CN112650580B - 一种基于边缘计算的工业大数据监测系统 - Google Patents

Abstract

本发明提供了一种基于边缘计算的工业大数据监测系统。该系统包括多个信息采集系统、边缘计算处理系统、数据传输设备、云服务器和监控终端，其中：每个信息采集系统，用于采集设备的运行状态信息，并将设备的运行状态信息发送给对应的边缘计算处理系统；边缘计算处理系统，用于对设备的运行状态信息进行分析处理，获得设备状态分析处理结果，并将设备状态分析处理结果发送给数据传输设备；数据传输设备，用于使用4G或5G通信技术将设备状态分析处理结果发送给云服务器；云服务器，用于存储设备状态分析处理结果；监控终端，用于向云服务器发送针对设备状态分析处理结果的访问请求，并获取云服务器根据访问请求返回的信息，并展示信息。

Description

一种基于边缘计算的工业大数据监测系统

技术领域

本发明涉及物联网技术领域，特别涉及一种基于边缘计算的工业大数据监测系统。

背景技术

目前，随着经济和社会的不断发展，大数据监测在社会中的重要性不断提高，如何实现工业大数据的远程监测与管理已经成为数据监测领域研究的热点课题。

目前，对工厂、厂房等的工业大数据监测，通常是在网络侧的同一地址处设置一个或多个服务器，工厂、厂房产生的工业大数据均发送给该一个或多个服务器，通过服务器对工业大数据进行分析，从而实现对工厂、厂房的数据监测；这种方法，当工业大数据数量较大时，会增加服务器的工作量，导致服务器的处理效率较低，监控效率较低。

发明内容

本发明实施例提供一种基于边缘计算的工业大数据监测系统。

本发明实施例提供一种基于边缘计算的工业大数据监测系统，包括多个信息采集系统、多个边缘计算处理系统、多个数据传输设备、云服务器和监控终端，其中：

所述多个信息采集系统分别设置在不同的地理位置，每个信息采集系统用于采集其采集范围内的设备的运行状态信息，并将设备的运行状态信息发送给对应的边缘计算处理系统；

所述多个边缘计算处理系统分别设置在不同的地理位置，每个边缘计算处理系统用于接收对应的信息采集系统发送来的设备的运行状态信息；对所述设备的运行状态信息进行分析处理，获得设备状态分析处理结果；将所述设备状态分析处理结果发送给对应的数据传输设备；

所述多个数据传输设备分别设置在不同的地理位置，每个数据传输设备用于接收对应的边缘计算处理系统发送来的设备状态分析处理结果，使用4G或5G通信技术将接收到的设备状态分析处理结果发送给云服务器；

所述云服务器，用于存储所述设备状态分析处理结果；

所述监控终端，用于向所述云服务器发送针对所述设备状态分析处理结果的访问请求，并获取所述云服务器根据所述访问请求返回的信息，并展示所述信息。

在一个实施例中，所述信息采集系统，包括环境参数传感器、摄像头、设备信息采集器中的任一种或多种，还包括数据传输模块：

环境参数传感器，用于采集设备的工作环境参数；

摄像头，用于对所述设备的工作环境进行拍摄，获得所述设备的工作环境视频；设备信息采集器，用于采集所述设备的实时工作参数；

数据传输模块，用于将所述设备的工作环境参数、设备的工作环境视频、设备的实时工作参数发送给对应的边缘计算处理系统。

在一个实施例中，所述系统还包括：

调控中心，用于确定每个边缘计算处理系统所覆盖的信息采集系统，根据每个边缘计算处理系统所覆盖的信息采集系统，确定每个边缘计算处理系统所对应的信息采集系统，具体可实施为如下步骤S1-S6：

步骤S1、将每一个信息采集系统的分布视作满足高斯分布模型，所述高斯

分布模型的函数表示为如下公式(1)：

其中，所述y表示所述当前一个信息采集系统的位置，所述ε表示预设的边缘计算处理系统的中心位置，所述γ²表示所述当前一个信息采集系统与所述中心位置的集中程度；

步骤S2、将属于同一网络区域中的所有信息采集系统看作系统节点Y＝{y₁,y₂,y₃,……y_n},假设样品由M个高斯分量T＝{t₁,t₂,t₃,……,t_M}生成的，这M个高斯模型分量组扥了一个高斯混合模型；

利用如下公式(2)计算系统节点y_a属于该高斯混合模型分布的总概率：

其中，所述y_a表示所述第a个信息采集系统的位置,a＝1,2,3,……,n,所述β_b表示第b个高斯模型分量的权重，M个高斯模型分量各自对应的权重之和等于1，,β_b大于等于0且小于等于1，b＝1,2,3,……,M；所述ε_b表示第b个边缘计算处理系统的中心位置，所述γ_b表示所述第a个信息采集系统与第b个边缘计算处理系统的中心位置的集中程度；

步骤S3、设计如下第一目标函数(3)：

其中，N表示信息采集系统的总数目；

步骤S4、按照如下公式(4)计算某一个高斯混合模型所有的高斯模型分量的平均负载：

其中，H表示所述平均负载；所述Q_ab表示系统节点y_a属于高斯模型分量tb的概率；F_ab表示边缘计算处理系统tb处理系统节点y_a传输来的数据时所需要的负载；L_ab表示系统节点y_a被归属到边缘计算处理系统tb的概率，当L_ab＝0时表示系统节点y_a没有被归属到边缘计算处理系统tb，当L_ab＝1时表示系统节点y_a被归属到边缘计算处理系统tb；

步骤S5、设计如下第二目标函数(5)：

其中，所述第二目标函数(5)的约束条件为如下公式(6)、(7)、(8)：

L_ab∈{0，1} (6)

其中，F_b为边缘计算处理系统tb的最大负载；

步骤S6、通过对第一目标函数和第二目标函数的迭代求解，确定出每个边缘计算处理系统所覆盖的信息采集系统；建立每个边缘计算处理系统与其所覆盖的信息采集系统之间的对应关系。

在一个实施例中，所述每个信息采集系统采集设备的运行状态信息，并将设备的运行状态信息发送给对应的边缘计算处理系统，包括：

步骤A1、当前的信息采集系统采集到设备的运行状态信息之后，根据如下公式(9)计算每个设备的当前安全系数：

其中，k'_i表示第i个设备的当前安全系数，P_i1表示所述第i个设备当次工作的平均输出功率,P_i2表示所述第i个设备的额定输出功率，T_i表示所述第i个设备当次工作的已工作时长，T'_i表示预设的所述第i个设备每次工作的最长工作时长，ω_i表示所述第i个设备的磨损损耗系数；e表示为自然常数，取值为2.58，θ_i表示所述第i个设备的老化系数；

步骤A2、将每个设备的当前安全系数与每个设备预设的标准安全系数进行比较，将当前安全系数大于或等于标准安全系数的第一设备归类为安全类，将当前安全系数小于标准安全系数的第二设备归类为不安全类；

步骤A3、计算出不安全类中每个第二设备的故障系数：

其中，q_j表示第j个第二设备的故障系数；β_j表示所述第j个第二设备的使用频率；T_j1表示所述第j个第二设备在历史工作中每次工作的平均工作时长；Q_j1表示所述第j个第二设备的剩余寿命；b_j表示预设的所述第j个第二设备的待拟合参数指标，取值为[0.2,0.5]；R_j1表示所述第j个第二设备的当前健康指数；Q_j2表示预设的所述第j个第二设备的可使用总寿命；R_j2表示所述第j个第二设备的出厂健康指数；T_j2表示预设的所述第j个第二设备的每次工作的工作时长优选值；γ_j表示预设的所述第j个第二设备对应的计算误差因子，取值为[0.05，0.1]；

步骤A4、为每一个第一设备设定安全标识，同时为每一个第二设备设定不安全标识；

步骤A5、获取安全类中每个第一设备的第一运行状态信息，将所有第一设备和与其对应的第一运行状态信息以及安全标识一起发送至所述当前的信息采集系统对应的边缘计算处理系统；

获取不安全类中每个第二设备的第二运行状态信息，将每个第二设备的第二运行状态信息、对应的故障系数以及不安全标识依次发送至所述当前的信息采集系统对应的边缘计算处理系统。

上述技术方案的有益效果为：上述系统中，设置多个信息采集系统，每个信息采集系统用于采集其采集范围内的设备的运行状态信息，并发送给其相应的边缘计算处理系统；设置多个边缘计算处理系统，每个边缘计算处理系统用于分析处理其相应的信息采集系统发送来的设备的运行状态信息；每个边缘计算处理系统又通过其相应的数据传输设备将分析处理结果发送统一的云服务器进行存储，管理人员可以通过监控终端来从云服务器获取分析处理结果，进而完成对工业大数据的监控。上述技术方案，将信息采集工作分散到多个信息采集系统执行，将分析处理工作分散给多个边缘计算处理系统执行，避免将分析处理工作集中于一个或少数几个服务器执行，从而提高了监控效率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于边缘计算的工业大数据监测系统架构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于边缘计算的工业大数据监测系统，如图1所示，包括多个信息采集系统、多个边缘计算处理系统、多个数据传输设备、云服务器和监控终端，其中：

所述多个信息采集系统分别设置在不同的地理位置，每个信息采集系统用于采集其采集范围内的设备的运行状态信息，并将设备的运行状态信息发送给对应的边缘计算处理系统；预先为每个信息采集系统分配其采集范围，例如可以在工厂设置信息采集系统，该工厂的信息采集系统的采集范围为该工厂；

所述多个边缘计算处理系统分别设置在不同的地理位置，每个边缘计算处理系统用于接收对应的信息采集系统发送来的设备的运行状态信息；对所述设备的运行状态信息进行分析处理，获得设备状态分析处理结果；将所述设备状态分析处理结果发送给对应的数据传输设备；其中，本发明实施例中的分析处理，并不特指某种形式的分析处理，其可以包括各种形式的分析处理，只要是根据设备的运行状态信息进行的分析处理，都包含在本发明实施例保护范围内；例如可以是现有技术中对设备的运行状态信息进行统计分析，以确定设备是否运行安全的分析处理，也可以是现有技术中对设备的运行状态信息进行统计分析，以确定设备是否按照预设工作标准进行工作的分析处理；

所述多个数据传输设备分别设置在不同的地理位置，每个数据传输设备用于接收对应的边缘计算处理系统发送来的设备状态分析处理结果，使用4G或5G通信技术将接收到的设备状态分析处理结果发送给云服务器；

所述云服务器，用于存储所述设备状态分析处理结果；

所述监控终端，用于向所述云服务器发送针对所述设备状态分析处理结果的访问请求，并获取所述云服务器根据所述访问请求返回的信息，并展示所述信息。

上述技术方案的有益效果为：上述系统中，设置多个信息采集系统，每个信息采集系统用于采集其采集范围内的设备的运行状态信息，并发送给其相应的边缘计算处理系统；设置多个边缘计算处理系统，每个边缘计算处理系统用于分析处理其相应的信息采集系统发送来的设备的运行状态信息；每个边缘计算处理系统又通过其相应的数据传输设备将分析处理结果发送统一的云服务器进行存储，管理人员可以通过监控终端来从云服务器获取分析处理结果，进而完成对工业大数据的监控。上述技术方案，将信息采集工作分散到多个信息采集系统执行，将分析处理工作分散给多个边缘计算处理系统执行，避免将分析处理工作集中于一个或少数几个服务器执行，从而提高了监控效率。

在一个实施例中，所述信息采集系统，包括环境参数传感器、摄像头、设备信息采集器中的任一种或多种，还包括数据传输模块：

环境参数传感器，用于采集设备的工作环境参数；例如设备的工作环境的温度、湿度、压强等；

摄像头，用于对所述设备的工作环境进行拍摄，获得所述设备的工作环境视频；

设备信息采集器，用于采集所述设备的实时工作参数；

数据传输模块，用于将所述设备的工作环境参数、设备的工作环境视频、设备的实时工作参数发送给对应的边缘计算处理系统。

在一个实施例中，信息采集系统对应的边缘计算处理系统可以是与信息采集系统距离最近的边缘计算处理系统，这样可以提高二者之间信息传输的速度，从而最终提高整个工业大数据监测系统的工作效率。

或者，在另一个实施例中，还可以按照如下方式来确定信息采集系统对应的边缘计算处理系统，此时，所述系统还包括：

调控中心，用于确定每个边缘计算处理系统所覆盖的信息采集系统，根据每个边缘计算处理系统所覆盖的信息采集系统，确定每个边缘计算处理系统所对应的信息采集系统，具体可实施为如下步骤S1-S6：

步骤S1、将每一个信息采集系统的分布视作满足高斯分布模型，所述高斯分布模型的函数表示为如下公式(1)：

其中，所述y表示所述当前一个信息采集系统的位置，所述ε表示预设的边缘计算处理系统的中心位置，所述γ²表示所述当前一个信息采集系统与所述中心位置的集中程度；

步骤S2、将属于同一网络区域中的所有信息采集系统看作系统节点Y＝{y₁,y₂,y₃,……y_n},假设样品由M个高斯分量T＝{t₁,t₂,t₃,……,t_M}生成的，这M个高斯模型分量组扥了一个高斯混合模型；

利用如下公式(2)计算系统节点y_a属于该高斯混合模型分布的总概率：

其中，所述y_a表示所述第a个信息采集系统的位置,a＝1,2,3,……,n,所述β_b表示第b个高斯模型分量的权重，M个高斯模型分量各自对应的权重之和等于1，,β_b大于等于0且小于等于1，b＝1,2,3,……,M；所述ε_b表示第b个边缘计算处理系统的中心位置，所述γ_b表示所述第a个信息采集系统与第b个边缘计算处理系统的中心位置的集中程度；

步骤S3、设计如下第一目标函数(3)：

其中，N表示信息采集系统的总数目；

步骤S4、按照如下公式(4)计算某一个高斯混合模型所有的高斯模型分量的平均负载：

其中，H表示所述平均负载；所述Q_ab表示系统节点y_a属于高斯模型分量tb的概率；F_ab表示边缘计算处理系统tb处理系统节点y_a传输来的数据时所需要的负载；L_ab表示系统节点y_a被归属到边缘计算处理系统tb的概率，当L_ab＝0时表示系统节点y_a没有被归属到边缘计算处理系统tb，当L_ab＝1时表示系统节点y_a被归属到边缘计算处理系统tb；

步骤S5、设计如下第二目标函数(5)：

其中，所述第二目标函数(5)的约束条件为如下公式(6)、(7)、(8)：

L_ab∈{0，1} (6)

其中，F_b为边缘计算处理系统tb的最大负载；

步骤S6、通过对第一目标函数和第二目标函数的迭代求解，确定出每个边缘计算处理系统所覆盖的信息采集系统；建立每个边缘计算处理系统与其所覆盖的信息采集系统之间的对应关系。

上述技术方案的有益效果为：可以保证每个边缘计算处理系统所处理的设备的运行状态信息更为均衡，保证每个边缘计算处理系统的负载不会过大，使得每个边缘计算处理系统的处理效率更为均衡，从而提高工业大数据监测系统整体运行的效率。

在一个实施例中，所述每个信息采集系统采集设备的运行状态信息，并将设备的运行状态信息发送给对应的边缘计算处理系统，包括：

步骤A1、当前的信息采集系统采集到设备的运行状态信息之后，根据如下公式(9)计算每个设备的当前安全系数：

其中，k'_i表示第i个设备的当前安全系数，P_i1表示所述第i个设备当次工作的平均输出功率,P_i2表示所述第i个设备的额定输出功率，T_i表示所述第i个设备当次工作的已工作时长，T'_i表示预设的所述第i个设备每次工作的最长工作时长，ω_i表示所述第i个设备的磨损损耗系数，取值为[0,0.8],e表示为自然常数，取值为2.58，θ_i表示所述第i个设备的老化系数，取值为[0.2,0.5]；

其中，第i个设备的磨损损耗系数的计算方法为：

其中，F_i1为第i个设备自首次使用开始到当前时间已处理工件的数量；F_i0为预设的第i个设备最多可处理工件的总数量；

第i个设备的老化系数的计算方法为：

其中，U_i1为第i个设备自首次使用开始到当前时间的累计工作总时长；U_i0为预设的第i个设备的可工作总时长，也就是总共使用多久后就得报废；

步骤A2、将每个设备的当前安全系数与每个设备预设的标准安全系数进行比较，将当前安全系数大于或等于标准安全系数的第一设备归类为安全类，将当前安全系数小于标准安全系数的第二设备归类为不安全类；

步骤A3、计算出不安全类中每个第二设备的故障系数：

其中，q_j表示第j个第二设备的故障系数；β_j表示所述第j个第二设备的使用频率；T_j1表示所述第j个第二设备在历史工作中每次工作的平均工作时长，单位为小时；Q_j1表示所述第j个第二设备的剩余寿命，单位为小时；b_j表示预设的所述第j个第二设备的待拟合参数指标，其取值范围为[0.2，0.5]；R_j1表示所述第j个第二设备的当前健康指数；Q_j2表示预设的所述第j个第二设备的可使用总寿命，单位为小时；R_j2表示所述第j个第二设备的出厂健康指数，其取值范围为[0.9，1]为预设值；T_j2表示预设的所述第j个第二设备的每次工作的工作时长优选值，单位为小时；γ_j表示预设的所述第j个第二设备对应的计算误差因子，取值为[0.05,0.1]；

其中，第二设备的剩余寿命等于：第二设备的可使用总寿命减去第二设备从首次使用开始到当前时间的使用总时长；

第二设备的当前健康指数等于：第二设备在当前时间之前所修理的总次数与预设基准修理次数之间的比值；所述预设基准修理次数为当前时间之前，报废了的第二设备的同型号设备的最多修理次数；

第二设备的可使用总寿命，即为第二设备的可工作总时长，也就是总共使用多久后就得报废；

步骤A4、为每一个第一设备设定安全标识，同时为每一个第二设备设定不安全标识；

步骤A5、获取安全类中每个第一设备的第一运行状态信息，将所有第一设备和与其对应的第一运行状态信息以及安全标识一起发送至所述当前的信息采集系统对应的边缘计算处理系统；

获取不安全类中每个第二设备的第二运行状态信息，将每个第二设备的第二运行状态信息、对应的故障系数以及不安全标识依次发送至所述当前的信息采集系统对应的边缘计算处理系统。

上述技术方案的有益效果为：通过计算每个设备的当前安全系数来与标准安全系数进行对比，进而将设备分为安全类和不安全类，可以初步地估算出每台设备的安全性，进一步地，通过计算不安全类中每个第二设备的故障系数，可以进一步地确定第二设备的安全性，在计算出故障系数之后，通过将第一设备的第一运行状态信息以及安全标识一起发送至边缘计算处理系统，通过将每个第二设备的第二运行状态信息、与其对应的故障系数以及不安全标识一次发送至边缘计算处理系统，可以使得边缘计算处理系统根据设备的运行状态信息判断设备异常之前可以提前知晓每个设备的安全性，进而对不安全的第二设备和安全的第一设备分别采取不同的分析处理，其中，对不安全的第二设备的设备运行状态信息可以投入更多分析手段进行监控，从而提高了监控的效率，监测效果更好。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (2)

1.一种基于边缘计算的工业大数据监测系统，其特征在于，包括多个信息采集系统、多个边缘计算处理系统、多个数据传输设备、云服务器和监控终端，其中：

所述多个信息采集系统分别设置在不同的地理位置，每个信息采集系统用于采集其采集范围内的设备的运行状态信息，并将设备的运行状态信息发送给对应的边缘计算处理系统；

所述多个边缘计算处理系统分别设置在不同的地理位置，每个边缘计算处理系统用于接收对应的信息采集系统发送来的设备的运行状态信息；对所述设备的运行状态信息进行分析处理，获得设备状态分析处理结果；将所述设备状态分析处理结果发送给对应的数据传输设备；

所述多个数据传输设备分别设置在不同的地理位置，每个数据传输设备用于接收对应的边缘计算处理系统发送来的设备状态分析处理结果，使用4G或5G通信技术将接收到的设备状态分析处理结果发送给云服务器；

所述云服务器，用于存储所述设备状态分析处理结果；

所述监控终端，用于向所述云服务器发送针对所述设备状态分析处理结果的访问请求，并获取所述云服务器根据所述访问请求返回的信息，并展示所述信息；

其中，所述每个信息采集系统采集设备的运行状态信息，并将设备的运行状态信息发送给对应的边缘计算处理系统，包括：

步骤A1、当前的信息采集系统采集到设备的运行状态信息之后，根据如下公式(9)计算每个设备的当前安全系数：

其中，k'_i表示第i个设备的当前安全系数，P_i1表示所述第i个设备当次工作的平均输出功率,P_i2表示所述第i个设备的额定输出功率，T_i表示所述第i个设备当次工作的已工作时长，T'_i表示预设的所述第i个设备每次工作的最长工作时长，ω_i表示所述第i个设备的磨损损耗系数；e表示为自然常数，取值为2.58，θ_i表示所述第i个设备的老化系数；

步骤A2、将每个设备的当前安全系数与每个设备预设的标准安全系数进行比较，将当前安全系数大于或等于标准安全系数的第一设备归类为安全类，将当前安全系数小于标准安全系数的第二设备归类为不安全类；

步骤A3、计算出不安全类中每个第二设备的故障系数：

其中，q_j表示第j个第二设备的故障系数；β_j表示所述第j个第二设备的使用频率；T_j1表示所述第j个第二设备在历史工作中每次工作的平均工作时长；Q_j1表示所述第j个第二设备的剩余寿命；b_j表示预设的所述第j个第二设备的待拟合参数指标，取值为[0.2,0.5]；R_j1表示所述第j个第二设备的当前健康指数；Q_j2表示预设的所述第j个第二设备的可使用总寿命；R_j2表示所述第j个第二设备的出厂健康指数；T_j2表示预设的所述第j个第二设备的每次工作的工作时长优选值；γ_j表示预设的所述第j个第二设备对应的计算误差因子，取值为[0.05，0.1]；所述e为自然常数；

步骤A4、为每一个第一设备设定安全标识，同时为每一个第二设备设定不安全标识；

步骤A5、获取安全类中每个第一设备的第一运行状态信息，将所有第一设备和与其对应的第一运行状态信息以及安全标识一起发送至所述当前的信息采集系统对应的边缘计算处理系统；

获取不安全类中每个第二设备的第二运行状态信息，将每个第二设备的第二运行状态信息、对应的故障系数以及不安全标识依次发送至所述当前的信息采集系统对应的边缘计算处理系统。

2.如权利要求1所述的系统，其特征在于，所述信息采集系统，包括环境参数传感器、摄像头、设备信息采集器中的任一种或多种，还包括数据传输模块：

环境参数传感器，用于采集设备的工作环境参数；

摄像头，用于对所述设备的工作环境进行拍摄，获得所述设备的工作环境视频；

设备信息采集器，用于采集所述设备的实时工作参数；

数据传输模块，用于将所述设备的工作环境参数、设备的工作环境视频、设备的实时工作参数发送给对应的边缘计算处理系统。

Images