CN114827174B - 面向社会制造的制造资源一实多虚同步方法及系统 - Google Patents

面向社会制造的制造资源一实多虚同步方法及系统 Download PDF

Info

Publication number
CN114827174B
CN114827174B CN202210460500.8A CN202210460500A CN114827174B CN 114827174 B CN114827174 B CN 114827174B CN 202210460500 A CN202210460500 A CN 202210460500A CN 114827174 B CN114827174 B CN 114827174B
Authority
CN
China
Prior art keywords
manufacturing
data
resources
layer
solvers
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.)
Active
Application number
CN202210460500.8A
Other languages
English (en)
Other versions
CN114827174A (zh
Inventor
赵龙飞
张旭阳
杨东裕
姚日煌
蔡泽鹏
卢旭龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Saibao Industrial Technology Research Institute Co ltd
Original Assignee
Shenzhen Saibao Industrial Technology Research Institute Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Saibao Industrial Technology Research Institute Co ltd filed Critical Shenzhen Saibao Industrial Technology Research Institute Co ltd
Priority to CN202210460500.8A priority Critical patent/CN114827174B/zh
Publication of CN114827174A publication Critical patent/CN114827174A/zh
Application granted granted Critical
Publication of CN114827174B publication Critical patent/CN114827174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了面向社会制造的制造资源一实多虚同步方法，包括如下步骤：采集社会制造过程中的制造资源；按制造事件对制造资源进行主题绑定，得到具有主题的制造资源；基于多目标飞鼠搜索算法，对具有主题的制造资源做出最佳决策选择，得到待发送的数据信息；待发送的数据信息结合成员身份验证和公钥生成新的数据块，并将新的数据块传输到数字孪生体。通过多目标飞鼠搜索算法优化数据传输的资源配置，建立物理实体与多数字孪生体的效率通讯。能处理制造资源生命周期各个阶段的多源异构数据，及时在协同网络中进行信息同步；结合社会制造的特点，实现数据信息的透明和可追溯并且保留延展性。

Description

面向社会制造的制造资源一实多虚同步方法及系统
技术领域
本发明涉及通讯技术领域，尤其涉及面向社会制造的制造资源一实多虚同步方法及系统。
背景技术
传统社会制造的集中式数据服务模式需要一个集中式数据存储中心，用户的所有数据都来自统一的集中式服务器。一旦集中式服务器出现故障，可能会发生数据损坏或其他问题，整个系统将中断。而分布式系统一个或多个系统节点的数据丢失或故障不会影响整个系统的运行。即使单个或多个节点发生数据故障，其他节点仍将保持相同的全网一致性数据库。但传统分布式系统具有数据冗余过多与数据传输效率不高的缺点。
近年来，随着工业物联网的快速发展，流行的发布订阅流媒体系统越来越多地被用作设备边缘云的上游中间件层，并将从不同的物联网设备收集的大量数据传输到下游系统(如数据分析和数据仓库)。边缘云通常利用多个应用程序或用户使用同一发布/子系统的共享租赁模型，这带来了数据传输关键的挑战，包括多个边缘云节点的数据一致性与数据传输效率。此外，因为社会制造对于制造资源信息的实时性和并行性要求较高，需求变动与随机扰动频发，制造资源节点的信息负载并不均衡，同步效率低。
发明内容
本发明的目的在于提出面向社会制造的制造资源一实多虚同步方法及系统，以解决社会制造对于制造资源信息的实时性和并行性要求较高，需求变动与随机扰动频发，制造资源节点的信息负载并不均衡，同步效率低的技术问题。
为达此目的，本发明采用以下技术方案：
面向社会制造的制造资源一实多虚同步方法，包括如下步骤：
采集社会制造过程中的制造资源，所述制造资源包括产品数据、过程数据和资源数据；
按制造事件对制造资源进行主题绑定，得到具有主题的制造资源；
基于多目标飞鼠搜索算法，对具有主题的制造资源做出最佳决策选择，所述最佳决策选择用于决定当前被发送到数字孪生体的数据主体，得到待发送的数据信息；
所述待发送的数据信息结合成员身份验证和公钥生成新的数据块，并将新的数据块传输到数字孪生体。
作为一种可选的实施例，所述多目标飞鼠搜索算法包括如下步骤：
S1：初始化m个求解器，所述求解器用于不断迭代搜寻最优解，其中，m≥3；
S2：求解器随机生成数据参数组合，所述数据参数组合包括数据块大小、储存容量、上传数据块的速度、上传数据块的时间；
S3：对数据参数组合进行适应性评估，得到各个数据参数组合的适应度，对数据参数组合按适应度降序排序，其中适应度用于描述处理时间、负载均衡、处理成本的目标函数优选解；
S4：更新求解器参数组合：
S41：利用当前迭代值和最大迭代值计算出季节常数的最小值，根据季节性检测条件判断出当前季节，根据当前季节设置用于求解器向更高适应度值逼近的概率；
S42：按排名将求解器划分成三类，其中，第一类为排名前10％的求解器，第二类为排名10％-40％的求解器，第三类为排名40％-100％的求解器；
S43：记录第一类的求解器的数据参数组合；第二类求解器的数据参数组合按概率向第一类的求解器的数据参数组合逼近；第三类求解器的数据参数组合按概率向第二类的求解器的数据参数组合逼近；
S5：对各个求解器的数据参数组合重新进行适用性评估，对数据参数组合按适应度降序排序，淘汰适应度排名在40％-100％的求解器，再随机产生数量与淘汰数量相一致的求解器；
6S：判断是否达到设置的迭代次数，若是，则终止迭代，输出当前适应度排名第一的数据参数组合；若否，则判断60～80％求解器的数据参数组合是否已趋近相似，若是，则输出排名第一的数据参数组合，若否，则返回步骤S2中进行迭代。
作为一种可选的实施例，所述多目标适应度模型为：
minCT＝max{Ci，i＝1，...，N} (1)；
minCost(total)＝Coststorage+Costtransaction (3)；
其中，CT是指数据任务传输完成时间，Ci指每次任务传输时间；LB是指节点利用率的方差，LK指第K个节点的利用率；Cost(total)是指储存成本与传输成本之和；Coststorage指网关的储存空间成本；Costtransaction指数据传输成本。
作为一种可选的实施例，按如下公式计算季节常数的最小值：
其中，t为当前迭代值，tm为最大迭代值，Smin为季节常数的最小值。
作为一种可选的实施例，所述季节性检测条件为： 采用公式(5)计算：
其中，FSt at，k表示第二类求解器的解，FSt ht，k表示死第三类求解器的解，d为维度。
本发明第二方面还公开了面向社会制造的制造资源一实多虚同步系统，应用在本发明第一方面的面向社会制造的制造资源一实多虚同步方法，包括设备层、边缘层、集成层、中间层、共识协议层和应用层；
所述应用层用于进行社会制造的数据管理和处理；
所述共识协议层用于进行数据的访问处理；
所述设备层与边缘层用于采集社会制造过程中的制造资源，所述制造资源包括产品数据、过程数据和资源数据；
所述集成层用于按制造事件对制造资源进行主题绑定，得到具有主题的制造资源；
所述中间层用于基于多目标飞鼠搜索算法，对具有主题的制造资源做出最佳决策选择，所述最佳决策选择用于决定当前被发送到数字孪生体的数据主体，得到待发送的数据信息；
所述中间层还用于将所述待发送的数据信息结合成员身份验证和公钥生成新的数据块；
所述集成层还用于对新的数据块进行信息广播，以将新的数据块传输到数字孪生体。
作为一种可选的实施例，所述设备层包括I/O设备传感器，所述边缘层包括PLC，所述设备层与所述边缘层之间通过Modbus通讯协议连接。
作为一种可选的实施例，所述集成层包括MQTT代理服务器，所述集成层通过MQTT协议与边缘层和中间层连接。
作为一种可选的实施例，所述中间层包括通讯协议管理模块和数据传输管理模块；所述应用层包括SCADA、MES和ERP；所述共识协议层包括订阅事件管理模块、节点管理模块、基于属性的访问控制模块和服务管理模块；所述中间层通过HTTP/SDK协议与共识协议层连接，所述中间层通过HTTP API协议与应用层连接。
与现有技术相比，本发明实施例具有以下有益效果：
通过多目标飞鼠搜索算法(MOSSA)优化数据传输的资源配置，建立物理实体与多数字孪生体的效率通讯。能处理制造资源生命周期各个阶段的多源异构数据，及时在协同网络中进行信息同步；结合社会制造的特点，实现数据信息的透明和可追溯并且保留延展性。
附图说明
图1是本发明其中一个实施例的社会制造通讯框架示意图；
图2是本发明其中一个实施例的数据处理流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
下面结合图1至图2，描述本发明实施例的面向社会制造的制造资源一实多虚同步方法，包括如下步骤：
建立社会制造通讯框架，所述社会制造通讯框架用于将数据传输至数字孪生体；
社会制造通讯框架采集社会制造过程中的制造资源，所述制造资源包括产品数据、过程数据和资源数据；
社会制造通讯框架按制造事件对制造资源进行主题绑定，得到具有主题的制造资源；
社会制造通讯框架基于多目标飞鼠搜索算法，对具有主题的制造资源做出最佳决策选择，所述最佳决策选择用于决定当前被发送到数字孪生体的数据主体，得到待发送的数据信息；
社会制造通讯框架将所述待发送的数据信息结合成员身份验证和公钥生成新的数据块，并将新的数据块传输到数字孪生体。
在本发明提供的面向社会制造的制造资源一实多虚同步方法，通过多目标飞鼠搜索算法(MOSSA)优化数据传输的资源配置，建立物理实体与多数字孪生体的效率通讯。能处理制造资源生命周期各个阶段的多源异构数据，及时在协同网络中进行信息同步；结合社会制造的特点，实现数据信息的透明和可追溯并且保留延展性。
其中，所述多目标飞鼠搜索算法包括如下步骤：
S1：初始化m个求解器，所述求解器用于不断迭代搜寻最优解，其中，m≥3；
S2：求解器随机生成数据参数组合，所述数据参数组合包括数据块大小、储存容量、上传数据块的速度、上传数据块的时间；
S3：对数据参数组合进行适应性评估，得到各个数据参数组合的适应度，对数据参数组合按适应度降序排序，其中适应度用于描述处理时间、负载均衡、处理成本的目标函数优选解；
S4：更新求解器参数组合：
S41：利用当前迭代值和最大迭代值计算出季节常数的最小值，根据季节性检测条件判断出当前季节，根据当前季节设置用于求解器向更高适应度值逼近的概率；
S42：按排名将求解器划分成三类，其中，第一类为排名前10％的求解器，第二类为排名10％-40％的求解器，第三类为排名40％-100％的求解器；
S43：记录第一类的求解器的数据参数组合；第二类求解器的数据参数组合按概率向第一类的求解器的数据参数组合逼近；第三类求解器的数据参数组合按概率向第二类的求解器的数据参数组合逼近；其中，逼近幅度受设置的参数限制。
S5：对各个求解器的数据参数组合重新进行适用性评估，对数据参数组合按适应度降序排序，淘汰适应度排名在40％-100％的求解器，再随机产生数量与淘汰数量相一致的求解器；
6S：判断是否达到设置的迭代次数，若是，则终止迭代，输出当前适应度排名第一的数据参数组合；若否，则判断60～80％求解器的数据参数组合是否已趋近相似，若是，则输出排名第一的数据参数组合，若否，则返回步骤S2中进行迭代。
其中，所述多目标适应度模型为：
minCT＝max{Ci，i＝1，...，N} (1)；
minCost(total)＝Coststorage+Costtransaction (3)；
其中，CT是指数据任务传输完成时间，Ci指每次任务传输时间；LB是指节点利用率的方差，LK指第K个节点的利用率，以此衡量负载均衡度，且方差越小，节点负载越均衡，系统稳定性越好；Cost(total)是指储存成本与传输成本之和；Coststorage指网关的储存空间成本，当储存空间减小，储存成本增加；Costtransaction指数据传输成本，包括节点生成公钥和私钥的时间成本、数据传输量增大后对QoS值的减少成本等。节点QoS值(服务质量(Qualityof Service,QoS)通常被用来衡量社会制造服务的性能，QoS指标包含了多个维度的信息，比如服务的可用性、可靠性、吞吐量、响应延时、信誉等)。
其中，按如下公式计算季节常数的最小值：
其中，t为当前迭代值，tm为最大迭代值，Smin为季节常数的最小值。
其中，所述季节性检测条件为： 采用公式(3)计算：
其中，FSt at，k表示第二类求解器的解，FSt ht，k表示死第三类求解器的解，d为维度。
面向社会制造的制造资源一实多虚同步系统，应用在上述面向社会制造的制造资源一实多虚同步方法，包括设备层、边缘层、集成层、中间层、共识协议层和应用层；建立起社会制造通讯框架，实现各个网络物理系统和设备的实时通讯。
所述应用层用于进行社会制造的数据管理和处理；
所述共识协议层用于进行数据的访问处理；
所述设备层与边缘层用于采集社会制造过程中的制造资源，所述制造资源包括产品数据、过程数据和资源数据；
所述集成层用于按制造事件对制造资源进行主题绑定，得到具有主题的制造资源；
所述中间层用于基于多目标飞鼠搜索算法，对具有主题的制造资源做出最佳决策选择，所述最佳决策选择用于决定当前被发送到数字孪生体的数据主体，得到待发送的数据信息；
所述中间层还用于将所述待发送的数据信息结合成员身份验证和公钥生成新的数据块；
所述集成层还用于对新的数据块进行信息广播，以将新的数据块传输到数字孪生体。
其中，所述设备层包括I/O设备传感器，所述边缘层包括PLC，所述设备层与所述边缘层之间通过Modbus通讯协议连接。
其中，所述集成层包括MQTT代理服务器，所述集成层通过MQTT协议与边缘层和中间层连接。
其中，所述中间层包括通讯协议管理模块和数据传输管理模块；所述通讯协议管理模块用于管理通讯协议；所述数据传输管理模块用于执行多目标飞鼠搜索算法和用于所述待发送的数据信息结合成员身份验证和公钥生成新的数据块；所述应用层包括SCADA(Supervisory Control And Data Acquisition，即数据采集与监视控制系统)、MES(Manufacturing Execution System，即制造执行系统)和ERP(Enterprise ResourcePlanning，即企业资源计划)；所述共识协议层包括订阅事件管理模块、节点管理模块、基于属性的访问控制模块和服务管理模块；所述订阅事件管理模块用于供管理员对订阅事件进行管理；所述节点管理模块用于供管理员对节点进行管理；所述基于属性的访问控制模块用于根据访问控制策略判断是否允许客体访问；所述服务管理模块用于供管理员进行服务管理；所述中间层通过HTTP/SDK协议与共识协议层连接，所述中间层通过HTTP API协议与应用层连接。
具体地，如图1所示，边缘层中的PLC通过Modbus驱动设备，也可进行简单的制造标签分类计算，从而实现降低网络信息的负载，提高网络的效率。MQTT代理服务器通过MQTT的通讯方式将按制造事件进行主题绑定，从而使相关数字孪生体与物理实体能进行信息交互。中间层进行通讯协议的转换，并进行QoS感知服务组合数据传输优化，通过对信息的分级管理实现信息的负载均衡。共识协议层以HTTP/SDK的方式通过中间层的信息转换，接着通过集成层MQTT代理服务器进行信息的广播，从而使绑定了相关制造事件的数字孪生体接收到信息。应用层的各个软件系统可以通过HTTP API的方式在中间层提出数据访问请求，促发共识协议层的节点管理与数据传输管理程序，验证通过后可进行数据的访问处理。
如图2所示，首先，产品、过程和资源的数据通过物联网传感器和RFID等发送到智能网关。为方便描述，使用制造资源来表示所有的数据源。智能网关和PLC组成边缘感知层，充当云和传感器之间的连接点。这些传感器与智能网关之间的连接协议通常是基于无线的方式，如WIFI、蓝牙、Zigbee等，同时智能网关可以起到存储和预处理原始数据的作用。其次，对象信息传输到发布订阅广播代理服务器的集成层，再将预处理后的数据传输到中间层。通常，集成层和中间层之间的消息传递协议是纯HTTP、MQTT等。第三，中间层数据通过多目标飞鼠搜索算法(MOSSA)进行数据上传的最佳决策选择，决定哪些数据将在此刻被发送到数字孪生体。最后，通过成员身份验证和公钥生成新的数据块，将信息传输到数字孪生体。具体来说，将要放入网络的数据需要通过共识协议进行验证。一旦不合格，反馈将发送给中间层进行处理。
根据本发明实施例的面向社会制造的制造资源一实多虚同步方法及系统的其他构成等以及操作对于本领域普通技术人员而言都是已知的，这里不再详细描述。
在本说明书的描述中，参考术语“实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.面向社会制造的制造资源一实多虚同步方法，其特征在于：包括如下步骤：
采集社会制造过程中的制造资源，所述制造资源包括产品数据、过程数据和资源数据；
按制造事件对制造资源进行主题绑定，得到具有主题的制造资源；
基于多目标飞鼠搜索算法，对具有主题的制造资源做出最佳决策选择，所述最佳决策选择用于决定当前被发送到数字孪生体的数据主体，得到待发送的数据信息；
所述待发送的数据信息结合成员身份验证和公钥生成新的数据块，并将新的数据块传输到数字孪生体；
所述多目标飞鼠搜索算法包括如下步骤：
S1：初始化m个求解器，所述求解器用于不断迭代搜寻最优解，其中，m≥3；
S2：求解器随机生成数据参数组合，所述数据参数组合包括数据块大小、储存容量、上传数据块的速度、上传数据块的时间；
S3：对数据参数组合进行适应性评估，得到各个数据参数组合的适应度，对数据参数组合按适应度降序排序，其中适应度用于描述处理时间、负载均衡、处理成本的目标函数优选解；
S4：更新求解器参数组合：
S41：利用当前迭代值和最大迭代值计算出季节常数的最小值，根据季节性检测条件判断出当前季节，根据当前季节设置用于求解器向更高适应度值逼近的概率；
S42：按排名将求解器划分成三类，其中，第一类为排名前10%的求解器，第二类为排名10%-40%的求解器，第三类为排名40%-100%的求解器；
S43：记录第一类的求解器的数据参数组合；第二类求解器的数据参数组合按概率向第一类的求解器的数据参数组合逼近；第三类求解器的数据参数组合按概率向第二类的求解器的数据参数组合逼近；
S5：对各个求解器的数据参数组合重新进行适用性评估，对数据参数组合按适应度降序排序，淘汰适应度排名在40%-100%的求解器，再随机产生数量与淘汰数量相一致的求解器；
S6：判断是否达到设置的迭代次数，若是，则终止迭代，输出当前适应度排名第一的数据参数组合；若否，则判断60～80%求解器的数据参数组合是否已趋近相似，若是，则输出排名第一的数据参数组合，若否，则返回步骤S2中进行迭代；
多目标适应度模型为：
（1）；
（2）；
（3）；
其中，是指数据任务传输完成时间，C i指每次任务传输时间；/>是指节点利用率的方差，L K指第K个节点的利用率；/>是指储存成本与传输成本之和；/>指网关的储存空间成本；/>指数据传输成本；
其中按如下公式计算季节常数的最小值：
（4）；
其中，t为当前迭代值，t m为最大迭代值，S min为季节常数的最小值；
所述季节性检测条件为：；/>采用公式（5）计算：
（5）；
其中，FS t at，k表示第二类求解器的解，FS t ht，k表示第三类求解器的解，d为维度。
2.面向社会制造的制造资源一实多虚同步系统，其特征在于：应用在如权利要求1面向社会制造的制造资源一实多虚同步方法，包括设备层、边缘层、集成层、中间层、共识协议层和应用层；
所述应用层用于进行社会制造的数据管理和处理；
所述共识协议层用于进行数据的访问处理；
所述设备层与边缘层用于采集社会制造过程中的制造资源，所述制造资源包括产品数据、过程数据和资源数据；
所述集成层用于按制造事件对制造资源进行主题绑定，得到具有主题的制造资源；
所述中间层用于基于多目标飞鼠搜索算法，对具有主题的制造资源做出最佳决策选择，所述最佳决策选择用于决定当前被发送到数字孪生体的数据主体，得到待发送的数据信息；
所述中间层还用于将所述待发送的数据信息结合成员身份验证和公钥生成新的数据块；
所述集成层还用于对新的数据块进行信息广播，以将新的数据块传输到数字孪生体。
3.根据权利要求2所述的面向社会制造的制造资源一实多虚同步系统，其特征在于：所述设备层包括I/O设备传感器，所述边缘层包括PLC，所述设备层与所述边缘层之间通过Modbus通讯协议连接。
4.根据权利要求3所述的面向社会制造的制造资源一实多虚同步系统，其特征在于：所述集成层包括MQTT代理服务器，所述集成层通过MQTT协议与边缘层和中间层连接。
5.根据权利要求4所述的面向社会制造的制造资源一实多虚同步系统，其特征在于：所述中间层包括通讯协议管理模块和数据传输管理模块；所述应用层包括SCADA、MES和ERP；所述共识协议层包括订阅事件管理模块、节点管理模块、基于属性的访问控制模块和服务管理模块；所述中间层通过HTTP/SDK协议与共识协议层连接，所述中间层通过HTTP API协议与应用层连接。
CN202210460500.8A 2022-04-28 2022-04-28 面向社会制造的制造资源一实多虚同步方法及系统 Active CN114827174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210460500.8A CN114827174B (zh) 2022-04-28 2022-04-28 面向社会制造的制造资源一实多虚同步方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210460500.8A CN114827174B (zh) 2022-04-28 2022-04-28 面向社会制造的制造资源一实多虚同步方法及系统

Publications (2)

Publication Number Publication Date
CN114827174A CN114827174A (zh) 2022-07-29
CN114827174B true CN114827174B (zh) 2024-05-07

Family

ID=82510324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210460500.8A Active CN114827174B (zh) 2022-04-28 2022-04-28 面向社会制造的制造资源一实多虚同步方法及系统

Country Status (1)

Country Link
CN (1) CN114827174B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728401A (zh) * 2019-10-10 2020-01-24 郑州轻工业学院 基于松鼠杂草混合算法的神经网络短期电力负荷预测方法
CN110850477A (zh) * 2019-11-07 2020-02-28 中建四局第一建筑工程有限公司 一种基于松鼠搜索算法的电阻率溶洞识别方法
CN112598162A (zh) * 2020-12-07 2021-04-02 合肥工业大学 基于双层规划的制药厂选择与生产计划制定的优化方法
CN113095466A (zh) * 2021-04-12 2021-07-09 大连理工大学 基于元学习模型的可满足性模理论求解器的算法
CN113158228A (zh) * 2021-03-16 2021-07-23 广东工业大学 一种工业智能合约系统及其运行的多数字孪生体同步互操作方法
CN113377676A (zh) * 2021-07-07 2021-09-10 大连理工大学 一种基于多目标遗传算法的求解器性能缺陷检测方法
WO2021203623A1 (zh) * 2020-04-07 2021-10-14 北京邮电大学 一种物联网资源接入系统及资源接入方法
CN113778165A (zh) * 2021-09-26 2021-12-10 国网福建省电力有限公司福州供电公司 一种光伏最大功率点跟踪方法及供能系统
CN113986562A (zh) * 2021-12-29 2022-01-28 中移(上海)信息通信科技有限公司 一种资源调度策略生成方法、装置及终端设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10127300B2 (en) * 2013-12-23 2018-11-13 International Business Machines Corporation Mapping relationships using electronic communications data
US10223649B2 (en) * 2015-10-16 2019-03-05 Sap Se System and method of multi-objective optimization for transportation arrangement
US20180137219A1 (en) * 2016-11-14 2018-05-17 General Electric Company Feature selection and feature synthesis methods for predictive modeling in a twinned physical system
US11341463B2 (en) * 2019-11-25 2022-05-24 International Business Machines Corporation Blockchain ledger entry upon maintenance of asset and anomaly detection correction

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728401A (zh) * 2019-10-10 2020-01-24 郑州轻工业学院 基于松鼠杂草混合算法的神经网络短期电力负荷预测方法
CN110850477A (zh) * 2019-11-07 2020-02-28 中建四局第一建筑工程有限公司 一种基于松鼠搜索算法的电阻率溶洞识别方法
WO2021203623A1 (zh) * 2020-04-07 2021-10-14 北京邮电大学 一种物联网资源接入系统及资源接入方法
CN112598162A (zh) * 2020-12-07 2021-04-02 合肥工业大学 基于双层规划的制药厂选择与生产计划制定的优化方法
CN113158228A (zh) * 2021-03-16 2021-07-23 广东工业大学 一种工业智能合约系统及其运行的多数字孪生体同步互操作方法
CN113095466A (zh) * 2021-04-12 2021-07-09 大连理工大学 基于元学习模型的可满足性模理论求解器的算法
CN113377676A (zh) * 2021-07-07 2021-09-10 大连理工大学 一种基于多目标遗传算法的求解器性能缺陷检测方法
CN113778165A (zh) * 2021-09-26 2021-12-10 国网福建省电力有限公司福州供电公司 一种光伏最大功率点跟踪方法及供能系统
CN113986562A (zh) * 2021-12-29 2022-01-28 中移(上海)信息通信科技有限公司 一种资源调度策略生成方法、装置及终端设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
动态多目标飞鼠搜索算法及其应用;杜天琳;《中国优秀硕士学位论文全文数据库》(第1期);第1-82页 *
结合子树分解的软件产品线特征选择方法;王铭;王立松;魏欧;;小型微型计算机系统(第5期);全文 *

Also Published As

Publication number Publication date
CN114827174A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
US10560313B2 (en) Pipeline system for time-series data forecasting
Khan et al. Trust management in social internet of things: Architectures, recent advancements, and future challenges
US10169720B2 (en) Systems and methods for machine learning using classifying, clustering, and grouping time series data
US10685283B2 (en) Demand classification based pipeline system for time-series data forecasting
US10832087B1 (en) Advanced training of machine-learning models usable in control systems and other systems
US10198532B2 (en) Reducing data storage, memory, and computational time needed for ad-hoc data analysis
US20190012210A1 (en) Two-Part Job Scheduling with Capacity Constraints and Preferences
Zhou et al. DE-caABC: differential evolution enhanced context-aware artificial bee colony algorithm for service composition and optimal selection in cloud manufacturing
US8713151B2 (en) Configuration method and system of complex network and configuration and management module of server resources
Fersi Fog computing and Internet of Things in one building block: A survey and an overview of interacting technologies
CN113590576A (zh) 数据库参数调整方法、装置、存储介质以及电子设备
CN106130960A (zh) 盗号行为的判断系统、负载调度方法和装置
Lohitha et al. Integrated publish/subscribe and push-pull method for cloud based IoT framework for real time data processing
CN116668450A (zh) 一种基于区块链的边缘计算多维信任评估方法和系统
US10303818B2 (en) Enhancing processing speeds for generating a model on an electronic device
Mallik et al. Distributed data mining for sustainable smart grids
Abeysekara et al. Data-driven trust prediction in mobile edge computing-based iot systems
CN114827174B (zh) 面向社会制造的制造资源一实多虚同步方法及系统
CN111556090B (zh) 智能物联网的功能聚合自组织系统及方法
Liu et al. Super-peer-based coordinated service provision
Feng et al. Feddd: Toward communication-efficient federated learning with differential parameter dropout
Kanwal et al. Head node selection algorithm in cloud computing data center
CN116614195A (zh) 基于边缘容器的电碳计算智能融合终端及时间同步方法
Guo et al. PicPick: a generic data selection framework for mobile crowd photography
Rooney et al. Techniques for integrating sensors into the enterprise network

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