统自动调节系统参数ρ以克服这种状态。图6(d)表明Q参数与u的值相关，由于图6(c)证实了u与ρ直接相关，因此Q也与ρ比切相关。在第11组中，u＝-1，控制器检测到系统已经饱和，因此矿工网络中区块的最佳数量是0(即Q＝0)。

表1说明自适应控制算法运作情况的20组实验结果

仿真2：哈希图搜索

该仿真通过使用HADOOP分布式文件系统来存储物联网节点数据来实现，仿真的目的是验证使用哈希图搜索数据所需的时间比HADOOP分布式文件系统中的要少。对于HADOOP分布式文件系统模拟，物联网节点的数据被随机生成并存储在HADOOP分布式文件系统中；对于哈希图的模拟，传感器ID、时间戳和查询存储在哈希图中，以便在HADOOP分布式文件系统中进行后续的数据搜索。通过这种方式，可以通过传感器ID或时间戳来定位数据，从而方便地监控物联网节点。通过哈希图的搜索是非常快的，仿真结果图形如图7所示，显然通过哈希图的搜索方法搜索速度更快。

上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

Claims

1.一种区块链物联网管理的非线性自适应闭环控制方法，其特征在于包括以下步骤：

(1)构建包括物边缘计算层、联网层、区块链层、大数据层的物联网数据监控与管理系统框架；

(2)设计物联网智能设备层面数据处理策略；

(3)设计区块链层面的数据区块验证系统和数据区块队列系统；

(4)搭建以服务器运行成本最小为目标的M|M|1队列优化模型；

(5)设计数据区块队列控制算法来监视和控制从队列网络到矿工网络的数据流；

(6)引入哈希图控制系统来提升数据搜索效率；

(7)挖掘大数据层的深度应用。

2.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(1)构建的系统框架，具体为：

1.1所述系统框架包括边缘计算层、联网层、区块链层、大数据层四个层面，物联网智能终端设备负责从环境中收集数据；

1.2物联网智能设备内嵌边缘计算功能，将收集到的数据插入侧链，区块链节点接受并验证侧链构建的区块；

1.3当物联网设备的数据包含在主链区块链中时，则通过实时流媒体将该数据发送至大数据层。

3.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(2)中的设计物联网智能设备层面数据处理策略具体如下：

2.1利用主链与侧链互相锚定的区块链技术，物联网节点将其信息发送到侧链，然后，侧链与主区块链共享信息；

2.2智能设备具有以下层：

1)事件生成器层，在这一层，物联网节点收集数据，并将其发送到智能控制器进行实时预处理；

2)预处理层，在这一层中，单板计算机开始用物联网设备收集的数据构建块，一旦构建块，单板计算机运行一个智能合约，在侧链中引入数据；

2.3设置区块链验证节点，当区块建立在侧链中时，智能控制器必须先验证区块，然后再将其发送到矿工网络，每个智能控制器中都有一个节点连接到矿工网络的中央系统，块验证节点被要求验证刚刚在侧链中构建的新块，然后，它将块的副本发送到块验证系统；

2.4设置智能代理，所述智能代理是到达矿工网络的区块队列的管理者，块队列系统在每个智能控制器上都有一个块队列节点，每个排队节点块将管理其自身块的队列，智能代理将块发送到管理所有智能设备队列的块队列系统。

4.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(2)中设计物联网智能设备层面数据处理策略，应用如下的定理1：

定理1：设T为表示两个连续到达之间时长的随机变量，设t>0，n(t)表示截至时长t系统中数据的到达次数，因为数据增量是独立的，有：

P(T≤t)＝1-P(T＞t)＝1-P(n(t)＝0)＝1-e^-λt

那么T＝Exp(λ)；如果T₁,…,T_n是独立的，T_i表示第(i-1)个数据到达与第i个数据到达之间的空窗时间，均满足Exp(λ)分布，则有n(t)＝P(λt)。

5.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(3)中设计区块链层面的数据区块验证系统和数据区块队列系统，区块链数据区块验证系统的实现方法为：

3.1所述数据区块验证系统协调每个智能控制器中所有数据区块验证节点的中心节点，该节点定义物联网节点收集的数据的阈值；

3.2数据区块验证节点使用传感器ID和时间戳查询区块链以避免数据重复，即当区块链中没有相同传感器ID和时间戳的记录时，则允许区块验证节点验证数据区块。

6.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(3)中设计区块链层面的数据区块验证系统和数据区块队列系统，在实现数据区块队列系统过程中应用定理2：在一个包含m条队列且每条队列的利用率ρ_i＜1的开放式Jackson网络中，平衡态概率分布存在，对于状态{(n₁,n₂,…,n_m)}的平衡态概率分布可由单个队列均衡分布的乘积给出：

其中，p_i(n_i)表示客户n_i在第i个队列节点中的概率，可以根据MMc队列模型方程来计算。

7.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(4)中搭建以服务器运行成本最小为目标的M|M|1队列优化模型，具体方法为：

4.1在搭载该优化方法的队列系统中，服务器调整工作量证明机制，服务器运行数据区块，直到服务器为空时退出并不在提供服务；

4.2待队列中等待数据区块数量达到Q个时，重启服务；

4.3设系统中数据区块的到达率为λ_i，服务率为u且ρ＜1；目标是决定Q的值，使系统处于单位时间内运行成本最小的状态。

8.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(5)设计数据区块队列控制算法来监视和控制从队列网络到矿工网络的数据流，具体方法为：

5.1自适应控制系统控制器由控制函数Q^*(λ,u,C_k,C_h)和u(z(λ,u,Q^*))组成，Q^*函数用于计算使得区块队列系统能耗最低的区块数量Q；

5.2设置参考模型控制模块和自适应参数更新模块，所述参考模型控制模块其内置系统输出的期望值，将区块链队列系统实际输出值与期望值比较，将两者差值情况反馈给自适应参数更新模块；

5.3根据自适应控制系统控制器中的辅助测量情况和参考模型发送来的系统输出差值情况生成自适应参数反馈给系统输入，起到反馈控制的作用。

9.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(6)引入哈希图控制系统来提升数据搜索效率，具体方法为：

6.1数据实时流化并存储在区块链中，数据进入区块链时，便被发送到大数据层；

6.2在大数据层中，数据存储在Hadoop分布式文件系统中，当数据与传感器ID和时间戳一起存储时，触发一个智能合约来创建一个查询，从而提供对这些数据的访问；

6.3智能合约将此查询、传感器ID和时间戳发送到哈希图控制系统，哈希图控制系统将数据存储在区块链内的哈希图中，以此减少搜索大量数据所需的时间。

10.根据权利要求1所述的区块链物联网管理的非线性自适应闭环控制方法，其特征在于：所述的步骤(7)挖掘大数据层的深度应用，包括：

7.1事件处理，它负责实时提供响应该层接收到的不同请求所需的计算能力；

7.2操作分析；

7.3数据存储，采用NoSQL模型；

7.4历史分析，通过使用机器学习算法和特定用例的商业智能BI，从存储到分析请求时刻的数据中提取价值要素。