CN117112459A - 一种多设备分布式数据采集系统构建及方法 - Google Patents
一种多设备分布式数据采集系统构建及方法 Download PDFInfo
- Publication number
- CN117112459A CN117112459A CN202311044608.XA CN202311044608A CN117112459A CN 117112459 A CN117112459 A CN 117112459A CN 202311044608 A CN202311044608 A CN 202311044608A CN 117112459 A CN117112459 A CN 117112459A
- Authority
- CN
- China
- Prior art keywords
- unit
- data acquisition
- component
- distributed data
- gateway
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000010276 construction Methods 0.000 title abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 231100000279 safety data Toxicity 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 241000566146 Asio Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/10—Program control for peripheral devices
- G06F13/12—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor
- G06F13/124—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor where hardware is a sequential transfer control unit, e.g. microprocessor, peripheral processor or state-machine
- G06F13/126—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor where hardware is a sequential transfer control unit, e.g. microprocessor, peripheral processor or state-machine and has means for transferring I/O instructions and statuses between control unit and main processor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/10—Program control for peripheral devices
- G06F13/12—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor
- G06F13/124—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor where hardware is a sequential transfer control unit, e.g. microprocessor, peripheral processor or state-machine
- G06F13/128—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor where hardware is a sequential transfer control unit, e.g. microprocessor, peripheral processor or state-machine for dedicated transfers to a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/38—Information transfer, e.g. on bus
- G06F13/40—Bus structure
- G06F13/4063—Device-to-bus coupling
- G06F13/4068—Electrical coupling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种多设备分布式数据采集系统构建及方法,涉及设备通信技术领域,包括远程PC机单元、无线扩展网关单元、云服务器单元与分布式数据采集单元,所述分布式数据采集单元采用双网双串配置的G‑30微型主机,通过连接延伸的串口、网口接受不同设备来源的数据,在微型主机开发本地服务器,依靠多线程轮询的方式监听防止数据缺失,并利用数据清洗算法减轻服务器数据处理负担,该多设备分布式数据采集系统构建及方法,基于本发明开发的整套多设备分布式数据采集系统使用的微型主机可适应复杂、危险环境,因而适用于大部分工业应用场景,有利于解决串口及网络总线通道受限的情况,在保持实时性的同时具备一定的抗干扰能力。
Description
技术领域
本发明涉及设备通信技术领域,具体为一种多设备分布式数据采集系统构建及方法。
背景技术
数据采集是指从设备传感器单元测得电量或非电量信号经过规范、有效地采集,并送至上位机进行分析、处理等过程。数据采集网络是结合现有测试平台的软硬件产品实现灵活的用户自定义的测量系统。数据采集网络的任务是将多种设备的异质数据进行处理并得出特定的数据结果。
物联网是工业4.0以后制造业升级的核心之一,在当前工业生产中,为节约人力成本和提高生产效率,自动化产线通常配备多台设备以通过协同工作完成生产工序。设备与系统之间水平集成、垂直集成与任意的信息互通是产业智能化的重点突破方向。
实时采集监测数据可以为多设备工况及合理安排做出参考,紧急状况下可避免生产事故发生,同时方便决策者节能减排,优化生产成本。因此多设备数据的稳定采集及边缘网关决策机制是自动化产线面向未来必不可少的一环。
PC机直接作为上位机的方式是复杂工业现场下的常见应用场景,但受到环境、能耗及人员安全等因素的制约,且近年来联网设备受到网络攻击的事件不断增多,自动化产线的数据采集与监测需要做到与时俱进。随着芯片处理能力的高速发展,微型主机在继承PC机优点的同时保证了可作为计算单元节点的可靠性和实时性,它可以连通多个设备,作为单元数据采集系统可布置为数据采集网络,因此具有良好的扩展性。与传统的云计算、汇集至上位机计算不同,将部分计算任务下放至设备终端附近,完成局部的监测和安全处理的方式被称为边缘计算。
OPCUA是OPC基金会推出的最新一代工业数据交互规范,能够支持数据在工厂内各层级之间进行横向或纵向的透明传输,能够将OT数据集成到IT工具中,实现工厂OT层与IT层的融合集成,提高数据的互联互通性,从而推动工厂的数字化转型进程。知识图谱具有与OPC UA信息模型相似的信息组织方式,即实体、属性及关系,知识图谱本体具有比OPCUA信息模型更强的语义表达能力,能够支持更加复杂的SPAROL语义查询和知识推理,因此将OPCUA信息模型映射转换为知识图谱有助于实现更加灵活的查询以及服务上层更加智能的应用。信息模型的自动构建角度出发,即基于知识图谱映射生成OPC UA信息模型。
传统的数据采集系统大多是一对一的串口通信或总线通信(例如RS232、RS485、CAN总线)采集系统,即采集的所有信号需通过数据采集单元上传至对应的PC机,这样的数据采集系统造成串口或网络总线通道无法扩充,数据采集实时性不高、抗干扰能力不强等问题;同时设备的位置相对分散,传输距离过长势必造成通信质量不佳、数据采集不稳定等问题;异质设备数据的分类采集及处理也为数据的实时性造成很大障碍,上位机无法及时响应终端的应急处理请求;另外,一对一的PC采集系统在一定程度上造成资源的浪费,增加不必要的生产和能耗成本;工业联网设备易受到网络攻击,一旦防火墙被攻破则产线整体停摆甚至有不可控的风险。传统工厂内设备已有的信息模型可能多种多样,无论设备是否已有模型、针对该模型是否存在相应的映射规则,工程师大多都需要手工建立OPC UA信息模型。同时,手动建模的方式需要工程师熟练掌握OPC UA理论知识和相关工具,并且对产线设备和工厂需求十分熟悉。因此提出了一种多设备分布式数据采集系统构建及方法。
发明内容
针对现有技术的不足,本发明提供了一种多设备分布式数据采集系统构建及方法,解决了上述背景技术中提出的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种多设备分布式数据采集系统构建,包括远程PC机单元、无线扩展网关单元、云服务器单元与分布式数据采集单元,所述分布式数据采集单元采用双网双串配置的G-30微型主机,通过连接延伸的串口、网口接受不同设备来源的数据,在微型主机开发本地服务器,依靠多线程轮询的方式监听防止数据缺失,并利用数据清洗算法减轻服务器数据处理负担,在首次连接可生成可读性良好的信息模型属性及引用关系的JSON格式文件,待PC机完成信息建模后,分布式数据采集单元可直接生成实时设备状态数据;
所述无线扩展网关单元,获取经分布式数据采集单元处理后的数据,高速透传至远程PC机单元或云服务器单元;
所述远程PC机单元,用于汇总各分布式数据采集单元获取的JSON格式文件,迅速运用知识图谱-OPC UA映射规则完成整条自动化生产线的信息建模;
所述云服务器单元,远程人员可通过移动设备可以登录网页访问云服务器单元服务器实时检测生产线状态。
可选的,所述分布式数据采集单元选用的微型主机存有G固态硬盘,可以存储重要的安全数据和本地处理模型,当安全机制触发后迅速遍历本地处理模型,标记异常数据,在最短时间内对边缘设备完成强制关机等紧急处理。
可选的,所述分布式数据采集单元的硬件平台进行抽象,封装底层硬件的访问操作,对其他构件提供统一的硬件访问接口,管理其他构件对同一硬件资源的访问,所述硬件管理构件将网关的业务功能与具体的硬件平台解耦,保证系统的可移植性,所述微型主机的主要构件包括南向通信构件、北向通信构件、实时库构件、工程配置构件、历史日志构件、故障监测构件与边缘计算构件,所述微型主机与终端节点的物联网通信通过南向通信构件负责,根据工程应用需要,网关可同时部署多个南向通信构件,网关与云平台的通信通过北向通信构件负责,包括适用于公网通信的MQTT规约构件,网关可依据应用场景需要部署多个北向通信构件,同时与多个后台系统基于不同规约进行通信;缓存南向通信构件采集的终端节点数据通过实时库构件负责,以语义数据方式存放,为北向通信、边缘计算、历史日志其他系统构件提供源数据;解读网关的工程配置文件通过工程配置构件负责,为网关硬件参数设置、实时库分配、边缘计算策略提供实例化配置信息,工程配置构件提供归一化的访问接口,兼容嵌入式数据库、JSON文件、XML文件等各种配置存储方式;历史日志构件负责记录符合特定条件的高价值款据,历史日志构件还负责管理增量传输策略所缓存的数据;故障监测构件对运行的其他构件进行状态监测,当检测到其他构件出现问题时,故障监测构件将实施自愈策略来恢复问题构件,保证网关业务功能稳定运行。
可选的,所述边缘计算构件分为突发型策略构件和周期型策略构件两种。
可选的,所述突发型策略构件实施非计划型任务,由特定的事件触发;短期型策略处理计划型任务,由系统时钟触发,网关可以根据应用场景的需要,同时选装多个边缘计算策略构件。
可选的,所述分布式数据采集单元在首次连接设备时所采集的数据需为信息建模预处理——生成本体文件,微型主机的服务器将该文件发送至可无限扩展的网关单元,选用高速百兆以太网交换机进行网关单元的无限扩展。
一种多设备分布式数据采集方法,包括以下步骤:
步骤一:采用双网双串配置的G-30微型主机,通过连接延伸的串口、网口接受不同设备来源的数据,在微型主机开发本地服务器,依靠多线程轮询的方式监听防止数据缺失,并利用数据清洗算法减轻服务器数据处理负担,在首次连接可生成可读性良好的信息模型属性及引用关系的JSON格式文件;
步骤二:待PC机完成信息建模后,分布式数据采集单元直接生成实时设备状态数据;
步骤三:无线扩展网关单元获取经分布式数据采集单元处理后的数据,高速透传至远程PC机单元或云服务器单元;
步骤四:远程PC机单元汇总各分布式数据采集单元获取的JSON格式文件,迅速运用知识图谱-OPC UA映射规则完成整条自动化生产线的信息建模。
本发明提供了一种多设备分布式数据采集系统构建及方法,具备以下有益效果:
1.该多设备分布式数据采集系统构建及方法,基于本发明开发的整套多设备分布式数据采集系统使用的微型主机可适应复杂、危险环境,因而适用于大部分工业应用场景,有利于解决串口及网络总线通道受限的情况,在保持实时性的同时具备一定的抗干扰能力。
2.该多设备分布式数据采集系统构建及方法,基于微型主机可以与无限扩展网关组合搭建性能良好、性价比高的数据采集网络,且具有可视化程度高、拓展性强、能耗低等优点,自动信息建模使得工控自动化生产线智能化突破,同时设备兼容能力在不断提升。
附图说明
图1为本发明系统架构结构示意图;
图2为本发明微型主机服务器底层通信流程图;
图3为本发明微型主机服务器多线程调用逻辑图;
图4为本发明微型主机主要构件图;
图5为本发明自动信息建模流程图;
图6为本发明N2380-G30微型主机示意图。
图中:1、远程PC机单元;2、无线扩展网关单元;3、云服务器单元;4、分布式数据采集单元。
具体实施方式
下面将结合本发明实施例中的附图,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一部分实施例,而不是全部的实施例。
请参阅图1至图6,本发明提供一种技术方案:一种多设备分布式数据采集系统构建,包括远程PC机单元1、无线扩展网关单元2、云服务器单元3与分布式数据采集单元4,分布式数据采集单元4采用双网双串配置的G-30微型主机,通过连接延伸的串口、网口接受不同设备来源的数据,在微型主机开发本地服务器,依靠多线程轮询的方式监听防止数据缺失,并利用数据清洗算法减轻服务器数据处理负担,在首次连接可生成可读性良好的信息模型属性及引用关系的JSON格式文件,待PC机完成信息建模后,分布式数据采集单元4可直接生成实时设备状态数据;分布式数据采集单元4采集不同来源的设备信息,在微型机的CentOS环境运用Boost库的ASIO开发出一套支持多线程轮询监听、串网口协议转换,且可以在微型主机高效运行的服务器,首先完成串口初始化配置,不同的线程分别创建session会话注册读事件,传至ASIO网络层会注册给对应的系统模型,再开启Io_context.run轮询事件机制检测读事件是否就绪,逻辑系统不断从线程事件队列取出需回调的函数;
无线扩展网关单元2,获取经分布式数据采集单元4处理后的数据,高速透传至远程PC机单元1或云服务器单元3;
远程PC机单元1,用于汇总各分布式数据采集单元4获取的JSON格式文件,迅速运用知识图谱-OPC UA映射规则完成整条自动化生产线的信息建模。
云服务器单元3,远程人员可通过移动设备可以登录网页访问云服务器单元3服务器实时检测生产线状态。
进一步,分布式数据采集单元4选用的微型主机存有32G固态硬盘,可以存储重要的安全数据和本地处理模型,当安全机制触发后迅速遍历本地处理模型,标记异常数据,在最短时间内对边缘设备完成强制关机等紧急处理。
进一步,分布式数据采集单元4的硬件平台进行抽象,封装底层硬件的访问操作,对其他构件提供统一的硬件访问接口,管理其他构件对同一硬件资源的访问,硬件管理构件将网关的业务功能与具体的硬件平台解耦,保证系统的可移植性,微型主机的主要构件包括南向通信构件、北向通信构件、实时库构件、工程配置构件、历史日志构件、故障监测构件与边缘计算构件,微型主机与终端节点的物联网通信通过南向通信构件负责,根据工程应用需要,网关可同时部署多个南向通信构件,网关与云平台的通信通过北向通信构件负责,包括适用于公网通信的MQTT规约构件,也包括IEC 60870-5-104、Modbus TCP等适用于局域网的通信规约构件,网关可依据应用场景需要部署多个北向通信构件,同时与多个后台系统基于不同规约进行通信;缓存南向通信构件采集的终端节点数据通过实时库构件负责,以语义数据方式存放,为北向通信、边缘计算、历史日志等其他系统构件提供源数据;解读网关的工程配置文件通过工程配置构件负责,为网关硬件参数设置、实时库分配、边缘计算策略等提供实例化配置信息,工程配置构件提供归一化的访问接口,兼容嵌入式数据库、JSON文件、XML文件等各种配置存储方式;历史日志构件负责记录符合特定条件的高价值款据,例如异常报警、定值调整、终端节点遥控、配置更新等事件,为网关的安全审计、事件查询提供数据,历史日志构件还负责管理增量传输策略所缓存的数据;故障监测构件对运行的其他构件进行状态监测,当检测到其他构件出现问题时,故障监测构件将实施自愈策略来恢复问题构件,保证网关业务功能稳定运行。
进一步,边缘计算构件分为突发型策略构件和周期型策略构件两种。
进一步,突发型策略构件实施非计划型任务,由特定的事件触发;短期性策略处理计划型任务,由系统时钟触发,网关可以根据应用场景的需要,同时选装多个边缘计算策略构件。
进一步,分布式数据采集单元4在首次连接设备时所采集的数据需为信息建模预处理——生成本体文件,微型主机的服务器将该文件发送至可无限扩展的网关单元,选用高速百兆以太网交换机进行网关单元的无限扩展,选用高速百兆以太网交换机进行网关单元的无限扩展,无线扩展网关单元2所示,百兆以太网交换机采用星型拓扑结构连接,管理方便,组网容易,单一节点出现故障不会干扰其他节点工作,便于故障排查。该网关单元的无限扩展可保证分布式数据采集单元4可无限接入,方便规模化的数据采集网络铺设,在实时性要求苛刻的场景下可更换为千兆以太网交换机。
一种多设备分布式数据采集方法,包括以下步骤:
步骤一:采用双网双串配置的G-30微型主机,通过连接延伸的串口、网口接受不同设备来源的数据,在微型主机开发本地服务器,依靠多线程轮询的方式监听防止数据缺失,并利用数据清洗算法减轻服务器数据处理负担,在首次连接可生成可读性良好的信息模型属性及引用关系的JSON格式文件,
步骤二:待PC机完成信息建模后,分布式数据采集单元4直接生成实时设备状态数据;
步骤三:无线扩展网关单元2获取经分布式数据采集单元4处理后的数据,高速透传至远程PC机单元1或云服务器单元3;
步骤四:远程PC机单元1汇总各分布式数据采集单元4获取的JSON格式文件,迅速运用知识图谱-OPC UA映射规则完成整条自动化生产线的信息建模。
综上,该多设备分布式数据采集系统构建及方法,使用时,远程PC机单元1根据无线扩展网关单元2传来的文件内设备信息地址空间节点对应结果,以知识图谱本体和OPCUA信息模型的相似性为基础,选用自动化产线现有的MySQL数据库为信息源,从根节点开始按照定义好的映射规则导出不同层级的地址空间,并为节点属性赋值以便在远程PC机单元1实时更新,表1表示知识图谱到OPC UA的映射规则,自动信息建模的过程如图5所示。
表1知识图谱到OPC UA的映射规则
OWL本体元素 | OPCUA信息模型 |
类 | 对象类型节点 |
数据属性 | 变量节点 |
对象属性 | 引用类型节点 |
数据属性的值域 | 节点值的数据类型 |
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种多设备分布式数据采集系统构建,其特征在于:包括远程PC机单元(1)、无线扩展网关单元(2)、云服务器单元(3)与分布式数据采集单元(4),所述分布式数据采集单元(4)采用双网双串配置的G-30微型主机,通过连接延伸的串口、网口接受不同设备来源的数据,在微型主机开发本地服务器,依靠多线程轮询的方式监听防止数据缺失,并利用数据清洗算法减轻服务器数据处理负担,在首次连接可生成可读性良好的信息模型属性及引用关系的JSON格式文件,待PC机完成信息建模后,分布式数据采集单元(4)可直接生成实时设备状态数据;
所述无线扩展网关单元(2),获取经分布式数据采集单元(4)处理后的数据,高速透传至远程PC机单元(1)或云服务器单元(3);
所述远程PC机单元(1),用于汇总各分布式数据采集单元(4)获取的JSON格式文件,迅速运用知识图谱-OPC UA映射规则完成整条自动化生产线的信息建模;
所述云服务器单元(3),远程人员可通过移动设备可以登录网页访问云服务器单元(3)服务器实时检测生产线状态。
2.根据权利要求1所述的一种多设备分布式数据采集系统构建,其特征在于:所述分布式数据采集单元(4)选用的微型主机存有32G固态硬盘,可以存储重要的安全数据和本地处理模型,当安全机制触发后迅速遍历本地处理模型,标记异常数据,在最短时间内对边缘设备完成强制关机等紧急处理。
3.根据权利要求1所述的一种多设备分布式数据采集系统构建,其特征在于:所述分布式数据采集单元(4)的硬件平台进行抽象,封装底层硬件的访问操作,对其他构件提供统一的硬件访问接口,管理其他构件对同一硬件资源的访问,所述硬件管理构件将网关的业务功能与具体的硬件平台解耦,保证系统的可移植性,所述微型主机的主要构件包括南向通信构件、北向通信构件、实时库构件、工程配置构件、历史日志构件、故障监测构件与边缘计算构件,所述微型主机与终端节点的物联网通信通过南向通信构件负责,根据工程应用需要,网关可同时部署多个南向通信构件,网关与云平台的通信通过北向通信构件负责,包括适用于公网通信的MQTT规约构件,网关可依据应用场景需要部署多个北向通信构件,同时与多个后台系统基于不同规约进行通信;缓存南向通信构件采集的终端节点数据通过实时库构件负责,以语义数据方式存放,为北向通信、边缘计算、历史日志其他系统构件提供源数据;解读网关的工程配置文件通过工程配置构件负责,为网关硬件参数设置、实时库分配、边缘计算策略提供实例化配置信息,工程配置构件提供归一化的访问接口,兼容嵌入式数据库、JSON文件、XML文件等各种配置存储方式;历史日志构件负责记录符合特定条件的高价值款据,历史日志构件还负责管理增量传输策略所缓存的数据;故障监测构件对运行的其他构件进行状态监测,当检测到其他构件出现问题时,故障监测构件将实施自愈策略来恢复问题构件,保证网关业务功能稳定运行。
4.根据权利要求3所述的一种多设备分布式数据采集系统构建,其特征在于:所述边缘计算构件分为突发型策略构件和周期型策略构件两种。
5.根据权利要求4所述的一种多设备分布式数据采集系统构建,其特征在于:所述突发型策略构件实施非计划型任务,由特定的事件触发;短期型策略处理计划型任务,由系统时钟触发,网关可以根据应用场景的需要,同时选装多个边缘计算策略构件。
6.根据权利要求1所述的一种多设备分布式数据采集系统构建,其特征在于:所述分布式数据采集单元(4)在首次连接设备时所采集的数据需为信息建模预处理——生成本体文件,微型主机的服务器将该文件发送至可无限扩展的网关单元,选用高速百兆以太网交换机进行网关单元的无限扩展。
7.一种多设备分布式数据采集方法,其特征在于:包括以下步骤:
步骤一:采用双网双串配置的G-30微型主机,通过连接延伸的串口、网口接受不同设备来源的数据,在微型主机开发本地服务器,依靠多线程轮询的方式监听防止数据缺失,并利用数据清洗算法减轻服务器数据处理负担,在首次连接可生成可读性良好的信息模型属性及引用关系的JSON格式文件;
步骤二:待PC机完成信息建模后,分布式数据采集单元(4)直接生成实时设备状态数据;
步骤三:无线扩展网关单元(2)获取经分布式数据采集单元(4)处理后的数据,高速透传至远程PC机单元(1)或云服务器单元(3);
步骤四:远程PC机单元(1)汇总各分布式数据采集单元(4)获取的JSON格式文件,迅速运用知识图谱-OPC UA映射规则完成整条自动化生产线的信息建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311044608.XA CN117112459A (zh) | 2023-08-18 | 2023-08-18 | 一种多设备分布式数据采集系统构建及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311044608.XA CN117112459A (zh) | 2023-08-18 | 2023-08-18 | 一种多设备分布式数据采集系统构建及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117112459A true CN117112459A (zh) | 2023-11-24 |
Family
ID=88795845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311044608.XA Pending CN117112459A (zh) | 2023-08-18 | 2023-08-18 | 一种多设备分布式数据采集系统构建及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117112459A (zh) |
-
2023
- 2023-08-18 CN CN202311044608.XA patent/CN117112459A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karnouskos et al. | A SOA-based architecture for empowering future collaborative cloud-based industrial automation | |
CN108809972B (zh) | 基于开源生态系统的物联网综合实验及应用开发平台 | |
Wang et al. | Research on key technologies of fault diagnosis and early warning for high-end equipment based on intelligent manufacturing and Internet of Things | |
CN106790222B (zh) | 一种modbus/全互联制造网络信息服务适配器及其实现方法 | |
CN112995022A (zh) | 工业物联网网关 | |
CN109639483B (zh) | 一种风力发电机组数据互通共享平台及其故障穿越方法 | |
CN109863484B (zh) | 用于分布式数据系统的语义搜索系统和方法 | |
CN109086182A (zh) | 数据库自动告警的方法及终端设备 | |
KR101980311B1 (ko) | Cim 및 opc-ua 기반 데이터 상호 호환 방법 | |
CN103973815A (zh) | 一种跨数据中心存储环境统一监控方法 | |
CN111274223A (zh) | 一种一键部署大数据和深度学习容器云平台及其构建方法 | |
Miori et al. | Interoperability of home automation systems as a critical challenge for IoT | |
CN102880146B (zh) | 一种现场总线设备监控管理系统 | |
CN102402218B (zh) | 一种智能工业网络监控系统 | |
CN111623830A (zh) | 一种机电设备运行状态的监测方法、装置及系统 | |
KR20210147594A (ko) | 에너지 데이터 수집 및 관리에 최적화 기능을 제공하는 엣지 컴퓨팅 장치의 통신시스템 및 데이터베이스 운영방법 | |
CN113395180B (zh) | 一种工业实时大数据采集发布方法及工业实时大数据平台 | |
CN114584429A (zh) | 工业智能物联网网关 | |
Osorio et al. | Sensor network using power-over-ethernet | |
CN111077851A (zh) | 一种基于气相色谱雾计算框架的化工过程故障诊断系统 | |
CN111600923A (zh) | 一种基于.NET Core的OPC UA协议服务器系统 | |
CN117331614A (zh) | 航空制造业生产现场在线检测组态文件管理方法 | |
CN117112459A (zh) | 一种多设备分布式数据采集系统构建及方法 | |
CN114567568B (zh) | 基于边缘计算的电力物联网数据处理方法和装置 | |
KR102406905B1 (ko) | 산업 IoT 플랫폼을 이용한 엣지 컴퓨팅 기반 HMI 시스템 |
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 |