CN117478351A - 一种工业互联网边缘计算的智能优化方法及系统 - Google Patents

Abstract

本发明提供了一种工业互联网边缘计算的智能优化方法及系统，涉及数据处理技术领域，通过拆分云端服务器接收的计算任务获取多个数据源‑设备，以多个设备的计算终端分别作为边缘节点，生成边缘连接关系，按照边缘连接关系进行边缘节点进行权限优化生成边缘协作优化网络，根据边缘协作优化网络对实时计算网络进行边缘计算。解决现有技术中存在基于工业互联网进行工业设备运行状况分析效率较低，且进行工业设备运行参数调控延迟较高，不利于工业生产有序进行的技术问题。实现将原本集中于云端服务器的计算任务延伸至边缘设备进行离散数据处理，达到提高对工业互联网中工业设备进行运行状况分析的效率，降低设备运行参数调节的响应延迟的技术效果。

Description

一种工业互联网边缘计算的智能优化方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种工业互联网边缘计算的智能优化方法及系统。

背景技术

在现代工业生产中，工业设备的运行状况分析至关重要。通过监测和分析工业设备运行数据，我们可以深入了解工业设备的性能和健康状况，及时发现潜在故障和问题。然而，由于工业互联网在工业设备数据分析方面的效率相对较低，这导致我们无法快速准确地掌握工业设备的实时状态，从而可能错失对工业设备的及时干预和维修机会。

此外，由于调控指令传输到达工业设备的延迟较高，可能会导致工业设备在变化的工作条件下无法及时响应和调整，导致工业设备运行不稳定、生产过程中的变量控制不准确，进而对工业生产的有序进行造成一定的干扰。

综上所述，目前基于工业互联网进行工业设备运行状况分析效率较低且工业设备运行参数调控存在延迟，这不利于工业生产的有序进行。

发明内容

本申请提供了一种工业互联网边缘计算的智能优化方法及系统，用于针对解决现有技术中存在基于工业互联网进行工业设备运行状况分析效率较低，且进行工业设备运行参数调控延迟较高，不利于工业生产有序进行的技术问题。

鉴于上述问题，本申请提供了一种工业互联网边缘计算的智能优化方法及系统。

本申请的第一个方面，提供了一种工业互联网边缘计算的智能优化方法，所述方法包括：获取目标互联网的设备集合，其中，所述目标互联网与云端服务器通信连接；当所述云端服务器的接收到第一计算任务，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个设备；以所述多个设备的计算终端分别作为边缘节点，生成基于第一计算任务的边缘连接关系；当所述目标互联网接收到多个计算任务，输出多个边缘连接关系；按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，输出边缘协作优化网络，其中，权限优化设置包括数据传输权限和通信访问权限；根据所述边缘协作优化网络对实时计算网络进行边缘计算。

本申请的第二个方面，提供了一种工业互联网边缘计算的智能优化系统，所述系统包括：设备集合获取模块，用于获取目标互联网的设备集合，其中，所述目标互联网与云端服务器通信连接；数据拆分执行模块，用于当所述云端服务器的接收到第一计算任务，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个设备；连接关系生成模块，用于以所述多个设备的计算终端分别作为边缘节点，生成基于第一计算任务的边缘连接关系；连接关系输出模块，用于当所述目标互联网接收到多个计算任务，输出多个边缘连接关系；权限优化设置模块，用于按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，输出边缘协作优化网络，其中，权限优化设置包括数据传输权限和通信访问权限；边缘计算执行模块，用于根据所述边缘协作优化网络对实时计算网络进行边缘计算。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法通过获取目标互联网的设备集合，其中，所述目标互联网与云端服务器通信连接；当所述云端服务器的接收到第一计算任务，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个设备；以所述多个设备的计算终端分别作为边缘节点，生成基于第一计算任务的边缘连接关系；当所述目标互联网接收到多个计算任务，输出多个边缘连接关系；按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，输出边缘协作优化网络，其中，权限优化设置包括数据传输权限和通信访问权限，通过设定数据传输方向权限，实现了提高对于高性能边缘节点的利用率，以及避免工业互联网边缘计算对于低性能边缘节点运行造成负载压力，通过设定通信访问权限，实现了避免工业互联网边缘计算造成机密数据泄露，提高工业互联网产生数据的管理安全性；根据所述边缘协作优化网络对实时计算网络进行边缘计算。实现了将原本集中于云端服务器的计算任务延伸至边缘设备进行离散数据处理，达到了提高对工业互联网中工业设备进行运行状况分析的效率，降低设备运行参数调节的响应延迟的技术效果。

附图说明

图1为本申请提供的一种工业互联网边缘计算的智能优化方法流程示意图；

图2为本申请提供的一种工业互联网边缘计算的智能优化方法中进行边缘节点权限优化设置的流程示意图；

图3为本申请提供的一种工业互联网边缘计算的智能优化方法中获取第一边缘连接子网络的流程示意图；

图4为本申请提供的一种工业互联网边缘计算的智能优化系统的结构示意图。

附图标记说明：设备集合获取模块1，数据拆分执行模块2，连接关系生成模块3，连接关系输出模块4，权限优化设置模块5，边缘计算执行模块6。

具体实施方式

本申请提供了一种工业互联网边缘计算的智能优化方法及系统，用于针对解决了现有技术中存在基于工业互联网进行工业设备运行状况分析效率较低，且进行工业设备运行参数调控延迟较高，不利于工业生产有序进行的技术问题。实现了将原本集中于云端服务器的计算任务延伸至边缘设备进行离散数据处理，达到了提高对工业互联网中工业设备进行运行状况分析的效率，降低设备运行参数调节的响应延迟的技术效果。

本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。

下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

实施例一

如图1所示，本申请提供了一种工业互联网边缘计算的智能优化方法，所述方法包括：

S100:获取目标互联网的设备集合，其中，所述目标互联网与云端服务器通信连接；

具体而言，应理解的，在现代工业生产中，各类型工业设备基于内设计算终端(即微型计算机模块)进行设备运行参数的软件化调节控制。同时，为实现对各类型工业设备的集中管理和运行参数统一调节控制，基于工业互联网将参与工业生产过程的所有工业设备进行连接。

在本实施例中，所述目标互联网即为所述工业互联网，基于所述目标互联网的工业设备连接情况，直接获得连接至所述目标互联网的工业设备组成的所述设备集合。

所述目标互联网与所述云端服务器通信连接，所述云端服务器用于接收、存储和管理来自工业设备的海量数据以及为管理者提供实时查看工业设备状态、运行参数和生产情况的远程监控平台。

在常规基于云端服务器结合工业互联网进行工业设备统一管控中，工业设备的计算终端仅用于进行工业设备运行数据监测采集以及将所采集数据作为数据源上传至云端服务器，所述云端服务器进行工业设备运行数据分析和工业设备控制调节所产生计算任务的处理。

S200:当所述云端服务器的接收到第一计算任务，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个设备；

S300:以所述多个设备的计算终端分别作为边缘节点，生成基于第一计算任务的边缘连接关系；

具体而言，在本实施例中，所述目标互联网中不特定工业设备产生运行监测数据后，基于工业设备的计算终端同时上传至所述云端服务器时，在所述云端服务器的接收端，该海量运行监测数据的表现形式为所述第一计算任务。

在常规云端服务器进行工业设备统一管控中，云端服务器直接对第一计算任务中海量数据进行数据分析并生成工业设备调节方案以指令方式传递至产生第一计算任务的多个工业设备的计算终端，基于计算终端实现工业设备运行控制参数调节。

应理解的，工业互联网的特殊性在于连接至工业互联网的工业设备的计算终端具有数据分析处理(计算)能力，因而本实施例将所述目标互联网的设备集合中的多个工业设备的计算终端作为边缘设备，采用边缘计算，将原本集中于云端服务器的数据分析处理任务(即第一计算任务)延伸至边缘设备，实现离散数据处理，提高工业设备运行分析和调节的响应速度和设备运行参数调整决策。

基于此，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个工业设备，以所述多个设备的计算终端分别作为边缘节点，并基于通信协议进行多个边缘节点的两两相互连接，从而生成基于第一计算任务的若干个边缘设备的边缘连接关系。

S400:当所述目标互联网接收到多个计算任务，输出多个边缘连接关系；

具体而言，在本实施例中，对所述云端服务器进行历史数据采集，以获得所述云端服务器基于所述目标互联网接收到的若干个历史计算任务。进而采用获得第一计算任务的边缘连接关系相同方法，获得所述多个边缘连接关系。在任一边缘连接关系中，存在不特定数量个两两基于通信协议相连接的边缘节点，应理解的，边缘节点即作为边缘设备的工业设备计算终端。

S500:按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，输出边缘协作优化网络，其中，权限优化设置包括数据传输权限和通信访问权限；

在一个实施例中，如图2所示，按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，本申请提供的方法步骤S500还包括：

S510:获取所述多个边缘连接关系中各个边缘节点的计算性能指标；

S520:按照所述计算性能指标，确定单向数据传输权限和双向数据传输权限；

S530:根据所述单向数据传输权限和所述双向数据传输权限进行优化设置，输出边缘协作优化网络。

在一个实施例中，本申请提供的方法步骤还包括：

S521:基于所述多个边缘连接关系，确定每两个边缘节点的性能指标差，若所述性能指标差大于第一预设性能指标差，确定这两个边缘节点之间的数据传输权限为单向权限，且单向的方向为性能指标大的节点朝向性能指标小的节点；

S522:若所述性能指标差小于所述第一预设性能指标差，确定这两个边缘节点之间的权限为双向传输。

在一个实施例中，输出边缘协作优化网络后，本申请提供的方法步骤S500还包括：

S530:根据所述边缘协作优化网络中各个边缘节点的设备权限等级，生成通信访问级；

S540:按照所述通信访问级对边缘协作优化网络中各个边缘节点的通信访问权限进行层级之间的连接。

具体而言，在本实施例中，为提高基于多个边缘节点进行边缘计算过程中的数据分析处理效率，本实施例对于存在通信连接关系的两个边缘节点进行通信访问权限优化和数据传输权限优化，其中，数据传输权限为两个边缘节点为单向数据传输还是双向数据传输，通信访问权限为两个边缘节点进行数据传输时是否对所传输数据进行加密。

本实施例进行数据传输权限的优化确定方法如下：

所述计算性能指标为边缘节点对应的计算终端的数据处理能力，可基于现有CPU性能测试方法进行边缘节点对应工业设备的计算终端中CPU性能测试获得，最终获得所述多个边缘连接关系中各个边缘节点的计算性能指标，各个边缘节点的计算性能指标单位具有一致性。

基于所述多个边缘连接关系，获得具有通信连接关系的多组两两边缘节点，进而结合各个边缘节点的计算性能指标，确定多组两两边缘节点的多个性能指标差。

预设所述第一预设性能指标差，所述第一预设性能指标差为判断存在通信连接的两个边缘节点的数据处理性能是否过大的标准，所述第一预设性能指标差可根据实际工业互联网中工业设备的运行性能情况设定，本实施例对于第一预设性能指标差的数值设定不做限制。

若所述性能指标差大于第一预设性能指标差，确定这两个边缘节点之间的数据传输权限为单向权限，且单向的方向为性能指标大的节点朝向性能指标小的节点；若所述性能指标差小于所述第一预设性能指标差，确定这两个边缘节点之间的权限为双向传输。

获得目标互联网中的全部边缘节点并根据所述单向数据传输权限和所述双向数据传输权限及其对应的边缘节点进行各个边缘节点通信连接，两个边缘节点的通信协议中确定数据传输方式为单向还是双向，从而输出所述边缘协作优化网络。

所述边缘协作优化网络由若干个边缘节点通信连接，且通信连接的任意两个边缘节点的数据传输权限取决于两个边缘节点的计算性能。

应理解的，在工业生产中，不同加工用途的工业设备在同一工业互联网中所产生的工业数据的重要度不同，因而为避免将工业设备的计算终端作为边缘设备，进行数据传输实现离散数据处理过程中，造成重要工业设备的数据泄漏，本实施例在基于数据传输权限构建所述边缘协作优化网络的基础上，进一步进行通信访问权限的优化。

具体的，采用信函或公开渠道获得目标互联网对应工业设备所属技术领域的多位专家，获得多位专家对于目标互联网的所述设备集合中若干工业设备的重要度进行赋分(满分10分制)，从而获得对应于多位专家的多个设备赋分集合，进一步基于工业设备进行数据提取和均值计算，以获得设备集合中各个工业设备的重要度均值评分，将各个工业设备的重要度均值评分直接作为所述边缘协作优化网络中各个边缘节点的设备权限等级。

将所述边缘协作优化网络中各个边缘节点的设备权限等级，作为各个边缘节点的通信访问级，基于所述边缘协作优化网络，获得具有数据传输通信关系的多组两两边缘节点，进而获得多组两两边缘节点的通信访问级是否一致，若一致，则进行该两个边缘节点数据传输过程中无需进行数据加密，反之，则进行该两个边缘节点数据传输过程中进行数据加密，即在通信访问级不相同且存在通信连接关系的两个边缘节点间设定所述通信访问权限。实现按照所述通信访问级对边缘协作优化网络中各个边缘节点的通信访问权限进行层级之间的连接，从在通信权限角度进行所述边缘协作优化网络的优化。

本实施例通过设定数据传输方向权限，实现了提高对于高性能边缘节点的利用率，以及避免工业互联网边缘计算对于低性能边缘节点运行造成负载压力。本实施例通过设定通信访问权限，实现了避免工业互联网边缘计算造成机密数据泄露，提高工业互联网产生数据的管理安全性的技术效果。

S600:根据所述边缘协作优化网络对实时计算网络进行边缘计算。

具体而言，在本实施例中，所述实时计算网络脱胎于所述目标互联网，其中包括当前实时处于运行状态的工业设备对应的边缘节点。当实时计算网络中工业设备产生计算任务(运行数据)时，根据所述边缘协作优化网络对实时计算网络进行边缘计算。

本实施例基于边缘计算，将原本集中于云端服务器的计算任务延伸至边缘设备，实现离散数据处理，从而提高对工业互联网中工业设备进行运行状况分析的效率，降低运行参数调节的响应延迟的技术效果。

在一个实施例中，如图3所示，本申请提供的方法步骤还包括：

S410:对所述多个边缘连接关系进行连接重合度分析，并根据重合度对所述多个边缘连接关系进行可视化标识，且每一级别的重合度对应有不同的颜色标识；

S420:获取重合度大于预设重合度的第一边缘连接子网络，根据所述第一边缘连接子网络对各个边缘节点进行权限连接。

在一个实施例中，本申请提供的方法步骤还包括：

S421:获取重合度小于所述预设重合度的第二边缘连接子网络，根据所述第二边缘连接子网络，生成备选节点监测库；

S422:其中，所述备选节点监测库中用于存储监测所述第二边缘连接子网络中各个边缘节点的访问次数；

S423:根据所述各个边缘节点的访问次数，确定第一备选节点，将所述第一备选节点与所述边缘协作优化网络连接。

在一个实施例中，获取重合度大于预设重合度的第一边缘连接子网络之后，本申请提供的方法步骤还包括：

S431:对所述第一边缘连接子网络进行实时监测，生成淘汰节点监测库；

S432:其中，所述淘汰节点监测库中用于存储监测所述第一边缘连接子网络中各个边缘节点的访问次数；

S433:根据各个边缘节点的访问次数，确定第一淘汰节点，将所述第一淘汰节点从所述边缘协作优化网络淘汰。

具体而言，应理解的，本实施例构建的所述边缘协作优化网络默认全部边缘节点以所述多个边缘连接关系为依据基于通信协议相连接。这一连接方式存在低频使用的边缘节点长期处于激活状态对于目标互联网的算力资源造成浪费的缺陷，基于此，本实施例从算力资源节约角度，进一步进行所述边缘协作优化网络的优化，具体方法如下。

所述连接重合度指两个边缘节点在所述多个边缘连接关系中进行通信连接的次数。本实施例根据所述多个边缘连接关系进行连接重合度分析，获得多个所述重合度，所述重合度为多个边缘连接关系中任意两个边缘节点通信连接次数。将所述多个边缘连接关系进行可视化处理，生成连接关系网状图，并基于所述重合度进行连接关系网状图中边缘节点连接线条的颜色标识。

为提高颜色标识的可视性，本实施例预设颜色等级，每一颜色等级对应于不同的连接重合次数，例如，若A边缘节点和B边缘节点在多个边缘连接关系中共计两两连接(0,3]次则标识为浅黄色，(3,6]次则标识为黄色，(6,9]次则标识为橘黄色，(9,12]次则标识为红色。

基于预设颜色等级对于所述重合度进行连接关系网状图中不同两两连接边缘节点之间线条的颜色标识划分从而实现基于连接关系网状图即可获知各个边缘节点的活跃度即重要度。

预设重合度，若两个边缘节点的所述重合度高于所述预设重合度，表明这两个边缘节点为边缘计算中活跃度较高的边缘节点，长期保持该两个边缘节点的通信连接可以提高离散数据处理效率。反之，若两个边缘节点的所述重合度低于所述预设重合度，表明这两个边缘节点为边缘计算中活跃度较低的边缘节点，长期保持该两个边缘节点的通信连接对于离散数据处理效率没有正向作用且长期通信连接会造成对于系统算力资源的浪费，应当在需要时进行临时通信连接。

基于所述预设重合度遍历获取重合度大于预设重合度的多组边缘节点，并对该多组边缘节点进行通信权限连接，构成所述第一边缘连接子网络，在所述第一边缘连接子网络中，任意两个边缘节点在多个边缘连接关系中通信连接次数都大于所述预设重合度，为高活跃度边缘节点，且所述第一边缘连接子网络中边缘节点之间长期处于通信连接状态。

所述第一边缘连接网络为所述边缘协作优化网络中长期处于激活状态的边缘节点构建的通信网络。本实施例通过分析确定边缘节点两两通信连接频次，实现筛选获得基于高活跃度边缘节点构建的第一边缘连接子网络，为后续实现基于边缘计算进行高效率的工业设备运行分析处理构建基础。

进一步的，在本实施例中，未纳入第一边缘连接子网络的任意两个边缘节点重合度小于所述预设重合度。本实施例基于未纳入第一边缘连接子网络的边缘节点，以及边缘节点的实际通信连接情况构建所述第二边缘连接子网络，所述第二边缘连接子网络中各个边缘节点之间长期处于未通信连接状态，所述第二边缘连接子网络中的若干个边缘节点构成所述备选节点监测库。

基于所述备选节点监测库存储监测所述第二边缘连接子网络中各个边缘节点在未来边缘计算时被访问次数。序列化所述各个边缘节点的访问次数，确定后续被访问次数最高的边缘节点作为所述第一备选节点，将所述第一备选节点连接进所述边缘协作优化网络的第一边缘连接子网络中，完成根据边缘节点活跃度动态进行第一边缘连接子网络的边缘节点更新。

第一边缘连接子网络除了从第一备选节点中进行边缘节点调用新增，也对第一边缘连接子网络内部边缘节点进行剔除，从而避免第一边缘连接子网络中后续未经常使用边缘节点长期处于激活状态造成目标互联网算力资源的不必要浪费。

具体的，对所述第一边缘连接子网络进行实时监测，生成淘汰节点监测库，所述淘汰节点监测库与所述备选节点监测库功能近似，所述淘汰节点监测库用于存储监测所述第一边缘连接子网络中各个边缘节点的访问次数。

序列化第一边缘连接子网络中各个边缘节点的访问次数，将方位次数最低的边缘节点作为所述第一淘汰节点，将所述第一淘汰节点从所述边缘协作优化网络淘汰，将第一淘汰节点录入第一备选节点中，所有边缘节点根据访问次数在第一备选节点和第一边缘连接子网络中不断变化，从而保障第一边缘连接子网络中始终为处于高活跃度的边缘节点。

本实施例通过边缘节点访问次数进行边缘节点是否与其他边缘节点长期通信连接控制，实现了保障边缘计算过程对于目标互联网算力资源的较低消耗，保障边缘计算过程的稳定性和高响应性的技术效果。

实施例二

基于与前述实施例中一种工业互联网边缘计算的智能优化方法相同的发明构思，如图4所示，本申请提供了一种工业互联网边缘计算的智能优化系统，其中，所述系统包括：

设备集合获取模块1，用于获取目标互联网的设备集合，其中，所述目标互联网与云端服务器通信连接；

数据拆分执行模块2，用于当所述云端服务器的接收到第一计算任务，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个设备；

连接关系生成模块3，用于以所述多个设备的计算终端分别作为边缘节点，生成基于第一计算任务的边缘连接关系；

连接关系输出模块4，用于当所述目标互联网接收到多个计算任务，输出多个边缘连接关系；

权限优化设置模块5，用于按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，输出边缘协作优化网络，其中，权限优化设置包括数据传输权限和通信访问权限；

边缘计算执行模块6，用于根据所述边缘协作优化网络对实时计算网络进行边缘计算。

在一个实施例中，所述系统还包括：

连接重合度分析单元，用于对所述多个边缘连接关系进行连接重合度分析，并根据重合度对所述多个边缘连接关系进行可视化标识，且每一级别的重合度对应有不同的颜色标识；

权限连接执行单元，用于获取重合度大于预设重合度的第一边缘连接子网络，根据所述第一边缘连接子网络对各个边缘节点进行权限连接。

在一个实施例中，所述系统还包括：

监测库构建单元，用于获取重合度小于所述预设重合度的第二边缘连接子网络，根据所述第二边缘连接子网络，生成备选节点监测库；

其中，所述备选节点监测库中用于存储监测所述第二边缘连接子网络中各个边缘节点的访问次数；

备选节点连接单元，用于根据所述各个边缘节点的访问次数，确定第一备选节点，将所述第一备选节点与所述边缘协作优化网络连接。

在一个实施例中，所述系统还包括：

实时监测执行单元，用于对所述第一边缘连接子网络进行实时监测，生成淘汰节点监测库；

其中，所述淘汰节点监测库中用于存储监测所述第一边缘连接子网络中各个边缘节点的访问次数；

节点淘汰执行单元，用于根据各个边缘节点的访问次数，确定第一淘汰节点，将所述第一淘汰节点从所述边缘协作优化网络淘汰。

在一个实施例中，所述系统还包括：

性能指标获取单元，用于获取所述多个边缘连接关系中各个边缘节点的计算性能指标；

传输权限确定单元，用于按照所述计算性能指标，确定单向数据传输权限和双向数据传输权限；

传输权限优化单元，用于根据所述单向数据传输权限和所述双向数据传输权限进行优化设置，输出边缘协作优化网络。

在一个实施例中，所述系统还包括：

权限定义处理单元，用于基于所述多个边缘连接关系，确定每两个边缘节点的性能指标差，若所述性能指标差大于第一预设性能指标差，确定这两个边缘节点之间的数据传输权限为单向权限，且单向的方向为性能指标大的节点朝向性能指标小的节点；

传输权限确定单元，用于若所述性能指标差小于所述第一预设性能指标差，确定这两个边缘节点之间的权限为双向传输。

在一个实施例中，所述系统还包括：

通信访问级确定单元，用于根据所述边缘协作优化网络中各个边缘节点的设备权限等级，生成通信访问级；

权限层级连接单元，用于按照所述通信访问级对边缘协作优化网络中各个边缘节点的通信访问权限进行层级之间的连接。

综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。

基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。

Claims (8)

1.一种工业互联网边缘计算的智能优化方法，其特征在于，所述方法包括：

获取目标互联网的设备集合，其中，所述目标互联网与云端服务器通信连接；

当所述云端服务器的接收到第一计算任务，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个设备；

以所述多个设备的计算终端分别作为边缘节点，生成基于第一计算任务的边缘连接关系；

当所述目标互联网接收到多个计算任务，输出多个边缘连接关系；

按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，输出边缘协作优化网络，其中，权限优化设置包括数据传输权限和通信访问权限；

根据所述边缘协作优化网络对实时计算网络进行边缘计算。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

对所述多个边缘连接关系进行连接重合度分析，并根据重合度对所述多个边缘连接关系进行可视化标识，且每一级别的重合度对应有不同的颜色标识；

获取重合度大于预设重合度的第一边缘连接子网络，根据所述第一边缘连接子网络对各个边缘节点进行权限连接。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

获取重合度小于所述预设重合度的第二边缘连接子网络，根据所述第二边缘连接子网络，生成备选节点监测库；

其中，所述备选节点监测库中用于存储监测所述第二边缘连接子网络中各个边缘节点的访问次数；

根据所述各个边缘节点的访问次数，确定第一备选节点，将所述第一备选节点与所述边缘协作优化网络连接。

4.如权利要求2所述的方法，其特征在于，获取重合度大于预设重合度的第一边缘连接子网络之后，方法还包括：

对所述第一边缘连接子网络进行实时监测，生成淘汰节点监测库；

其中，所述淘汰节点监测库中用于存储监测所述第一边缘连接子网络中各个边缘节点的访问次数；

根据各个边缘节点的访问次数，确定第一淘汰节点，将所述第一淘汰节点从所述边缘协作优化网络淘汰。

5.如权利要求1所述的方法，其特征在于，按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，其中，权限优化设置还包括：

获取所述多个边缘连接关系中各个边缘节点的计算性能指标；

按照所述计算性能指标，确定单向数据传输权限和双向数据传输权限；

根据所述单向数据传输权限和所述双向数据传输权限进行优化设置，输出边缘协作优化网络。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

基于所述多个边缘连接关系，确定每两个边缘节点的性能指标差，若所述性能指标差大于第一预设性能指标差，确定这两个边缘节点之间的数据传输权限为单向权限，且单向的方向为性能指标大的节点朝向性能指标小的节点；

若所述性能指标差小于所述第一预设性能指标差，确定这两个边缘节点之间的权限为双向传输。

7.如权利要求1所述的方法，其特征在于，输出边缘协作优化网络后，方法还包括：

根据所述边缘协作优化网络中各个边缘节点的设备权限等级，生成通信访问级；

按照所述通信访问级对边缘协作优化网络中各个边缘节点的通信访问权限进行层级之间的连接。

8.一种工业互联网边缘计算的智能优化系统，其特征在于，所述系统包括：

设备集合获取模块，用于获取目标互联网的设备集合，其中，所述目标互联网与云端服务器通信连接；

数据拆分执行模块，用于当所述云端服务器的接收到第一计算任务，对所述第一计算任务进行数据源拆分，获取多个数据源，以及所述多个数据源分别对应的多个设备；

连接关系生成模块，用于以所述多个设备的计算终端分别作为边缘节点，生成基于第一计算任务的边缘连接关系；

连接关系输出模块，用于当所述目标互联网接收到多个计算任务，输出多个边缘连接关系；

权限优化设置模块，用于按照所述多个边缘连接关系对各个边缘节点进行权限优化设置，输出边缘协作优化网络，其中，权限优化设置包括数据传输权限和通信访问权限；

边缘计算执行模块，用于根据所述边缘协作优化网络对实时计算网络进行边缘计算。