CN113179318A - 一种基于边缘计算的工业网络系统传感器调度方法 - Google Patents

Abstract

本发明公开了一种基于边缘计算的工业网络系统传感器调度方法，涉及工业网络系统领域。包括以下步骤：在设备层n个传感器和云端之间设置N个边缘计算单元，将每个边缘计算单元都连接所有的传感器；如果存在一个边缘计算单元连接的传感器数目不符合连接数目要求，则提出新方案，计算新方案总代价，选取总代价最小的方案作为当前调度方案，直至每个边缘计算单元连接的传感器数目都符合连接数据要求，此时得到所有边缘计算单元最终的传感器调度方案。本发明考虑估计准确度、传感器激活能耗、计算延时等方面的影响，有效减轻工业云端的计算压力，具有低时延、隐私安全的优点，能够得到比传统方法更合理的传感器调度方案。

Description

一种基于边缘计算的工业网络系统传感器调度方法

技术领域

本发明涉及工业网络系统领域，尤其涉及一种基于边缘计算的工业网络系统传感器调度方法。

背景技术

工业物联网将生产设备、产品等数据采集到云平台计算，再利用机器学习等方法进行分析预测。随着接入网络设备的激增，需要大量的数据传输，这对工业网络系统造成了很大的压力。边缘计算可以为工业网络提供微型的数据处理中心，将本地数据处理后，再传向云端，从而提高物联网设备连接到云的效率，减轻云端压力。另外，边缘计算由于更靠近设备和用户，还具有低时延、高可靠、隐私安全等优点。因此，为提高网络系统的整体性能，可以采用边缘计算的思想，利用多传感器信息融合技术来进行分布式感知。在众多传感器中，依据系统执行任务的需要，选择一组合理的传感器进行感知估计和信息融合是尤为关键的。

目前最常用的传感器调度方法仍是基于单层传感器网络的直接方法，即为了使状态感知估计更准确，尽可能多的使用传感器用于状态估计。这在获得估计准确度的同时，会造成其他损失，如传感器激活能量代价、计算延时代价等。只是追求估计准确度，并非工业网络系统传感器调度的好方法。

国内申请号为CN109963262A的名称为“一种无线传感网络中无线传感器调度优化方法”的专利，其使用的传感器调度方法只是考虑感知估计的准确性，并未考虑传感器激活能量代价、计算延时代价等方面，在工业网络系统中，并不是合适的方法。国内申请号为CN111459627A的名称为“基于强化学习的智能终端传感器调度方法”的专利，使用一种基于强化学习的传感器调度方法，虽然在保证准确性的同时减少传感器能耗，但是仍是采用单层传感器网络，没有边缘计算层，在面对工业背景的海量设备和数据时，会给云端带来很大的压力。国内申请号为CN112416532A的名称为“一种工业数据处理系统及方法”的专利，其采用了边缘计算的思想，主要涉及边缘计算平台如何处理来自终端的数据，但是并未涉及在多终端可以选择的情景下，如何选择终端的调度方法。

因此，本领域的技术人员致力于开发一种基于边缘计算的工业网络系统传感器调度方法，能够综合考虑估计准确度、传感器激活能耗、计算延时等方面的影响，得到比传统方法更合理的传感器调度方案，可以有效减轻工业云端的计算压力，兼有低时延、隐私安全等优点。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何综合考虑估计的准确性、传感器激活能量代价、计算延时代价等方面对工业网络系统的影响，得到合理的传感器调度方案，以及如何采用边缘计算的思想，利用边缘计算单元处理传感器的数据，得到传感器调度方案以减轻云端计算压力。

为实现上述目的，本发明提供了一种基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述方法包括以下步骤：

步骤1、在设备层n个传感器和云端之间设置N个边缘计算单元，形成初始调度方案；

步骤2、第一次执行时，初始调度方案作为当前调度方案；判断当前调度方案是否存在所述边缘计算单元连接的所述传感器的数目超过连接数目要求；

如果当前调度方案存在所述边缘计算单元连接的所述传感器的数目超过连接数目要求，则执行步骤3；

如果当前调度方案不存在所述边缘计算单元连接的所述传感器的数目超过连接数目要求，则执行步骤7；

步骤3、任选一个连接的所述传感器的数目超过连接数目要求的边缘计算单元，作为待调整边缘计算单元；

步骤4、列出所有所述待调整边缘计算单元连接的传感器数目减一的方案，得到所有新方案；

步骤5、计算所有新方案的总代价，选择总代价最小的方案作为当前调度方案；

步骤6、如果所述待调整边缘计算单元连接的传感器数目超过连接数目要求，则继续执行步骤4；所述如果待调整边缘计算单元连接的传感器数目不超过连接数目要求，则执行步骤2；

步骤7、得到所有边缘计算单元的传感器调度方案。

进一步地，所述初始调度方案为每个所述边缘计算单元连接所有的所述传感器，并根据实际需求为每个所述边缘计算单元设置连接的所述传感器的最大数目。

进一步地，所述边缘计算单元连接的所述传感器的数目超过连接数目要求是指所述边缘计算单元连接的所述传感器的数目超过该边缘计算单元设置连接的所述传感器的最大数目。

进一步地，所述总代价包括估计代价、传感器能耗和计算代价。

进一步地，所述估计代价计算步骤如下：

步骤1、基于当前传感器调度方案，计算所有边缘计算单元的时间长度为T的集中式卡尔曼滤波的估计结果，得到集中式估计结果；

步骤2、基于集中式估计结果和边缘计算层的拓扑关系，计算所有边缘计算单元和其相邻边缘计算单元的时间长度为T的分布式卡尔曼滤波的估计结果，得到分布式估计结果；

步骤3、基于黎卡提方程，得到控制策略；

步骤4、基于所述控制策略，得到所述估计代价。

进一步地，所述集中式估计结果包括状态估计和估计误差的协方差矩阵。

进一步地，所述估计代价计算如下：

式中，γ_j(i)与i时刻第j个边缘计算单元的控制策略有关；P_j(i)表示第i时刻第j个边缘计算单元的估计误差的协方差矩阵。

进一步地，所述传感器能耗计算如下：

式中，E(i)表示一个n×n的对角矩阵，对角线上第l个元素表示第i时刻第l个传感器的激活能耗；H_j(i)表示一个n×n的对角矩阵，对角线上的元素均为0或1，表示第i时刻第j个边缘计算单元的传感器调度情况。

进一步地，，所述计算代价计算如下：

式中，d表示系统状态向量的维数，第i时刻第j个边缘计算单元状态估计的时间复杂度为O((n-tr[H_j(i)])nid^2.4)。

进一步地，所述估计代价计算如下：

C_Total＝α×C′₁+β×C′₂+ε×C′₃

式中，C′₁表示所述估计代价归一化的结果，C′₂表示所述传感器能耗归一化的结果，C′₃表示所述计算代价归一化的结果，α、β、ε表示三种代价的权重系数。

本发明与现有技术相比较，具有如下显而易见的实质性特点和显著优点：

本发明采用边缘计算的思想，在工业网络系统中加入边缘计算单元层，用于局部信息处理，可以有效减轻工业云端的计算压力，兼有低时延、隐私安全等优点；另外，在生成传感器调度方案时，综合考虑了估计准确度、传感器激活能耗、计算延时等方面的影响，得到比传统方法更合理的传感器调度方案。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明的一个较佳实施例的工业网络系统示意图；

图2是本发明的一个较佳实施例的调度方法流程图；

图3是本发明的一个较佳实施例的总代价的函数计算示意图。

具体实施方式

以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。

在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。

本实施例以工业热轧产线为背景，如图1所示，为本实施例的工业网络系统示意图，在热轧产线上布置着n个不同类型的传感器，有N个边缘计算单元需要执行不同的计算任务，根据任务要求和产线状况为每个边缘计算单元设置一个可以连接传感器数目的上界。

如图2所示，本实施例的调度方法具体步骤为：

步骤1、将每个边缘计算单元都连接所有的传感器形成初始调度方案。

步骤2、如果存在一个边缘计算单元连接的传感器数目k多于该边缘计算单元要求连接的最大数目m，则在其他边缘计算单元传感器调度方案不变的基础上，在目前该边缘计算单元的传感器调度方案上任意去掉一个传感器的连接，得到一个连接k-1个传感器的方案。如图3所示，计算所有可能的连接k-1个传感器的方案的总代价，选取总代价最小的方案作为当前步骤得到的传感器调度方案；

总代价包括估计代价、传感器能耗和计算代价；

估计代价计算如下：

基于当前传感器调度方案，计算所有边缘计算单元的时间长度为T的集中式卡尔曼滤波的估计结果，得到集中式估计结果，集中式估计结果包括状态估计和估计误差的协方差矩阵；

基于集中式估计结果和边缘计算层的拓扑关系，计算所有边缘计算单元和其相邻边缘计算单元的时间长度为T的分布式卡尔曼滤波的估计结果；

基于黎卡提方程，得到控制策略；

得到估计代价：

式中，γ_j(i)与i时刻第j个边缘计算单元的控制策略有关；P_j(i)表示第i时刻第j个边缘计算单元的估计误差的协方差矩阵；

传感器能耗计算如下：

式中，E(i)表示一个n×n的对角矩阵，对角线上第l个元素表示第i时刻第l个传感器的激活能耗；H_j(i)表示一个n×n的对角矩阵，对角线上的元素均为0或1，表示第i时刻第j个边缘计算单元的传感器调度情况；

计算代价计算如下：

式中，d表示系统状态向量的维数，第i时刻第j个边缘计算单元状态估计的时间复杂度为O((n-tr[H_j(i)])nid^2.4)；

由于以上代价量纲并不统一，需要对它们进行归一化处理，之后根据实际需求在这三项代价前乘一个权重系数，最终求和得到总代价如下：

C_Total＝α×C′₁+β×C′₂+≤×C′₃

式中，C′₁表示估计代价归一化的结果，C′₂表示传感器能耗归一化的结果，C′₃表示计算代价归一化的结果，α、β、ε表示三种代价的权重系数。

步骤3、任选一个不符合连接数目要求的边缘计算单元，多次重复步骤2，且只修改此边缘计算单元的调度方案，直至此边缘计算单元连接数目符合要求。再任选下一个不符合要求的边缘计算单元，如此重复，直至每个边缘计算单元连接的传感器数目都等于该边缘计算单元要求连接的最大数目，此时得到所有边缘计算单元最终的传感器调度方案。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述方法包括以下步骤：

步骤1、在设备层n个传感器和云端之间设置N个边缘计算单元，形成初始调度方案；

步骤2、第一次执行时，所述初始调度方案作为当前调度方案；判断当前调度方案是否存在所述边缘计算单元连接的所述传感器的数目超过连接数目要求；

如果当前调度方案存在所述边缘计算单元连接的所述传感器的数目超过连接数目要求，则执行步骤3；

如果当前调度方案不存在所述边缘计算单元连接的所述传感器的数目超过连接数目要求，则执行步骤7；

步骤3、任选一个连接的所述传感器的数目超过连接数目要求的边缘计算单元，作为待调整边缘计算单元；

步骤4、列出所有所述待调整边缘计算单元连接的传感器数目减一的方案，得到所有新方案；

步骤5、计算所有新方案的总代价，选择所述总代价最小的方案作为当前调度方案；

步骤6、如果所述待调整边缘计算单元连接的传感器数目超过连接数目要求，则继续执行所述步骤4；所述如果待调整边缘计算单元连接的传感器数目不超过连接数目要求，则执行所述步骤2；

步骤7、得到所有所述边缘计算单元的传感器调度方案。

2.如权利要求1所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述初始调度方案为每个所述边缘计算单元连接所有的所述传感器，并根据实际需求为每个所述边缘计算单元设置连接的所述传感器的最大数目。

3.如权利要求2述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述边缘计算单元连接的所述传感器的数目超过连接数目要求是指所述边缘计算单元连接的所述传感器的数目超过该边缘计算单元设置连接的所述传感器的最大数目。

4.如权利要求1所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述总代价包括估计代价、传感器能耗和计算代价。

5.如权利要求4所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述估计代价计算步骤如下：

步骤1、基于当前传感器调度方案，计算所有边缘计算单元的时间长度为T的集中式卡尔曼滤波的估计结果，得到集中式估计结果；

步骤2、基于所述集中式估计结果和边缘计算层的拓扑关系，计算所有边缘计算单元和其相邻边缘计算单元的时间长度为T的分布式卡尔曼滤波的估计结果，得到分布式估计结果；

步骤3、基于黎卡提方程，得到控制策略；

步骤4、根据所述控制策略，得到所述估计代价。

6.如权利要求5所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述集中式估计结果包括状态估计和估计误差的协方差矩阵。

7.如权利要求6所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述估计代价计算如下：

式中，γ_j(i)与i时刻第j个边缘计算单元的控制策略有关；P_j(i)表示第i时刻第j个边缘计算单元的估计误差的协方差矩阵。

8.如权利要求7所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述传感器能耗计算如下：

式中，E(i)表示一个n×n的对角矩阵，对角线上第l个元素表示第i时刻第l个传感器的激活能耗；H_j(i)表示一个n×n的对角矩阵，对角线上的元素均为0或1，表示第i时刻第j个边缘计算单元的传感器调度情况。

9.如权利要求8所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述计算代价计算如下：

式中，d表示系统状态向量的维数，第i时刻第j个边缘计算单元状态估计的时间复杂度为O((n-tr[H_j(i)])nid^2.4)。

10.如权利要求9所述的基于边缘计算的工业网络系统传感器调度方法，其特征在于，所述估计代价计算如下：

C_Total＝α×C′₁+β×C′₂+ε×C′₃

式中，C′₁表示所述估计代价归一化的结果，C′₂表示所述传感器能耗归一化的结果，C′₃表示所述计算代价归一化的结果，α、β、ε表示三种代价的权重系数。

Images