CN115174492B - 基于opc ua的数据采集系统数据流优化方法 - Google Patents

Abstract

本发明提出了一种基于OPC UA的数据采集系统数据流优化方法。将OPC UA Server中的标签的数量、类型和属性作为数据流优化的参数，可以有效地改善数据采集系统中数据流的实时性。本方法能够可靠且准确地控制数据流的实时性。该方法先确定单个节点中OPC UA标签的数量、类型、实时性需求等，从而确定单个节点数据量和数据采集系统中各个节点对于通信带宽占用的要求，通过网络管理服务器进行数据流优化，最后通过TSN交换机进行数据流管控。本发明方法适用于多OPC UA Server的数据采集网络，使得数据采集网络具有稳定、数据实时高的优势。

Description

基于OPC UA的数据采集系统数据流优化方法

技术领域

本发明涉及工业数据采集技术，具体地说是一种基于OPC UA的数据采集系统数据流优化方法。

背景技术

由于智能制造系统在减少能源消耗、提高经济效益和支持定制化生产方面具有显著优势，传统的自动化工厂正在向智能工厂转变。作为智能制造系统的核心技术之一，数据采集系统应用于智能工厂中的各种数据的采集、传输和存储。数据采集系统是整个智能工厂的数据基石，其重要作用不言而喻。

传统的数据采集系统中，由于数据量不多，因此其在传输的时候并没有出现明显的问题，然而在智能工厂环境中，由于用户需求多样化、设备智能化、工艺复杂化，导致数据采集系统所要采集和传输的数据量激增，同时传输的数据、数据流也同传统的工业网络有着很大的区别，这就使得原本的数据传输网络无法适应智能工厂数据采集的需求。

发明内容

针对传统数据采集系统传输数据实时性不高的问题，将OPC UA Server中的标签的数量、类型和属性作为数据流优化的参数，采用数据流优化方法，极大的提高了面向智能车间的数据采集系统中数据流的实时性。

本发明为实现上述目的所采用的技术方案是：

基于OPC UA的数据采集系统数据流优化方法，包括以下步骤：

获取客户端设置的数据源的实时性属性值；

根据数据源的实时性属性值计算单个数据流的流量以及数据流的个数；

通过优化算法对将数据流的实时性需求作为输入，得到数据流分配队列作为优化结果；

根据优化结果，管控网络的数据流。

客户端根据数据的用途，对OPC UAServer中每个数据的标签设置不同的实时性属性值，所述实时性属性值以毫秒为单位。

获取数据的实时性属性值具有两种方法，其中：

第一种为：通过OPC UA接口，分别从各个数据源节点，读取标签的实时性属性值，进而获取该数据源的实时性属性值；

第二种为：通过数据服务器读取各个标签的实时性属性值，然后一次性的获取全部数据源的实时性属性值。

所述根据数据的实时性属性值计算单个数据流的流量以及数据流的个数，具体为：获得各个数据源的实时性属性值之后，按照实时性属性值的数值大小归类，数值相同的实时性属性值为一类，同一类的所有数据构成一个数据流；同一数据流内标签的大小的总合，作为该数据流的流量大小。

所述优化算法包括以下步骤：

1)根据单个数据流的流量以及数据流的个数，构建网络模型和流模型；

2)将可用队列集合、流模型中的数据流集合作为网络模型的输入，计算每个链路中每个数据流的利用率，并将数据流按照其利用率降序排列，选择利用率最高的数据流来分配队列；

3)给所选择的数据流分配利用率最低的队列，检查当前队列分配是否满足约束条件，若不满足，则将重新分配另一个队列给该数据流，直到分配的队列满足约束条件；

4)循环步骤3)，直至给所有的数据流都分配到队列中，并利用路由路径中每条链路的队列利用率之和来更新队列利用率，将得到的数据流分配队列作为优化结果。

所述网络模型以G＝(V,E)表示，其中V和E分别为节点和无向边集合，每个节点v_i∈V代表网络中一个端系统或者一个交换机，每个边通过一个有向二元组表示，[v_i,v_j]∈E与[v_j,v_i]∈E分别表示两节点之间的全双工链路。

所述流模型表示为F，通过多个交换机从一个端系统传输到另一个端系统，每个流f_i∈F(i＝1,2,…)被定义为一个五元组＜p_i,d_i,q_i,γ_i,Π_i＞，其中p_i是周期，d_i是相对截止时间，q_i是分配的队列id，γ_i是传输时间，Π_i是路由路径。

所述约束条件包括：

范围约束，基于本发明，所有变量的范围约束如下：

0≤Q(f_i)≤Q_max (5)

其中，a，b分别为两个端系统，k为序列号取值，H为超周期，为a、b之间数据流的规划时间；

传输约束，在一个路由路径中，相同数据包的传输是有顺序的；

链路约束，在同一个链路中相同时间不能有两个传输重叠；

实时约束，所有数据包都在绝对截止时间前完成传输；

队列约束，如果两个数据包使用相同队列，则他们在队列中存放的时间间隔不重叠。

本发明具有以下有益效果及优点：

1.本发明可以自动获得数据流的实时性要求和数量，无需人工输入。

2.本发明实时生成GCL，数据流实时性更好，网络利用率更高。

3.本发明适用于多种结构的TSN网络系统。

附图说明

图1为数据采集网络示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

一种基于OPC UA标签的数据采集系统数据流优化方法，包括以下步骤：

步骤1：设置数据的实时性属性。OPC UA Server中标签的属性值，设置相应数据的实时性属性，在OPC UA Server中每个Tag都有一个实时性的属性值，根据数据的用途设置不同的实时性属性，一般以毫秒为单位，如100ms，代表每100ms就产生一个这样的数据；

步骤2：获取数据实时性属性；有两种方法可以获得数据的实时性属性，一种是通过OPC UA接口，分别从各个数据源节点，读取Tag的实时性属性值，分别获取数据源的实时性；第二种，是通过数据服务器，数据服务器读取各个Tag的实时性属性值，然后一次性的获取全部数据源的实时性；

步骤3：计算单个数据流流量和数据流的个数；获得各个数据源的实时性属性之后，按照实时性属性的数值归类，同一实时性大小的一类，同一类的数据认定为该节点的一个数据流；同一数据流内Tag的大小的总合，作为这一数据流的大小；

步骤4：优化整个网络的数据流；把步骤3获得数据流作为优化算法的输入，每个数据流的实时性属性作为约束条件，优化目标是满足全部数据流的实时性属性要求，控制变量是TSN交换机中各个门控开关的开合；

步骤5：根据优化结果，管控整个网络的数据流；TSN交换机中每个端口都有一个门控开关，用来控制经过该端口的数据流，步骤4优化的结果就是各个TSN交换机中各个端口的门控开关时间，生成调度列表，从而完成对于数据流的优化。

步骤4中的优化数据流采用的方法如下，其中：

网络模型：一个时间敏感网络以图G＝(V,E)表示，其中V和E分别为节点和无向边集合，每个节点v_i∈V代表网络中一个端系统或者一个交换机，其中交换机是一个中间节点用于转发数据。每个边通过一个有向二元组表示，[v_i,v_j]∈E与[v_j,v_i]∈E分别表示两节点之间的全双工链路。

流模型：TSN中的消息通过流传输，表示为F，通过多个交换机从一个端系统传输到另一个端系统。每个流f_i∈F(i＝1,2,…)被定义.为一个五元组＜p_i,d_i,q_i,γ_i,Π_i＞，其中p_i是周期，d_i是相对截止时间，q_i是分配的队列id，γ_i是传输时间，Π_i是路由路径。所有流都是按优先级排序的，即当i＜j时，f_i比f_j优先级更高。流f_i中传输的是数据包，以周期p_i定期生成，每次传输开始时间可以在GCL中等效编码，所有流同时释放以避免数据包之间的位置冲突。遵循限定截止时间流模型，也就是保证因此，同一流释放的数据包在任何时候都不能共存于网络中。

一旦将流分配给某个队列，队列索引就会在流生成之前写入IEEE 802.1Q报头的PCP段。因此，分配的队列id，即q_i由路由路径上每个交换机中的f_i来确定得到。传输时间γ_i是在电缆上传输数据包所需的时间量，并且其取决于数据包大小和网络传输速率。在数据包传输过程中，打开的队列不允许任何新的数据包，其他队列中的待处理数据包保持缓存。流f_i的路由路径Π_i是一个有序的链接集，即Π_i＝{[v₁,v₂],[v₂,v₃],…,[v_n-1,v_n]}。路由路径中的第一个和最后一个节点对应的是端系统。若一个流是可调度的，则该流满足：1、在所有等待流中，该流有着最高优先级；2、链路和分配的队列为空。

SMT规范最优算法：只考虑第一个超周期H，它是周期的最小公倍数。对于任意流，第一个超周期H的所有干扰与其它超周期的干扰相同。因此，为首个超周期生成的数据包找到一个合适的调度表就足够了。所考虑的约束主要包含如下：

范围约束，基于本发明，所有变量的范围约束如下。

0≤Q(f_i)≤Q_max (8)

其中，a，b分别为两个端系统，k为序列号取值，H为超周期，为a、b之间数据流的规划时间。

传输约束，在一个路由路径中，相同数据包的传输是有顺序的。

链路约束，在同一个链路中相同时间不能有两个传输重叠。

实时约束，所有数据包都需要在绝对截止时间前完成传输。

队列约束，如果两个数据包使用相同队列，则他们在队列中存放的时间间隔不重叠。

算法将流集F，有着可用队列集合Q的TSN网络G作为输入，其具体包含三个阶段工作。

阶段1：首先计算每个链路中每个流的利用率，并将流按照其利用率降序排列，选择利用率最高的流来分配队列；

阶段2：给所选择的流分配利用率最低的队列，接着检查是否这样的队列分配时合适的。如果不合适，将重新分配另一个队列给该流直到合适未知。

阶段3：用路由路径中每条链路的队列利用率之和来更新队列利用率，从而避免将可能发生冲突的流分配到过度使用的队列中。

本发明主要包含数据采集网络设计以及数据采集网络数据流优化算法设计两个部分。

1.数据采集网络设计

本方法的的数据采集网络如图1所示，是由OPC UA采集节点、TSN交换机和网络管理服务器组成。OPC UA采集节点，通过OPC UA的标签数据确定不同节点不同数据的实时性需求；TSN交换机的各个端口采用不同优先级的队列控制通过端口的数据，实现数据流的管控；网络管理服务器通过读取OPC UA中各个标签，从而获得不同节点数据量的大小以及不同数据实时性的需求，设计相应的优化方法，满足各个节点数据流的实时性需求，避免出现数据拥塞导致的实时性无法满足的情况，同时还能保证网络的带宽。

3.数据流优化方法设计

SMT规范最优算法：只考虑第一个超周期H，它是周期的最小公倍数。对于任意流，第一个超周期H的所有干扰与其它超周期的干扰相同。因此，为首个超周期生成的数据包找到一个合适的调度表就足够了。所考虑的约束主要包含如下：

范围约束，基于本课题的模型和研究问题，所有变量的范围约束如下。

0≤Q(f_i)≤Q_max (11)

其中，a，b分别为两个端系统，k为序列号取值，H为超周期，为a、b之间数据流的规划时间。

传输约束，在一个路由路径中，相同数据包的传输是有顺序的。

链路约束，在同一个链路中相同时间不能有两个传输重叠。

实时约束，所有数据包都需要在绝对截止时间前完成传输。

队列约束，如果两个数据包使用相同队列，则他们在队列中存放的时间间隔不重叠。

算法将流集F，有着可用队列集合Q的TSN网络G作为输入，其具体包含三个阶段工作。

阶段1：首先计算每个链路中每个流的利用率，并将流按照其利用率降序排列，选择利用率最高的流来分配队列；

阶段2：给所选择的流分配利用率最低的队列，接着检查是否这样的队列分配时合适的。如果不合适，将重新分配另一个队列给该流直到合适未知。

阶段3：用路由路径中每条链路的队列利用率之和来更新队列利用率，从而避免将可能发生冲突的流分配到过度使用的队列中。

本发明提出了一种基于OPC UA标签的数据采集系统数据流优化方法。将OPC UAServer中的标签的数量、类型和属性作为数据流优化的参数，可以有效地改善数据采集系统中数据流的实时性。

Claims (7)

1.基于OPC UA的数据采集系统数据流优化方法，其特征在于，包括以下步骤：

获取客户端设置的数据源的实时性属性值；

根据数据源的实时性属性值计算单个数据流的流量以及数据流的个数；

通过优化算法对将数据流的实时性需求作为输入，得到数据流分配队列作为优化结果；

根据优化结果，管控网络的数据流；

所述优化算法包括以下步骤：

1)根据单个数据流的流量以及数据流的个数，构建网络模型和流模型；

2)将可用队列集合、流模型中的数据流集合作为网络模型的输入，计算每个链路中每个数据流的利用率，并将数据流按照其利用率降序排列，选择利用率最高的数据流来分配队列；

3)给所选择的数据流分配利用率最低的队列，检查当前队列分配是否满足约束条件，若不满足，则将重新分配另一个队列给该数据流，直到分配的队列满足约束条件；

4)循环步骤3)，直至给所有的数据流都分配到队列中，并利用路由路径中每条链路的队列利用率之和来更新队列利用率，将得到的数据流分配队列作为优化结果。

2.根据权利要求1所述的基于OPC UA的数据采集系统数据流优化方法，其特征在于，客户端根据数据的用途，对OPC UA Server中每个数据的标签设置不同的实时性属性值，所述实时性属性值以毫秒为单位。

3.根据权利要求1所述的基于OPC UA的数据采集系统数据流优化方法，其特征在于，获取数据的实时性属性值具有两种方法，其中：

第一种为：通过OPC UA接口，分别从各个数据源节点，读取标签的实时性属性值，进而获取该数据源的实时性属性值；

第二种为：通过数据服务器读取各个标签的实时性属性值，然后一次性的获取全部数据源的实时性属性值。

4.根据权利要求1所述的基于OPC UA的数据采集系统数据流优化方法，其特征在于，所述根据数据的实时性属性值计算单个数据流的流量以及数据流的个数，具体为：获得各个数据源的实时性属性值之后，按照实时性属性值的数值大小归类，数值相同的实时性属性值为一类，同一类的所有数据构成一个数据流；同一数据流内标签的大小的总合，作为该数据流的流量大小。

5.根据权利要求1所述的基于OPC UA的数据采集系统数据流优化方法，其特征在于，所述网络模型以G＝(V,E)表示，其中V和E分别为节点和无向边集合，每个节点v_i∈V代表网络中一个端系统或者一个交换机，每个边通过一个有向二元组表示，[v_i,v_j]∈E与[v_j,v_i]∈E分别表示两节点之间的全双工链路。

6.根据权利要求1所述的基于OPC UA的数据采集系统数据流优化方法，其特征在于，所述流模型表示为F，通过多个交换机从一个端系统传输到另一个端系统，每个流f_i∈F(i＝1,2,...)被定义为一个五元组＜p_i,d_i,q_i,γ_i,Π_i＞，其中p_i是周期，d_i是相对截止时间，q_i是分配的队列id，γ_i是传输时间，Π_i是路由路径。

7.根据权利要求1所述的基于OPC UA的数据采集系统数据流优化方法，其特征在于，所述约束条件包括：

范围约束，基于本发明，所有变量的范围约束如下：

0≤Q(f_i)≤Q_max (2)

其中，a，b分别为两个端系统，k为序列号取值，H为超周期，为a、b之间数据流的规划时间；

传输约束，在一个路由路径中，相同数据包的传输是有顺序的；

链路约束，在同一个链路中相同时间不能有两个传输重叠；

实时约束，所有数据包都在绝对截止时间前完成传输；

队列约束，如果两个数据包使用相同队列，则他们在队列中存放的时间间隔不重叠。