CN116880340A - 基于工业物联网的控制终端 - Google Patents
基于工业物联网的控制终端 Download PDFInfo
- Publication number
- CN116880340A CN116880340A CN202311149139.8A CN202311149139A CN116880340A CN 116880340 A CN116880340 A CN 116880340A CN 202311149139 A CN202311149139 A CN 202311149139A CN 116880340 A CN116880340 A CN 116880340A
- Authority
- CN
- China
- Prior art keywords
- value
- control instruction
- data
- time point
- association set
- 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
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012790 confirmation Methods 0.000 claims description 18
- 238000012795 verification Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 230000006855 networking Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 9
- 230000009471 action Effects 0.000 abstract description 4
- 238000002513 implantation Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008394 flocculating agent Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于工业物联网的控制终端,通过记录终端在工作过程中采集的底层数据以及基于底层数据生成的控制指令、控制指令的生成时间点,来建立控制指令与底层数据、时间点之间的关联,得到对应关系模型。在网络正常时,通过控制指令来进行对应的控制动作。在网络故障无法接收到来自上位机的控制指令时,根据建立的对应关系模型、当前底层数据、当前时间点来预测上位机的控制指令,并自行接管控制。从而能够避免网络故障时下位机停转。此外,由于本终端是基于上位机的控制指令和采集的底层数据来构建一个预测模型,因此不需要植入算法,具有较高的安全性。
Description
技术领域
本发明涉及工业控制领域,具体是基于工业物联网的控制终端。
背景技术
物联网终端是物联网中连接传感网络层和传输网络层,实现采集数据及向网络层发送数据的设备。它担负着数据采集、初步处理、加密、传输等多种功能。
现有的工业物联网的控制终端集数据采集、指令解析、远程控制等功能于一身。是自动化控制技术中不可或缺的设备。但是现有的除具备边缘运算的工业物联网控制终端只能简单地执行后台主机的命令,在网络或者后台主机发生故障时,便无法进行自主运转。具备边缘运算的工业物联网的控制终端虽然可是通过植入算法的方式实现自主控制,但是控制终端安装在现场,具有算法泄露的风险。
发明内容
有鉴于此,本发明的目的是提供基于工业物联网的控制终端,以解决上述背景技术中提出的问题。
为了实现上述目的,本发明采用了如下技术方案:
本发明的基于工业物联网的控制终端,包括:
获取模块,用于获取来自外部环境或者下位机的底层数据;
通信模块,用于将所述底层数据发送至上位机,并接收来自上位机的控制指令,其中,所述控制指令基于所述底层数据生成;
记录模块,用于记录所有控制指令,并记录与控制指令对应的底层数据、以及时间点;
关联模块,用于建立对应关系模型,其中,所述对应关系模型表征控制指令与底层数据、时间点的对应关系;
第一控制模块,用于接收到来自下位机的待命提示时,基于所述控制指令对下位机进行控制;
第二控制模块,用于在无法获取来自上位机的控制指令,且接收到来自下位机的待命提示时,获取当前时间点和当前底层数据,根据所述对应关系模型生成与当前时间点和当前底层数据对应的本地控制指令,并基于所述本地控制指令对下位机进行控制。
在本申请一实施例中,建立对应关系模型,包括:
构建数据表,其中,所述数据表包括每一个控制指令、以及每一个控制指令对应的底层数据的值和时间点;
对所述数据表进行统计,得到每一种控制指令对应的底层数据取值集合;
按照每一个底层数据集合中的数据平均值大小对多个底层数据取值集合进行排序,对于所述排序中任意两个存在重叠取值的相邻底层数据集合,将重叠取值进行标记;
确定所述重叠取值对应的目标时间点,在所述目标时间点的数量为多个且与两个相邻底层数据集合均对应时,基于目标时间点对对应的底层数据集合中的重叠取值进行标记,得到每一种控制指令的关联集合;在所述目标时间点的数量为一个或者所述目标时间点只与其中一个相邻底层数据集合对应时,去除对应的重叠数据,得到每一种控制指令的关联集合;
对每一种控制指令的关联集合进行取值分类,得到多种风险系数对应的取值;
基于取值分类后的关联集合构建对应关系模型。
在本申请一实施例中,对每一种控制指令的关联集合进行取值分类,得到多种风险系数对应的取值,包括:
确定每一个关联集合中未被标记的取值的方差,并将每一个方差与预设阈值进行对比;
在任意一个关联集合的方差大于所述预设阈值时,将该关联集合中与平均值相差最大的多个取值标记为高风险取值,并回到确定每一个关联集合中未被标记的取值的方差,直至每一个关联集合中未被标记的取值的方差小于或者等于所述预设阈值;
在任意一个关联集合的方差小于或者等于所述预设阈值时,将每一个关联集合中未被标记的取值标记为低风险取值。
在本申请一实施例中,所述方差的数学表达式为:
,
其中为关联集合中未被标记的第i个取值,/>为关联集合中未被标记的取值的平均值,/>为关联集合中未被标记的取值的个数。
在本申请一实施例中,根据所述对应关系模型生成与当前时间点和当前底层数据对应的本地控制指令,包括:
确定与所述当前底层数据的值匹配的关联集合、以及关联集合中与所述当前底层数据的值匹配的匹配值;
在所述匹配值为低风险取值,且所述匹配值未被标记时,将所述匹配值所在的关联集合对应的控制指令作为本地控制指令;
在所述匹配值为低风险取值,且所述匹配值被目标时间点标记时,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,将与所述当前时间点和所述当前底层数据的值均匹配的关联集合对应的控制指令作为本地控制指令;
在所述匹配值为高风险取值,且所述匹配值未被标记时,输出风险提示信息,在接收到来自外部的风险确认信息后,将所述匹配值所在的关联集合对应的控制指令作为本地控制指令,其中,所述风险确认信息基于所述风险提示信息生成;
在所述匹配值为高风险取值,且所述匹配值被目标时间点标记时,输出风险提示信息,在接收到来自外部的风险确认信息后,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,将与所述当前时间点和所述当前底层数据的值均匹配的关联集合对应的控制指令作为本地控制指令,其中,所述风险确认信息基于所述风险提示信息生成。
在本申请一实施例中,还包括如下方法确定匹配值:
在所述当前底层数据的值位于任意一个关联集合中任意两个相邻取值之间时,判定所述两个相邻取值为匹配值。
在本申请一实施例中,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,包括:
将所述当前时间点与多个匹配值所在的关联集合的目标时间点进行对比,将与所述当前时间点差值最小的目标时间点对应的关联集合作为匹配的关联集合。
在本申请一实施例中,所述控制指令中包括验证信息,其中,基于所述控制指令对下位机进行控制,包括:
将本地的身份信息与所述验证信息进行对比,在所述本地的身份信息与所述验证信息一致时,基于所述控制指令生成控制信号,其中,所述控制信号用于控制所述下位机。
在本申请一实施例中,还包括:
在本地的身份信息与所述验证信息不一致时,将所述控制指令广播至物联网。
在本申请一实施例中,还包括:
显示和输入模块,用于输出风险提示信息,并用于接收到来自外部的风险确认信息,其中,所述风险确认信息基于所述风险提示信息生成。
本发明的有益效果是:本发明的基于工业物联网的控制终端,通过记录终端在工作过程中采集的底层数据以及基于底层数据生成的控制指令、控制指令的生成时间点,来建立控制指令与底层数据、时间点之间的关联,得到对应关系模型。在网络正常时,通过控制指令来进行对应的控制动作。在网络故障无法接收到来自上位机的控制指令时,根据建立的对应关系模型、当前底层数据、当前时间点来预测上位机的控制指令,并自行接管控制。从而能够避免网络故障时下位机停转。此外,由于本终端是基于上位机的控制指令和采集的底层数据来构建一个预测模型,因此不需要植入算法,具有较高的安全性。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1是本申请一实施例中示出的基于工业物联网的控制终端的结构示意图;
图2是本申请一实施例中示出的建立对应关系模型的流程图;
图3是本申请一实施例中示出的得到多种风险系数对应的取值的流程图;
图4是本申请一实施例中示出的生成本地控制指令的流程图;
图5是本申请一实施例中示出的基于工业物联网的控制方法的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的层而非按照实际实施时的层数目、形状及尺寸绘制,其实际实施时各层的型态、数量及比例可为一种随意的改变,且其层布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的。
本申请中的基于工业物联网的控制终端,应用在计算机管理领域,执行对象可以为计算机、移动终端或者服务器。
图1是本申请一实施例中示出的基于工业物联网的控制终端的结构示意图,如图2所示:本实施例的基于工业物联网的控制终端,包括:
获取模块110,用于获取来自外部环境或者下位机的底层数据;
其中,底层数据来自于传感器采集的环境参数或者时下位机的运行参数。一些自动控制系统中,需要根据传感器采集的环境参数来对下位机设备进行控制;具体地,获取模块可以是数据接口。
例如,自来水厂内的对于絮凝剂的自动加注,需要由中央服务器对传感器采集的水体参数(电导率、透光度等)进行分析运算后,生成对应的控制指令,控制指令对控制指令进行解析,生成对应的控制信号去控制下位机(如自动加料设备)。
例如,发电厂中的控制开关的终端设备,先采集电缆中的电信号上传至上位机,上位机通过相关算法进行运算分析后,生成控制指令并返回至终端。终端对控制指令进行解析,生成对应的控制信号去控制开关(如继电器)。
通信模块120,用于将所述底层数据发送至上位机,并接收来自上位机的控制指令,其中,所述控制指令基于所述底层数据生成;通信模块为控制终端内部的物联网模块,例如NB-IOT模块、zigbee模块等。主要用于与上位机进行通信。
记录模块130,用于记录所有控制指令,并记录与控制指令对应的底层数据、以及时间点;
其中,控制终端内部设置存储器,在每一次任务执行时,便将控制指令、控制指令对应的底层数据和时间点记录下来,以便于找到其内部的对应关系。
关联模块140,用于建立对应关系模型,其中,所述对应关系模型表征控制指令与底层数据、时间点的对应关系;
在本申请中,对应关系模型描述了历史任务执行时,不同控制指令与底层数据、时间点的对应关系。例如,在水厂中,采集到净化池内的电导率过大,说明水体依然浑浊,需要增加絮凝剂以加速水体沉淀。但是在一些用水量较大的时间,水量供应需要增加,那么还需要进一步地增加絮凝剂。那么其对应关系就应该是:
(1)底层数据:电导率X1;时间点:Y1;控制指令:增加A量的絮凝剂;
(2)底层数据:电导率X2;时间点:Y2;控制指令:增加B量的絮凝剂;
其中,Y2时间点相较于Y1时间点,用水量更大。因此B大于A。
第一控制模块150,用于接收到来自下位机的待命提示时,基于所述控制指令对下位机进行控制;
第二控制模块160,用于在无法获取来自上位机的控制指令,且接收到来自下位机的待命提示时,获取当前时间点和当前底层数据,根据所述对应关系模型生成与当前时间点和当前底层数据对应的本地控制指令,并基于所述本地控制指令对下位机进行控制。
其中,为了避免上位机在不需要下位机工作时,控制终端自行启动。本申请中引入了待命机制,即下位机向控制终端发送待命提示时,控制终端才能够成功地控制下位机。因此,上位机发送控制指令,且下位机发送待命提示,终端才会基于控制指令来控制下位机。其中,下位机的待命提示可以是手动收入的,也可以是预先设置定时发送的,也可以通过其他网络由上位机控制下位机发送的。
如果工业物联网发生故障,那么上位机的控制指令无法发送至控制终端。此时,如果需要进行生产作业,下位机发送待命提示。控制终端便可以做出判定,网络或者上位机故障。为了不耽误生产作业,控制终端基于日常任务执行时的数据建构的对应关系模型自行接管控制权限,通过获取当前底层数据的值和当前时间点推测出应该发送的控制指令,从而对下位机进行控制。上述过程中,由于控制终端内部不植入算法,因此特别适合应用在技术供应商将控制终端应用在外部场所的场景中。同时,由于仅根据日常数据来建立一个对应关系,不涉及复杂算法,因此不需要强大算力,也能够解决边缘设备中成本较高的问题。
图2是本申请一实施例中示出的建立对应关系模型的流程图,如图2所示,在本申请一实施例中,建立对应关系模型的过程包括步骤S210至步骤S260:
S210,构建数据表,其中,所述数据表包括每一个控制指令、以及每一个控制指令对应的底层数据的值和时间点;
本申请以列表的形式将记录的数据进行整理。得到一个初步的控制指令与底层数据、时间点的对应关系。
S220,对所述数据表进行统计,得到每一种控制指令对应的底层数据取值集合;
其中,底层数据取值集合是离散的集合,包含多个底层数据取值。另外,每一种控制指令对应的多个时间点也可以构建时间点集合。
S230,按照每一个底层数据集合中的数据平均值大小对多个底层数据取值集合进行排序,对于所述排序中任意两个存在重叠取值的相邻底层数据集合,将重叠取值进行标记;
由于每一个底层数据集合对应的是一种控制指令,一般来说,控制指令是与底层数据的值相关的,因此每一个底层数据集合的多个底层数据的值一般是在一个特定范围中的。因此,通过计算平均值的方式来确定每多个集合的大致大小关系,以便于进行排序。
其中,多个集合不可避免地会存在重复,因此即便底层数据是同一个值,也会因为不同的时间、不同的控制目的,产生不同的控制指令。由于控制目的是主观不可控的。因此,本申请仅引入时间来区别重叠数据对应的控制指令。
S240,确定所述重叠取值对应的目标时间点;
在所述目标时间点的数量为多个且与两个相邻底层数据集合均对应时,基于目标时间点对对应的底层数据集合中的重叠取值进行标记,得到每一种控制指令的关联集合;
在所述目标时间点的数量为一个或者所述目标时间点只与其中一个相邻底层数据集合对应时,去除对应的重叠数据,得到每一种控制指令的关联集合;
在本实施例中,在所述目标时间点的数量为多个且与两个相邻底层数据集合均对应时,说明重叠取值对应了两种控制指令,因此将对应的两个关联集合中的重叠取值进行时间点标记,加以区分。
如果重叠取值恰好处于一个时间点,那么就舍弃这个取值。这种情况出现的概率极小,因此并不会去除很多取值。
S250,对每一种控制指令的关联集合进行取值分类,得到多种风险系数对应的取值;
本实施例中,还需要对关联集合中的各个值进行风险评估,关联集合中取值越稳定,说明其可靠性越强,越能够体现与控制指令的对应关系。反之,不稳定的取值便可以定义为高风险取值。
S260,基于取值分类后的关联集合构建对应关系模型。
图3是本申请一实施例中示出的得到多种风险系数对应的取值的流程图,如图3所示,对每一种控制指令的关联集合进行取值分类,得到多种风险系数对应的取值的过程可以包括步骤S310至步骤S330,详细介绍如下:
S310,确定每一个关联集合中未被标记的取值的方差,并将每一个方差与预设阈值进行对比;
S320,在任意一个关联集合的方差大于所述预设阈值时,将该关联集合中与平均值相差最大的多个取值标记为高风险取值,并回到确定每一个关联集合中未被标记的取值的方差,直至每一个关联集合中未被标记的取值的方差小于或者等于所述预设阈值;
S330,在任意一个关联集合的方差小于或者等于所述预设阈值时,将每一个关联集合中未被标记的取值标记为低风险取值。
其中,本申请采用求方差的方式来判定每一个关联集合中取值的可靠性,所述方差的数学表达式为:
,
其中为关联集合中未被标记的第i个取值,/>为关联集合中未被标记的取值的平均值,/>为关联集合中未被标记的取值的个数。
本实施例中,第一次求方差时,每一个关联集合中的每个取值均为被标记,因此计算方差的范围是每一个关联集合中的所有取值。如果求得的方差大于预设阈值,说明此时关联集合中的取值不够稳定。通过标记其中与平均值相差最大的多个取值,然后继续求未被标记的取值的方差。重复上述步骤,直至每一个关联集合中未被标记的取值的方差小于或者等于预设阈值,说明此时未被标记的取值比较稳定,可以用来描述取值与控制指令之间的对应关系。
图4是本申请一实施例中示出的生成本地控制指令的流程图,如图4所示,在本申请一实施例中,根据所述对应关系模型生成与当前时间点和当前底层数据对应的本地控制指令的过程可以包括步骤S410至步骤S450:
S410,确定与所述当前底层数据的值匹配的关联集合、以及关联集合中与所述当前底层数据的值匹配的匹配值;
S420,在所述匹配值为低风险取值,且所述匹配值未被标记时,将所述匹配值所在的关联集合对应的控制指令作为本地控制指令;
S430,在所述匹配值为低风险取值,且所述匹配值被目标时间点标记时,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,将与所述当前时间点和所述当前底层数据的值均匹配的关联集合对应的控制指令作为本地控制指令;
S440,在所述匹配值为高风险取值,且所述匹配值未被标记时,输出风险提示信息,在接收到来自外部的风险确认信息后,将所述匹配值所在的关联集合对应的控制指令作为本地控制指令,其中,所述风险确认信息基于所述风险提示信息生成;
S450,在所述匹配值为高风险取值,且所述匹配值被目标时间点标记时,输出风险提示信息,在接收到来自外部的风险确认信息后,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,将与所述当前时间点和所述当前底层数据的值均匹配的关联集合对应的控制指令作为本地控制指令,其中,所述风险确认信息基于所述风险提示信息生成。
其中,步骤S420-步骤S450时并列选项,其思路为:如果匹配值不属于重叠取值,那么这个当前底层数据的值只会对应一个关联集合,也就只对应一个控制指令。如果匹配值属于重叠取值,那么就会对应多个关联集合,以及多个控制指令。因此,在通过当前时间点来进一步进行匹配,得到唯一的一个控制指令即可。上述过程可以使得匹配过程更加准确,得到的控制指令更加符合日常任务的规律。
在本申请一实施例中,还包括如下方法确定匹配值:
在所述当前底层数据的值位于任意一个关联集合中任意两个相邻取值之间时,判定所述两个相邻取值为匹配值。
在本实施例中,由于匹配值是两个,因此有可能会出现其中一个匹配值属于重叠取值,另一个则不是,为了更加准确地获取对应的控制指令。在上述情况出现时,以属于重叠取值的其中一个匹配值作为最终的匹配值。在两个匹配值均属于重叠取值或者两个匹配值均不属于重叠取值时,取其中一个即可。
在本申请一实施例中,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,包括:
将所述当前时间点与多个匹配值所在的关联集合的目标时间点进行对比,将与所述当前时间点差值最小的目标时间点对应的关联集合作为匹配的关联集合。
其中,将与所述当前时间点差值最小的目标时间点对应的关联集合作为匹配的关联集合,可以直接得到唯一的一个关联集合,以及唯一的一个控制指令。且时间最近,能够最大程度的保证得到的控制指令符合日常任务的规律。
在本申请一实施例中,所述控制指令中包括验证信息,其中,基于所述控制指令对下位机进行控制,包括:
将本地的身份信息与所述验证信息进行对比,在所述本地的身份信息与所述验证信息一致时,基于所述控制指令生成控制信号,其中,所述控制信号用于控制所述下位机。
在本实施例中,还引入了验证机制,从而保证执行任务的控制终端不会出错。
在本申请一实施例中,还包括:
在本地的身份信息与所述验证信息不一致时,将所述控制指令广播至物联网。
在本申请一实施例中,还包括:
显示和输入模块,用于输出风险提示信息,并用于接收到来自外部的风险确认信息,其中,所述风险确认信息基于所述风险提示信息生成。
本发明的基于工业物联网的控制终端,通过记录终端在工作过程中采集的底层数据以及基于底层数据生成的控制指令、控制指令的生成时间点,来建立控制指令与底层数据、时间点之间的关联,得到对应关系模型。在网络正常时,通过控制指令来进行对应的控制动作。在网络故障无法接收到来自上位机的控制指令时,根据建立的对应关系模型、当前底层数据、当前时间点来预测上位机的控制指令,并自行接管控制。从而能够避免网络故障时下位机停转。此外,由于本终端是基于上位机的控制指令和采集的底层数据来构建一个预测模型,因此不需要植入算法,具有较高的安全性。
如图5所示,本申请还提供基于工业物联网的控制方法,包括步骤:
S510,获取来自外部环境或者下位机的底层数据;
S520,将所述底层数据发送至上位机,并接收来自上位机的控制指令,其中,所述控制指令基于所述底层数据生成;
S530,记录所有控制指令,并记录与控制指令对应的底层数据、以及时间点;
S540,建立对应关系模型,其中,所述对应关系模型表征控制指令与底层数据、时间点的对应关系;
S550,接收到来自下位机的待命提示时,基于所述控制指令对下位机进行控制;
S560,在无法获取来自上位机的控制指令,且接收到来自下位机的待命提示时,获取当前时间点和当前底层数据,根据所述对应关系模型生成与当前时间点和当前底层数据对应的本地控制指令,并基于所述本地控制指令对下位机进行控制。
本发明的基于工业物联网的控制方法,通过记录终端在工作过程中采集的底层数据以及基于底层数据生成的控制指令、控制指令的生成时间点,来建立控制指令与底层数据、时间点之间的关联,得到对应关系模型。在网络正常时,通过控制指令来进行对应的控制动作。在网络故障无法接收到来自上位机的控制指令时,根据建立的对应关系模型、当前底层数据、当前时间点来预测上位机的控制指令,并自行接管控制。从而能够避免网络故障时下位机停转。此外,由于本终端是基于上位机的控制指令和采集的底层数据来构建一个预测模型,因此不需要植入算法,具有较高的安全性。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例中的任一项方法,其中,所述方法即为本系统的执行逻辑。
本实施例还提供一种电子终端,包括:处理器及存储器;
存储器用于存储计算机程序,处理器用于执行存储器存储的计算机程序,以使终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端,包括处理器、存储器、收发器和通信接口,存储器和通信接口与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于进行通信,处理器和收发器用于运行计算机程序,使电子终端执行如上方法的各个步骤。
在本实施例中,存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中,尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.基于工业物联网的控制终端,其特征在于,包括:
获取模块,用于获取来自外部环境或者下位机的底层数据;
通信模块,用于将所述底层数据发送至上位机,并接收来自上位机的控制指令,其中,所述控制指令基于所述底层数据生成;
记录模块,用于记录所有控制指令,并记录与控制指令对应的底层数据、以及时间点;
关联模块,用于建立对应关系模型,其中,所述对应关系模型表征控制指令与底层数据、时间点的对应关系;
第一控制模块,用于接收到来自下位机的待命提示时,基于所述控制指令对下位机进行控制;
第二控制模块,用于在无法获取来自上位机的控制指令,且接收到来自下位机的待命提示时,获取当前时间点和当前底层数据,根据所述对应关系模型生成与当前时间点和当前底层数据对应的本地控制指令,并基于所述本地控制指令对下位机进行控制。
2.根据权利要求 1 所述的基于工业物联网的控制终端,其特征在于,建立对应关系模型,包括:
构建数据表,其中,所述数据表包括每一个控制指令、以及每一个控制指令对应的底层数据的值和时间点;
对所述数据表进行统计,得到每一种控制指令对应的底层数据取值集合;
按照每一个底层数据集合中的数据平均值大小对多个底层数据取值集合进行排序,对于所述排序中任意两个存在重叠取值的相邻底层数据集合,将重叠取值进行标记;
确定所述重叠取值对应的目标时间点,在所述目标时间点的数量为多个且与两个相邻底层数据集合均对应时,基于目标时间点对对应的底层数据集合中的重叠取值进行标记,得到每一种控制指令的关联集合;在所述目标时间点的数量为一个或者所述目标时间点只与其中一个相邻底层数据集合对应时,去除对应的重叠数据,得到每一种控制指令的关联集合;
对每一种控制指令的关联集合进行取值分类,得到多种风险系数对应的取值;
基于取值分类后的关联集合构建对应关系模型。
3.根据权利要求 1 所述的基于工业物联网的控制终端,其特征在于,对每一种控制指令的关联集合进行取值分类,得到多种风险系数对应的取值,包括:
确定每一个关联集合中未被标记的取值的方差,并将每一个方差与预设阈值进行对比;
在任意一个关联集合的方差大于所述预设阈值时,将该关联集合中与平均值相差最大的多个取值标记为高风险取值,并回到确定每一个关联集合中未被标记的取值的方差,直至每一个关联集合中未被标记的取值的方差小于或者等于所述预设阈值;
在任意一个关联集合的方差小于或者等于所述预设阈值时,将每一个关联集合中未被标记的取值标记为低风险取值。
4.根据权利要求 3 所述的基于工业物联网的控制终端,其特征在于,所述方差的数学表达式为:
,
其中为关联集合中未被标记的第i个取值,/>为关联集合中未被标记的取值的平均值,/>为关联集合中未被标记的取值的个数。
5.根据权利要求 3 所述的基于工业物联网的控制终端,其特征在于,根据所述对应关系模型生成与当前时间点和当前底层数据对应的本地控制指令,包括:
确定与所述当前底层数据的值匹配的关联集合、以及关联集合中与所述当前底层数据的值匹配的匹配值;
在所述匹配值为低风险取值,且所述匹配值未被标记时,将所述匹配值所在的关联集合对应的控制指令作为本地控制指令;
在所述匹配值为低风险取值,且所述匹配值被目标时间点标记时,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,将与所述当前时间点和所述当前底层数据的值均匹配的关联集合对应的控制指令作为本地控制指令;
在所述匹配值为高风险取值,且所述匹配值未被标记时,输出风险提示信息,在接收到来自外部的风险确认信息后,将所述匹配值所在的关联集合对应的控制指令作为本地控制指令,其中,所述风险确认信息基于所述风险提示信息生成;
在所述匹配值为高风险取值,且所述匹配值被目标时间点标记时,输出风险提示信息,在接收到来自外部的风险确认信息后,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,将与所述当前时间点和所述当前底层数据的值均匹配的关联集合对应的控制指令作为本地控制指令,其中,所述风险确认信息基于所述风险提示信息生成。
6.根据权利要求 5 所述的基于工业物联网的控制终端,其特征在于,还包括如下方法确定匹配值:
在所述当前底层数据的值位于任意一个关联集合中任意两个相邻取值之间时,判定所述两个相邻取值为匹配值。
7.根据权利要求 5 所述的基于工业物联网的控制终端,其特征在于,确定与所述当前时间点和所述当前底层数据的值均匹配的关联集合,包括:
将所述当前时间点与多个匹配值所在的关联集合的目标时间点进行对比,将与所述当前时间点差值最小的目标时间点对应的关联集合作为匹配的关联集合。
8.根据权利要求 1 所述的基于工业物联网的控制终端,其特征在于,所述控制指令中包括验证信息,其中,基于所述控制指令对下位机进行控制,包括:
将本地的身份信息与所述验证信息进行对比,在所述本地的身份信息与所述验证信息一致时,基于所述控制指令生成控制信号,其中,所述控制信号用于控制所述下位机。
9.根据权利要求 8 所述的基于工业物联网的控制终端,其特征在于,还包括:
在本地的身份信息与所述验证信息不一致时,将所述控制指令广播至物联网。
10.根据权利要求 5 所述的基于工业物联网的控制终端,其特征在于,还包括:
显示和输入模块,用于输出风险提示信息,并用于接收到来自外部的风险确认信息,其中,所述风险确认信息基于所述风险提示信息生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149139.8A CN116880340B (zh) | 2023-09-07 | 2023-09-07 | 基于工业物联网的控制终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149139.8A CN116880340B (zh) | 2023-09-07 | 2023-09-07 | 基于工业物联网的控制终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116880340A true CN116880340A (zh) | 2023-10-13 |
CN116880340B CN116880340B (zh) | 2023-12-29 |
Family
ID=88262584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311149139.8A Active CN116880340B (zh) | 2023-09-07 | 2023-09-07 | 基于工业物联网的控制终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116880340B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201130325Y (zh) * | 2007-12-17 | 2008-10-08 | 泰豪科技股份有限公司 | 基于pc104的电站网络监控器 |
CN102981484A (zh) * | 2012-11-29 | 2013-03-20 | 中农先飞(北京)农业工程技术有限公司 | 一种基于物联网的温室智能控制系统 |
CN106200434A (zh) * | 2016-08-18 | 2016-12-07 | 广州市迪士普音响科技有限公司 | 智慧平台的云计算和大数据处理方法和系统 |
CN108319219A (zh) * | 2018-04-04 | 2018-07-24 | 嘉善卡勒机车零部件有限公司 | 机车零部件包装生产线的集散控制系统及通讯方法 |
CN112799349A (zh) * | 2020-12-31 | 2021-05-14 | 浙江热刺激光技术有限公司 | 一种上下位机的控制方法、系统、电子设备及存储介质 |
WO2021164382A1 (zh) * | 2020-02-17 | 2021-08-26 | 支付宝(杭州)信息技术有限公司 | 针对用户分类模型进行特征处理的方法及装置 |
US20220021316A1 (en) * | 2019-01-28 | 2022-01-20 | Beijing Jingwei Hirain Technologies Co., Inc. | Motor control method and device |
-
2023
- 2023-09-07 CN CN202311149139.8A patent/CN116880340B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201130325Y (zh) * | 2007-12-17 | 2008-10-08 | 泰豪科技股份有限公司 | 基于pc104的电站网络监控器 |
CN102981484A (zh) * | 2012-11-29 | 2013-03-20 | 中农先飞(北京)农业工程技术有限公司 | 一种基于物联网的温室智能控制系统 |
CN106200434A (zh) * | 2016-08-18 | 2016-12-07 | 广州市迪士普音响科技有限公司 | 智慧平台的云计算和大数据处理方法和系统 |
CN108319219A (zh) * | 2018-04-04 | 2018-07-24 | 嘉善卡勒机车零部件有限公司 | 机车零部件包装生产线的集散控制系统及通讯方法 |
US20220021316A1 (en) * | 2019-01-28 | 2022-01-20 | Beijing Jingwei Hirain Technologies Co., Inc. | Motor control method and device |
WO2021164382A1 (zh) * | 2020-02-17 | 2021-08-26 | 支付宝(杭州)信息技术有限公司 | 针对用户分类模型进行特征处理的方法及装置 |
CN112799349A (zh) * | 2020-12-31 | 2021-05-14 | 浙江热刺激光技术有限公司 | 一种上下位机的控制方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116880340B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109596913B (zh) | 充电桩故障原因诊断方法及装置 | |
AU2020394302A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
CN109861206B (zh) | 一种基于支持向量机的暂态功角稳定故障筛选系统及方法 | |
US11604461B2 (en) | Method and apparatus for monitoring the condition of subsystems within a renewable generation plant or microgrid | |
Hou et al. | Data‐driven affinely adjustable distributionally robust framework for unit commitment based on Wasserstein metric | |
US20130054211A1 (en) | Unit commitment for wind power generation | |
CN116258484B (zh) | 设备的预测性运维方案生成方法、装置、终端设备和介质 | |
CN113486585A (zh) | 设备剩余使用寿命预测方法、装置、电子设备及存储介质 | |
CN116880340B (zh) | 基于工业物联网的控制终端 | |
CN112449362B (zh) | 基于信物模型的智能传感器自适应配置方法、装置及系统 | |
CN101646982A (zh) | 用于监视系统健康的方法和装置 | |
CN113325767A (zh) | 场景推荐方法、装置、存储介质及电子设备 | |
CN115860278A (zh) | 一种基于数据分析的电机组装生产管理方法及系统 | |
CN115275975A (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
CN115345519A (zh) | 海上风电风险评估方法、装置、设备及存储介质 | |
CN113011745A (zh) | 电网安全运维中的异常检测方法、装置、设备和介质 | |
Fan et al. | A Bayesian framework to integrate knowledge-based and data-driven inference tools for reliable yield diagnoses | |
CN114153889A (zh) | 一种发电站监控系统、方法、可读介质及电子设备 | |
CN116954169B (zh) | 基于dcs控制的信息安全控制方法、装置、设备及介质 | |
CN113742164B (zh) | 基于数字电网的多样化数据采集系统、方法和存储介质 | |
CN117132176B (zh) | 基于预报因子筛选的径流预报模型构建和径流预报方法 | |
CN112907221B (zh) | 一种自服务方法、装置及系统 | |
CN117332236B (zh) | 一种虚拟电厂的数据跟踪检测方法、装置及存储介质 | |
US20240061739A1 (en) | Incremental causal discovery and root cause localization for online system fault diagnosis | |
CN117667311A (zh) | 容器集群的监控告警方法及装置 |
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 |