CN113242247A - 一种基于边缘计算的工业智能物联模块 - Google Patents
一种基于边缘计算的工业智能物联模块 Download PDFInfo
- Publication number
- CN113242247A CN113242247A CN202110532684.XA CN202110532684A CN113242247A CN 113242247 A CN113242247 A CN 113242247A CN 202110532684 A CN202110532684 A CN 202110532684A CN 113242247 A CN113242247 A CN 113242247A
- Authority
- CN
- China
- Prior art keywords
- data
- server
- module
- communication unit
- industrial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y30/00—IoT infrastructure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公布了一种基于边缘计算的工业智能物联模块,包括数据传输模块和服务器,数据传输模块与服务器相连接,所述服务器通过信息通信来对所述数据传输模块做出响应,所述数据传输模块与服务器够成了基于无线网络通信的应用系统,数据传输模块包括开关电源变换单元(U1、U2、U3)、有线网络通讯单元(U4)、中央处理单元(U5)、RS485通讯单元(U6)、RS232通讯单元(U7)和无线通讯单元(U8);本申请能够给高效处理海量数据,满足实时性和安全性。基于边缘计算的工业智能物联模块的主要应用领域有:工控产品、环保行业、智慧农业、工业设备、生活设施等方向。
Description
技术领域
本发明涉及工业控制器技术领域,具体涉及一种基于边缘计算的工业智能物联模块。
背景技术
截至到2020年,连接入网的无线设备已达到500亿台,云计算虽然能为大数据处理提供高效的计算平台,但线性增长的集中式云计算能力无法匹配数据爆炸式的增长,网络带宽成本也远不及CPU、内存等硬件资源成本下降的速度,传统云计算模式难以高效的支持的万物互联的应用服务。
现有技术中,对比文件CN111381545A,公开一种基于边缘计算的保护测控智能终端,采集的数据是不均衡的、多源异构的,导致系统性能降低,异常数据检测效率大幅度下降,异常数据检测算法对算法参数的依赖性强,自适应性能差,且未有效地解决大数据量为异常检测带来的难题。
发明内容
本发明的目的在于提供了一种基于边缘计算的工业智能物联模块,引入边缘计算,采用数据压缩方法对所述现场数据进行消冗处理,将所述消冗处理后的数据经异常检测后上传工业物联网系统的云平台,所述智能物联网模块采用一种基于边缘计算的数据压缩与异常检测算法。
本发明具体技术方案为:
一种基于边缘计算的工业智能物联模块,应用于工业物联网系统,采用基于边缘计算的数据压缩方法与异常检测算法。
基于边缘计算的工业智能物联模块,包括数据传输模块和服务器,数据传输模块与服务器相连接,所述服务器通过信息通信来对所述数据传输模块做出响应,所述数据传输模块与服务器够成了基于无线网络通信的应用系统,数据传输模块包括开关电源变换单元、有线网络通讯单元、中央处理单元、RS485通讯单元、RS232通讯单元和无线通讯单元;开关电源变换单元、有线网络通讯单元、RS485通讯单元、RS232通讯单元和无线通讯单元均与中央处理单元相连接。
中央处理单元进行基于边缘计算的数据压缩算法运算,开关电源变换单元包括三组通讯接口RX和TX,所述三组通讯接口RX和TX分别连接无线通讯单元、RS232通讯单元和RS485通讯单元;
中央处理单元包括时钟信号引脚、片选信号引脚、输入信号引脚和输出信号引脚,时钟信号引脚、片选信号引脚、输入信号引脚和输出信号引脚都连接局域网通讯单元。
中央处理单元为ARM。
数据传输模块的通信方式包括:
通过RS232通讯单元接口对工业智能物联模块进行设置,具体包括以下步骤:
(101)系统自检,自检无故障则进入步骤(102);
(102)检测外接设备是否接入,如果接入进入步骤(103),否则等待外接设备接入;
(103)检查工业智能物联模块SN号;
(104)设置工业智能物联模块服务器IP地址及端口号;
(105)检查工业智能物联模块W5X00有线网络模块的MAC地址;
(106)对RS232通道设置通过RS485周期性读操作;
(107)对RS232通道设置通过RS485进行写操作;
(108)对RS232通道设置RS485通信参数;
通过RS232接口读取工业智能物联模块的参数,具体包括以下步骤:
(201)读取工业智能物联模块SN号;
(202)判断工业智能物联模块SN号是否在云平台数据库中,工业智能物联模块SN号在云平台数据库,进入步骤(203);否则,退出系统;
(203)读取工业智能物联模块固件版本号;
(204)读取工业智能物联模块MAC地址;
(205)读取工业智能物联模块RS485设置参数;
(206)读取工业智能物联模块的服务器IP地址和端口号;
(207)读取MODBUS读操作相关设置;
通过服务器对工业智能物联模块进行设置,具体包括以下步骤:
(301)服务器通过网络设置为通过RS485周期性读操作;
(302)服务器通过网络设置为通过RS485进行写操作;
(303)服务器通过网络设置RS485工作参数;
基于边缘计算的数据压缩算法具体包括以下步骤:
S1,采集数据,将数据进行分组上传到智能物联网模块边缘端;
S2,建立数据集;
S3,从数据集中随机选择子样本,构建隔离树;
S4,判断数据集中数据是否为异常数据;
S5,如果是异常数据,将异常数据以及标签上传至服务器并反馈给控制器执行相应控制;如果是正常数据,则正常上传至服务器。
步骤S1具体包括以下步骤:
按照时间维度采集数据,获取时序数据,将时序数据分组上传,每组时序数据包含m个时序数据,设置误差阈值e,将第T组时序数据上传到智能物联网模块边缘端,智能物联网模块边缘端指数据传入服务器前进行预处理的部分。
步骤S2具体包括以下步骤:
当第T组的时序数据T[i]与第T-1组时序数据的平均值的差小于误差阈值e则不进行输出,当组内时序数据T[i+1]、T[i+2]、……、T[i+m]中每个数据与第T-1组时序数据的平均值的的差小于误差阈值e,将T[i+m]与第T-1组中的时序数据的平均值作为非冗余数据上传至服务器,将[i+m]作为数据标签存入服务器中;其中i表示时序数据在分组数据中的序号,T[i]为第T组的第i个时序数据。
当时序数据T[i+k]与第T-1组时序数据的平均值的差大于等于误差阈值e时,则将T[i+k]作为不可忽略数据直接上传至数据集S中,[i+k]将作为数据标签存入服务器中,进行异常检测处理,建立数据集S={S1,S2,S3,…,Sn}。
步骤S3具体包括以下步骤:
从数据集S={S1,S2,S3,…,Sn}中随机选择A个点作为子样本,构成子样本数据集S(A),其中Sn表示第n个存入数据集S中的时序数据,S(Ai)表示子样本数据集S(A)中第i个时序数据;随机产生切割点P,从A个子样本中随机产生切割点P作为根节点,切割点(根节点)P产生于当前子样本中最大值与最小值之间,按照切割点P对子样本数据集S(A)进行划分;选取的切割点(或根节点)P的生成的超平面把当前子样本数据集S(A)中小于P的点放在当前节点的左分支NL,把大于等于P的点放在当前节点的右分支NR,递归构造左分支和右分支,直到叶子节点上只有一个时序数据或树已经生长到所设定的高度log2A,完成单个隔离树iTree的构建,其中,叶子节点为子样本数据集S(A)中的时序数据。循环随机数据集S={S1,S2,S3,…,Sn}中选取不同的A个点的子样本,训练得到若干个iTree。在训程过程中,每棵iTree是随机选取样本和独立生成的,通常iTree的数量越多,算法越稳定。
步骤S4具体包括以下步骤:
子样本数据遍历每一个iTree,得到A个子样本数据在iTree中的路径长度,路径长度表示从iTree的根节点到叶子节点所经过的边的数量。由于切割过程是完全随机的,采用集成方法使结果收敛,循环从子样本数据中随机选择A点作为子样本进行切割,计算A个子样本数据遍历每一个iTree时路径长度的平均值h(S(A)),其中第i个子样本数据遍历每一个iTree时路径长度的平均值记为h(Si),数据集S中的n个数据在遍历每一个iTree时的平均路径长度为h(S)={h(S1)、h(S2)、h(S3)…h(Si)…h(Sn)},运用统计学的方法计算得出iTree的平均路径长度的期望值E(h(S));
A个子样本数据在一棵iTree中切割划分,平均划分不成功的路径等于这A个点的平均路径长度c(A),c(A)用于对h(S)进行标准化处理,c(A)的求解公式为式(1):
其中H(A)为调和数,表示在数据集S中的A个随机样本数据范围内满足拉普拉斯方程的函数,(H(A)实际就是拉普拉斯函数),但调和数在A个随机样本数据中的自变量区间是开集的,因此,在数据集S中的A个随机样本数据满足拉普拉斯方程的函数用H(A-1)表示。
数据集S的异常分数s(S,A)表示为式(2):
s(S,A)作为异常判断的依据,s(S,A)的值介于0与1之间。根据异常分数表达式得到关于s(S,A)与E(h(S))的特性关系为式(3):
当s(S,A)的值越接近于1,说明数据集S中当前数据越可能是异常数据,s(S,A)的值越接近于0,说明数据集S中当前数据越可能是正常数据。当数据集S中的时序数据下的s(S,A)值均接近于0.5,则说明数据集S中无异常数据。
本发明的有益效果:
可以连接各种工业设备,服务于工业、农业、商业用户的综合性物联网云平台;
可支持多用户、跨行业、跨设备无缝接入。
可快速便捷的实现产品/系统的物联网升级,打造企业专属的物联网云平台。
可应用于工控产品(PLC、变频器、触摸屏、组态软件、仪器仪表、功能控制器、智能装置等)、环保行业(污水检测、烟气检测、扬尘检测、河流湖泊水质检测、PM2.5检测等)、智慧农业(智慧大棚、水产养殖、农田水利、农田气象检测等)、工业设备(风力发电、锅炉、中央空调、空气压缩机、热泵、安防设备、发电机、电动机、油气井、燃气站等)、生活设施(仓库监控、电梯远程监控、游泳馆水质监测、网管远程检测等)等多个方向。
在不影响原始数据的特性条件下,数据传输量明显减少,延时更低,异常检测准确度高。
使用起来快速便捷、安全可靠,具有高性价比的特点。
本发明模块能够跨行业、跨设备无缝加入和远程通信,检测各种设备工作状态和上传监测信息。
所述基于边缘计算的异常数据检测算法将异常数据检测的训练任务移动到边缘,更好地减少了系统耗时,并在检测前对数据进行预处理,所述数据压缩算法确保不改变传感数据原始特性及真实反映情况,有效减少云中心计算的数据量,降低传输延时和响应延时。所述异常数据检测算法相比于统计学的分类方法、Box Plot方法、基于距离和密度的离群算法、聚类等,相同条件下具有更高的准确率、精准率和召回率;随机分割的取值区间是自适应的,具有较高的鲁棒性;具有线性时间复杂度,它不需要计算有关距离、密度等指标,可大幅度提升计算速度,减小开销,检测精度较高,整个数据处理过程耗费的时间仍有一定程度的减少,能够及时发现异常并提醒用户。大幅度提高数据整体质量,提高利用效益,具有较高的应用价值。针对以往单一数据压缩处理后数据异常检测准确率低造成数据质量低下的问题,在基于边缘计算的数据压缩算法中加入异常数据的检测,完善边云协同中工业物联网智能协调控制,为后续高质量数据分析奠定基础。
海量物联网设备接入时,随之产生海量数据流给网络信道和云中心带来巨大负担,引入边缘计算,采用数据压缩方法对所述现场数据进行消冗处理,将所述消冗处理后的数据经异常检测后上传工业物联网系统的云平台,所述智能物联网模块采用一种基于边缘计算的数据压缩与异常检测算法。
附图说明
为了更清楚地说明本发明实施例或现有技术中方案,下面将对实施例或现有技术方案以附图方式作简单地介绍,下面描述中的附图仅仅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是基于边缘计算的工业智能物联模块功能框图
图2是基于边缘计算的工业智能物联模块功能流程图
图3是基于边缘计算的工业智能物联模块控制器通讯单元结构框图;
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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前提下所获得的其他实施例,都属于本发明保护的范畴。
具体实施方式
为使本发明的目的、技术方案、优点更加清楚,下面结合附图对本发明的具体实施方式进行详细说明。
以下将结合本发明的附图,对本发明实施例中的技术方案进行清楚、完整的描述和讨论,显然,这里所描述的仅仅是本发明的一部分实例,并不是全部的实例,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,都属于本发明的保护范围。
一种基于边缘计算的工业智能物联模块,应用于工业物联网系统,采用基于边缘计算的数据压缩方法与异常检测算法;
所述智能物联模块可连接多种工控设备,所述智能物联模块可连接变频器、接触器、按钮开关、断路器、指示灯、仪器仪表、PLC控制箱多种有待控制的工控设备。
将所述智能物联模块进行参数配置,获取工业物联网系统现场数据;参数配置包括模块SN码,模块IMEI、模块密码、波特率、数据位、校验位、停止位、Modbus从站号、功能码、起始地址、数据长度、采集间隔和通讯故障延时,以实现工业物联网系统现场数据的获取。所述现场数据包括光电、热敏、气敏、力敏、磁敏、声敏和湿敏等工业类型传感器采集的周期性数据与用于加工、装配、分拣、输送和调节等机器装置所产生的数据。
通过所述工业智能物联模块与所述工控设备连接,传输所述工控设备的现场数据;
海量物联网设备接入时,随之产生海量数据流给网络信道和云中心带来巨大负担,引入边缘计算,采用数据压缩方法对所述现场数据进行消冗处理,将所述消冗处理后的数据经异常检测后上传工业物联网系统的云平台,所述智能物联网模块采用一种基于边缘计算的数据压缩与异常检测算法。
基于边缘计算的工业智能物联模块,包括数据传输模块和服务器,数据传输模块与服务器相连接,所述服务器通过信息通信来对所述数据传输模块做出响应,所述数据传输模块与服务器够成了基于无线网络通信的应用系统,数据传输模块包括开关电源变换单元U1、U2、U3、有线网络通讯单元U4、中央处理单元U5、RS485通讯单元U6、RS232通讯单元U7和无线通讯单元U8;开关电源变换单元U1、U2、U3、有线网络通讯单元U4、RS485通讯单元U6、RS232通讯单元U7和无线通讯单元U8均与中央处理单元U5相连接。
其中中央处理单元U5进行基于边缘计算的数据压缩算法运算,开关电源变换单元U1、U2、U3输入电压为9-36V,输出电压包括3.3V和3.8V,开关电源变换单元U1、U2、U3包括三组通讯接口RX和TX,所述三组通讯接口RX和TX分别连接无线通讯单元(电路)U8、RS232通讯单元U7和RS485通讯单元U6;中央处理单元U5包括时钟信号引脚CLK、片选信号引脚CS、输入信号引脚SIN和输出信号引脚SOUT,时钟信号引脚CLK、片选信号引脚CS、输入信号引脚SIN和输出信号引脚SOUT都连接局域网通讯单元U4。
如图1所示,说明了智能物联模块的功能,工业设备即PLC、HMI等现场级工控设备,实现信息采集和控制实施,DTU即数据传输模块,所述DTU通过有线、3G、4G或Wifi的方式将现场数据传输到服务器,所述服务器通过发回反馈或接受通信来对所述DTU做出响应,所述DTU与服务器共同组成了基于无线网络通信的应用系统。所述服务器中部署的数据平台系统将现场设备监控数据、业务数据以及其他数据发布到远程监控终端,主要由WEB端和APP端组成。整个控制系统中设备运行的数据链变得可视化,用户可以在手机端、PC端掌握设备的使用参数、生产运行,故障预警报警以及程序的远程调试,可有效的提高生效率和维修效率。
本发明实施例中,所述WEB端和APP端进行配置下发,通过所述服务器与所述智能物联模块将传达给物联网设备,所述物联网设备即为工控设备,工控申报执行相关任务,将数据上传服务器以及WEB端和APP端,其功能流程如图2所示。
如图3所示,所述智能物联模块包括:开关电源变换单元U1、U2、U3,有线网络通讯单元U4,中央处理单元U5,RS485通讯单元U6,RS232通讯单元U7,无线通讯单元U8,。其中中央处理单元为核心,负责协调各模块的功能。其中,3.3V和3.8V是电源接口,连接开关电源变换单元U1、U2、U3,RX和TX是通讯接口分别接无线通讯单元(电路)U8和RS232通讯单元U7,RS485通讯单元U6;CLK时钟信号引脚,CS片选信号引脚,SIN输入信号引脚,SOUT输出信号引脚,分别接局域网通讯单元U4。
中央处理单元U5进行基于边缘计算的数据压缩算法运算,开关电源变换单元U1、U2、U3包括三组通讯接口RX和TX,所述三组通讯接口RX和TX分别连接无线通讯单元U8、RS232通讯单元U7和RS485通讯单元U6;
中央处理单元U5包括时钟信号引脚CLK、片选信号引脚CS、输入信号引脚SIN和输出信号引脚SOUT,时钟信号引脚CLK、片选信号引脚CS、输入信号引脚SIN和输出信号引脚SOUT都连接局域网通讯单元U4。
中央处理单元U5为ARM。
本发明所述智能物联模块,选择ARM系列Cortex-M3微控器来满足应用功能。
ARM系列Cortex-M3微控制器应用于集成度高并且要求功耗低的嵌入式系统。
本发明的智能物联模块技术参数,包括:
网络通讯频率850/900/1800/1900MHz、RJ45网口最小传输速率10Mbps,最大传输速率100Mbps;支持RS232、RS485、RJ45以太网接口等多种通讯接口;供电电源为10~30VDC;通讯电流(联网发送数据)不大于150mA/12V;在线平均电流(联网,不发送数据)不大于50mA/12V;待机电流(不联网)不大于15mA/12;波特率提供多种选择,可选110、300、600、1200、2400、4800、9600、14400、19200、38400、57600、115200、230400、380400、460800、921600(Bit/s),默认为9600Bit/s;工作温度在-20~+85℃之间,湿度不大于95%。
中央处理单元U5为ARM系列Cortex-M3微控制器。
数据传输模块的通信方式包括:
通过RS232通讯单元接口对工业智能物联模块进行设置,具体包括以下步骤:
(101)系统自检,自检无故障则进入步骤(102);
(102)检测外接设备是否接入,如果接入进入步骤(103),否则等待外接设备接入;
(103)检查工业智能物联模块SN号;
(104)设置工业智能物联模块服务器IP地址及端口号;
(105)检查工业智能物联模块W5X00有线网络模块的MAC地址;
(106)对RS232通道设置通过RS485周期性读操作;
(107)对RS232通道设置通过RS485进行写操作;
(108)对RS232通道设置RS485通信参数;
通过RS232接口读取工业智能物联模块的参数,具体包括以下步骤:
(201)读取工业智能物联模块SN号;
(202)判断工业智能物联模块SN号是否在云平台数据库中,工业智能物联模块SN号在云平台数据库,进入步骤(203);否则,退出系统;
(203)读取工业智能物联模块固件版本号;
(204)读取工业智能物联模块MAC地址;
(205)读取工业智能物联模块RS485设置参数;
(206)读取工业智能物联模块的服务器IP地址和端口号;
(207)读取MODBUS读操作相关设置;
通过服务器对工业智能物联模块进行设置,具体包括以下步骤:
(301)服务器通过网络设置为通过RS485周期性读操作;
(302)服务器通过网络设置为通过RS485进行写操作;
(303)服务器通过网络设置RS485工作参数。
基于边缘计算的数据压缩算法具体包括以下步骤:
S1,采集数据,将数据进行分组上传到智能物联网模块边缘端;
S2,建立数据集;
S3,从数据集中随机选择子样本,构建隔离树;
S4,判断数据集中数据是否为异常数据;
S5,如果是异常数据,将异常数据以及标签上传至服务器并反馈给控制器执行相应控制;如果是正常数据,则正常上传至服务器。
步骤S1具体包括以下步骤:
按照时间维度采集数据,获取时序数据,将时序数据分组上传,每组时序数据包含m个时序数据,设置误差阈值e,将第T组时序数据上传到智能物联网模块边缘端,智能物联网模块边缘端指数据传入服务器前进行预处理的部分。
步骤S2具体包括以下步骤:
当第T组的时序数据T[i]与第T-1组时序数据的平均值的差小于误差阈值e则不进行输出,当组内时序数据T[i+1]、T[i+2]、……、T[i+m]中每个数据与第T-1组时序数据的平均值的的差小于误差阈值e,将T[i+m]与第T-1组中的时序数据的平均值作为非冗余数据上传至服务器,将[i+m]作为数据标签存入服务器中;其中i表示时序数据在分组数据中的序号,T[i]为第T组的第i个时序数据。
当时序数据T[i+k]与第T-1组时序数据的平均值的差大于等于误差阈值e时,则将T[i+k]作为不可忽略数据直接上传至数据集S中,[i+k]将作为数据标签存入服务器中,进行异常检测处理,建立数据集S={S1,S2,S3,…,Sn}。
步骤S3具体包括以下步骤:
从数据集S={S1,S2,S3,…,Sn}中随机选择A个点作为子样本,构成子样本数据集S(A),其中Sn表示第n个存入数据集S中的时序数据,S(Ai)表示子样本数据集S(A)中第i个时序数据;随机产生切割点P,从A个子样本中随机产生切割点P作为根节点,切割点(根节点)P产生于当前子样本中最大值与最小值之间,按照切割点P对子样本数据集S(A)进行划分;选取的切割点(或根节点)P的生成的超平面把当前子样本数据集S(A)中小于P的点放在当前节点的左分支NL,把大于等于P的点放在当前节点的右分支NR,递归构造左分支和右分支,直到叶子节点上只有一个时序数据或树已经生长到所设定的高度log2A,完成单个隔离树iTree的构建,其中,叶子节点为子样本数据集S(A)中的时序数据。循环随机数据集S={S1,S2,S3,…,Sn}中选取不同的A个点的子样本,训练得到若干个iTree。在训程过程中,每棵iTree是随机选取样本和独立生成的,通常iTree的数量越多,算法越稳定,考虑到iTree数目过多或过少会影响算法的执行速度和准确性,定义iTree数目为A/2个。
步骤S4具体包括以下步骤:
子样本数据遍历每一个iTree,得到A个子样本数据在iTree中的路径长度,路径长度表示从iTree的根节点到叶子节点所经过的边的数量。由于切割过程是完全随机的,采用集成方法使结果收敛,循环从子样本数据中随机选择A点作为子样本进行切割,计算A个子样本数据遍历每一个iTree时路径长度的平均值h(S(A)),其中第i个子样本数据遍历每一个iTree时路径长度的平均值记为h(Si),数据集S中的n个数据在遍历每一个iTree时的平均路径长度为h(S)={h(S1)、h(S2)、h(S3)…h(Si)…h(Sn)},运用统计学的方法计算得出iTree的平均路径长度的期望值E(h(S));
A个子样本数据在一棵iTree中切割划分,平均划分不成功的路径等于这A个点的平均路径长度c(A),c(A)用于对h(S)进行标准化处理,c(A)的求解公式为式(1):
其中H(A)为调和数,表示在数据集S中的A个随机样本数据范围内满足拉普拉斯方程的函数,(H(A)实际就是拉普拉斯函数),但调和数在A个随机样本数据中的自变量区间是开集的,因此,在数据集S中的A个随机样本数据满足拉普拉斯方程的函数用H(A-1)表示,H(A-1)的函数值估计为ln(A-1)+0.5772156649。
数据集S的异常分数s(S,A)表示为式(2):
s(S,A)作为异常判断的依据,s(S,A)的值介于0与1之间。根据异常分数表达式得到关于s(S,A)与E(h(S))的特性关系为式(3):
当s(S,A)的值越接近于1,说明数据集S中当前数据越可能是异常数据,s(S,A)的值越接近于0,说明数据集S中当前数据越可能是正常数据。当数据集S中的时序数据下的s(S,A)值均接近于0.5,则说明数据集S中无异常数据。
基于边缘计算的数据压缩算法把本应该在云中心处理的数据放置在靠近数据源的一侧进行处理,与云计算相比,极大缓解网络带宽和数据中心压力;增强服务器响应能力;保护隐私数据,提升数据安全性。所述边缘计算作为云计算的补充与延伸,为物联网提供更好的计算平台。
基于边缘计算的数据压缩算法具体包括以下步骤:
按照时间维度采集数据,获取时序数据,将时序数据分组上传(所述工控设备的现场数据都是时序数据,所述时序数据是按照时间维度采集的数据。将所述时序数据分组上传),每组时序数据包含n个时序数据,设置误差阈值e(根据历史数据设置),将第T组时序数据上传到智能物联网模块边缘端,智能物联网模块边缘端指数据传入云端前进行预处理的部分。
如图1所示,说明了智能物联模块的功能,工业设备即PLC、HMI等现场级工控设备,实现信息采集和控制实施,DTU即数据传输模块,所述DTU通过有线、3G、4G或Wifi的方式将现场数据传输到服务器,所述服务器通过发回反馈或接受通信来对所述DTU做出响应,所述DTU与服务器共同组成了基于无线网络通信的应用系统。所述服务器中部署的数据平台系统将现场设备监控数据、业务数据以及其他数据发布到远程监控终端,主要由WEB端和APP端组成。整个控制系统中设备运行的数据链变得可视化,用户可以在手机端、PC端掌握设备的使用参数、生产运行,故障预警报警以及程序的远程调试,可有效的提高生效率和维修效率。
本发明实施例中,所述WEB端和APP端进行配置下发,通过所述服务器与所述智能物联模块将传达给物联网设备,所述物联网设备即为工控设备,工控申报执行相关任务,将数据上传服务器以及WEB端和APP端,其功能流程如图2所示。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组间可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组间组合成一个模块或单元或组间,以及此外可以把它们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的方法。
以示例而非限制的方式,计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
以上仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组间可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组间组合成一个模块或单元或组间,以及此外可以把它们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的方法。
以示例而非限制的方式,计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
以上仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于边缘计算的工业智能物联模块,其特征在于,应用于工业物联网系统,采用基于边缘计算的数据压缩方法与异常检测算法。
2.根据权利要求1所述基于边缘计算的工业智能物联模块,其特征在于,
包括数据传输模块和服务器,数据传输模块与服务器相连接,所述服务器通过信息通信来对所述数据传输模块做出响应,所述数据传输模块与服务器够成了基于无线网络通信的应用系统,数据传输模块包括开关电源变换单元(U1、U2、U3)、有线网络通讯单元(U4)、中央处理单元(U5)、RS485通讯单元(U6)、RS232通讯单元(U7)和无线通讯单元(U8);开关电源变换单元(U1、U2、U3)、有线网络通讯单元(U4)、RS485通讯单元(U6)、RS232通讯单元(U7)和无线通讯单元(U8)均与中央处理单元(U5)相连接。
3.根据权利要求2所述基于边缘计算的工业智能物联模块,其特征在于,
中央处理单元(U5)进行基于边缘计算的数据压缩算法运算,开关电源变换单元(U1、U2、U3)包括三组通讯接口RX和TX,所述三组通讯接口RX和TX分别连接无线通讯单元(U8)、RS232通讯单元(U7)和RS485通讯单元(U6);
中央处理单元(U5)包括时钟信号引脚(CLK)、片选信号引脚(CS)、输入信号引脚(SIN)和输出信号引脚(SOUT),时钟信号引脚(CLK)、片选信号引脚(CS)、输入信号引脚(SIN)和输出信号引脚(SOUT)都连接局域网通讯单元(U4)。
4.根据权利要求2所述基于边缘计算的工业智能物联模块,其特征在于,中央处理单元(U5)为ARM。
5.根据权利要求2所述基于边缘计算的工业智能物联模块,其特征在于,
数据传输模块的通信方式包括:
通过RS232通讯单元接口对工业智能物联模块进行设置,具体包括以下步骤:
(101)系统自检,自检无故障则进入步骤(102);
(102)检测外接设备是否接入,如果接入进入步骤(103),否则等待外接设备接入;
(103)检查工业智能物联模块SN号;
(104)设置工业智能物联模块服务器IP地址及端口号;
(105)检查工业智能物联模块W5X00有线网络模块的MAC地址;
(106)对RS232通道设置通过RS485周期性读操作
(107)对RS232通道设置通过RS485进行写操作;
(108)对RS232通道设置RS485通信参数;
通过RS232接口读取工业智能物联模块的参数,具体包括以下步骤:
(201)读取工业智能物联模块SN号;
(202)判断工业智能物联模块SN号是否在服务器中,工业智能物联模块SN号在服务器的数据库,进入步骤(203);否则,退出系统;
(203)读取工业智能物联模块固件版本号;
(204)读取工业智能物联模块MAC地址;
(205)读取工业智能物联模块RS485设置参数;
(206)读取工业智能物联模块的服务器IP地址和端口号;
(207)读取MODBUS读操作相关设置;
通过服务器对工业智能物联模块进行设置,具体包括以下步骤:
(301)服务器通过网络设置为通过RS485周期性读操作;
(302)服务器通过网络设置为通过RS485进行写操作;
(303)服务器通过网络设置RS485工作参数。
6.根据权利要求1所述基于边缘计算的工业智能物联模块,其特征在于,
基于边缘计算的数据压缩算法具体包括以下步骤:
S1,采集数据,将数据进行分组上传到智能物联网模块边缘端;
S2,建立数据集;
S3,从数据集中随机选择子样本,构建隔离树;
S4,判断数据集中数据是否为异常数据;
S5,如果是异常数据,将异常数据以及标签上传至服务器并反馈给控制器执行相应控制;如果是正常数据,则正常上传至服务器。
7.根据权利要求6所述基于边缘计算的工业智能物联模块,其特征在于,
步骤S1具体包括以下步骤:
按照时间维度采集数据,获取时序数据,将时序数据分组上传,每组时序数据包含m个时序数据,设置误差阈值e,将第T组时序数据上传到智能物联网模块边缘端,智能物联网模块边缘端指数据传入服务器前进行预处理的部分。
8.根据权利要求6所述基于边缘计算的工业智能物联模块,其特征在于,
步骤S2具体包括以下步骤:
当第T组的时序数据T[i]与第T-1组时序数据的平均值的差小于误差阈值e则不进行输出,当组内时序数据T[i+1]、T[i+2]、……、T[i+m]中每个数据与第T-1组时序数据的平均值的的差小于误差阈值e,将T[i+m]与第T-1组中的时序数据的平均值作为非冗余数据上传至服务器,将[i+m]作为数据标签存入服务器中;其中i表示时序数据在分组数据中的序号,T[i]为第T组的第i个时序数据;
当时序数据T[i+k]与第T-1组时序数据的平均值的差大于等于误差阈值e时,则将T[i+k]作为不可忽略数据直接上传至数据集S中,[i+k]将作为数据标签存入服务器中,进行异常检测处理,建立数据集S={S1,S2,S3,…,Sn}。
9.根据权利要求6所述基于边缘计算的工业智能物联模块,其特征在于,
步骤S3具体包括以下步骤:
从数据集S={S1,S2,S3,…,Sn}中随机选择A个点作为子样本,构成子样本数据集S(A),其中Sn表示第n个存入数据集S中的时序数据,S(Ai)表示子样本数据集S(A)中第i个时序数据;随机产生切割点P,从A个子样本中随机产生切割点P作为根节点,按照切割点P对子样本数据集S(A)进行划分;选取的切割点P的生成的超平面把当前子样本数据集S(A)中小于P的点放在当前节点的左分支NL,把大于等于P的点放在当前节点的右分支NR,递归构造左分支和右分支,直到叶子节点上只有一个时序数据或树已经生长到所设定的高度log2A,构建单个隔离树iTree,其中,叶子节点为子样本数据集S(A)中的时序数据,循环随机数据集S={S1,S2,S3,…,Sn}中选取不同的A个点的子样本,训练得到若干个iTree。
10.根据权利要求6所述基于边缘计算的工业智能物联模块,其特征在于,
步骤S4具体包括以下步骤:
子样本数据遍历每一个iTree,得到A个子样本数据在iTree中的路径长度,路径长度表示从iTree的根节点到叶子节点所经过的边的数量,循环从子样本数据中随机选择A点作为子样本进行切割,计算A个子样本数据遍历每一个iTree时路径长度的平均值h(S(A)),其中第i个子样本数据遍历每一个iTree时路径长度的平均值记为h(Si),数据集S中的n个数据在遍历每一个iTree时的平均路径长度为h(S)={h(S1)、h(S2)、h(S3)…h(Si)…h(Sn)},计算得出iTree的平均路径长度的期望值E(h(S));
A个子样本数据在一棵iTree中切割划分,平均划分不成功的路径等于这A个点的平均路径长度c(A),c(A)用于对h(S)进行标准化处理,c(A)的求解公式为式(1):
其中H(A)为调和数,表示在数据集S中的A个随机样本数据范围内满足拉普拉斯方程的函数,在数据集S中的A个随机样本数据满足拉普拉斯方程的函数用H(A-1)表示;
数据集S的异常分数s(S,A)表示为式(2):
s(S,A)作为异常判断的依据,根据异常分数表达式得到关于s(S,A)与E(h(S))的特性关系为式(3):
当s(S,A)的值越接近于1,说明数据集S中当前数据越可能是异常数据,s(S,A)的值越接近于0,说明数据集S中当前数据越可能是正常数据;当数据集S中的时序数据下的s(S,A)值均接近于0.5,则说明数据集S中无异常数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532684.XA CN113242247B (zh) | 2021-05-17 | 2021-05-17 | 一种基于边缘计算的工业智能物联模块 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532684.XA CN113242247B (zh) | 2021-05-17 | 2021-05-17 | 一种基于边缘计算的工业智能物联模块 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113242247A true CN113242247A (zh) | 2021-08-10 |
CN113242247B CN113242247B (zh) | 2022-08-26 |
Family
ID=77134506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110532684.XA Active CN113242247B (zh) | 2021-05-17 | 2021-05-17 | 一种基于边缘计算的工业智能物联模块 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113242247B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115102777A (zh) * | 2022-07-11 | 2022-09-23 | 上海磐御网络科技有限公司 | 一种网络流量的隔离引导方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030103505A1 (en) * | 2001-12-04 | 2003-06-05 | Hitachi, Ltd. | Method for packet transferring and apparatus for packet transferring |
CN108549341A (zh) * | 2018-04-19 | 2018-09-18 | 广州裕申电子科技有限公司 | 基于物联网的车间生产信息管理方法、系统及装置 |
CN108667725A (zh) * | 2018-04-25 | 2018-10-16 | 哈尔滨电气股份有限公司 | 一种基于多种接入及边缘计算的工业软网关以及实现方法 |
CN109635958A (zh) * | 2018-12-12 | 2019-04-16 | 成都航天科工大数据研究院有限公司 | 一种基于边缘计算的预测性工业设备维护方法及维护系统 |
CN110460656A (zh) * | 2019-08-01 | 2019-11-15 | 哈工大机器人(合肥)国际创新研究院 | 一种工业环保物联网远程监测云平台 |
CN110750490A (zh) * | 2019-10-25 | 2020-02-04 | 无锡漫途科技有限公司 | 可编程边缘计算芯片模组及数据处理方法 |
CN111756600A (zh) * | 2020-06-24 | 2020-10-09 | 厦门长江电子科技有限公司 | 一种实现多种交换机测试机的多通信系统及方法 |
-
2021
- 2021-05-17 CN CN202110532684.XA patent/CN113242247B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030103505A1 (en) * | 2001-12-04 | 2003-06-05 | Hitachi, Ltd. | Method for packet transferring and apparatus for packet transferring |
CN108549341A (zh) * | 2018-04-19 | 2018-09-18 | 广州裕申电子科技有限公司 | 基于物联网的车间生产信息管理方法、系统及装置 |
CN108667725A (zh) * | 2018-04-25 | 2018-10-16 | 哈尔滨电气股份有限公司 | 一种基于多种接入及边缘计算的工业软网关以及实现方法 |
CN109635958A (zh) * | 2018-12-12 | 2019-04-16 | 成都航天科工大数据研究院有限公司 | 一种基于边缘计算的预测性工业设备维护方法及维护系统 |
CN110460656A (zh) * | 2019-08-01 | 2019-11-15 | 哈工大机器人(合肥)国际创新研究院 | 一种工业环保物联网远程监测云平台 |
CN110750490A (zh) * | 2019-10-25 | 2020-02-04 | 无锡漫途科技有限公司 | 可编程边缘计算芯片模组及数据处理方法 |
CN111756600A (zh) * | 2020-06-24 | 2020-10-09 | 厦门长江电子科技有限公司 | 一种实现多种交换机测试机的多通信系统及方法 |
Non-Patent Citations (1)
Title |
---|
于天琪等: "基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测", 《物联网学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115102777A (zh) * | 2022-07-11 | 2022-09-23 | 上海磐御网络科技有限公司 | 一种网络流量的隔离引导方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113242247B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sadeeq et al. | Energy management for internet of things via distributed systems | |
CN206060359U (zh) | 一种分布式光伏电站的集中监控运维系统 | |
CN109032099A (zh) | 工程机械总装生产线在线感知系统 | |
Ren et al. | Big data platform for intelligence industrial IoT sensor monitoring system based on edge computing and AI | |
Tripathi et al. | Dynamic prediction of powerline frequency for wide area monitoring and control | |
CN111770190A (zh) | 基于5g、物联网模式的区块链分布式实时消防监控警报系统 | |
CN111091240A (zh) | 一种公共机构电力能效监测系统及服务方法 | |
CN113242247B (zh) | 一种基于边缘计算的工业智能物联模块 | |
Selvaraj et al. | Proactive maintenance of small wind turbines using IoT and machine learning models | |
CN102629135A (zh) | 一种无线可追溯菇房生产管理系统及方法 | |
CN110320503B (zh) | 一种x波段天气雷达标准输出控制器系统 | |
Qiu et al. | Combine harvester remote monitoring system based on multi-source information fusion | |
CN113313280A (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
CN110689272A (zh) | 一种基于流式计算的敏感设备耐受特性实时在线评估方法 | |
CN104392591A (zh) | 输电线杆故障监测专家系统 | |
CN112947364A (zh) | 一种基于大数据预警配电站设备故障的系统及方法 | |
CN204808534U (zh) | 基于物联网智能安防锁的云平台系统 | |
CN110794799A (zh) | 应用于工业生产的具有故障诊断功能的大数据系统 | |
KR102453852B1 (ko) | 센서 데이터 처리 시스템 | |
CN114189506A (zh) | 一种设备巡检方法、装置及系统 | |
Krishnaswamy et al. | Embedded Sensor and IoT Technology based Substation Monitoring and Control System | |
Wu et al. | [Retracted] Computational Intelligence and Things Technology‐Based Collection and Design of Inheritance Characteristics of Tea Product Packaging Art Form | |
Zhao | Key technology research on decentralized Internet-based smart agriculture platform | |
CN116760033B (zh) | 一种基于人工智能的实时电力需求预测系统 | |
Chen | IoT Architecture‐Based Mechanism for Digital Transmission of Key Aspects of the Enterprise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |