基于Edgex Foundry的配电网无功电压云边协同控制方法研究

针对大量多维异构的电网数据引起的存储压力、计算延迟和云边通信问题,提出了一种基于Edgex Foundry的配电网无功电压云边协同控制方法。首先,感知配电网10 kV侧的电网数据,构建了“边云”、“边边”协同控制模块与配电网无功电压信息交互模型,基于多种通信协议建立云边数据传输通道。然后,部署了面向配电网无功电压的云边协同控制模型,构建了基于Edgex Foundry的配电网无功电压“云-边-端”集中-分布式协同控制架构,实现云边协同架构与十五区图控制策略交互融合。最后,基于仿真验证了云边协同控制方法可以降低计算时延,缓解云端计算和存储压力,实现在云边协同控制中母线与支线整体联控、异常支线局部单调两种调控模式的深度融合,为实现配电网无功电压云边协同控制提供了技术支撑。

综采液压支架中部跟机多模态人机协同控制系统

我国煤矿智能化综采工作面建设处于初级阶段,液压支架电液控自动化技术已广泛应用,但目前液压支架单一固化的自动化控制逻辑难以适应复杂、多变、动态的工作面生产场景,现场实际控制过程仍大多采用自动化+人工干预方式。针对综采工作面复杂场景中液压支架人机交互协作任务需求,提出液压支架中部跟机多模态人机协同控制系统的理论方法与技术原理。首先,设计了人工式、分工式、批准式、否决式4种人机协同模态,以煤层地质、瓦斯粉尘、采煤机速度、液压支架智能水平、系统状态、岗位工技术水平、任务负荷等为判别因素,构建了基于AOG的液压支架人机协同模态选择模型,实现了人工、机器偏好的模态选择。然后,设计了液压支架中部跟机人机协同控制决策机制,提出液压支架中部跟机再次调控策略AI推理技术思路,利用现场数据学习人工操作经验,分别构建了液压支架是否再次调控决策树分类模型和再次拉架时间贝叶斯回归模型,基于上述模型开发了液压支架人机协同控制决策程序,实现了基于多模态与或推理和再次调控策略AI推理的液压支架人机协同控制。最后,采用云-边-端架构软硬件技术,开发了液压支架多模态人机协同控制系统,实现了模型进化、运算推理、程序执行等液压支架多模态人机协同控制功能。该系统在沙曲二矿3404工作面进行了工业试运行,相比于系统使用前,该工作面液压支架中部跟机效率平均提高2%。

基于偏好和虚拟适应度的两阶段依赖任务卸载算法

针对云边端协同环境中依赖任务卸载时效率低以及任务卸载失败的问题,提出一种基于偏好和虚拟适应度的两阶段依赖任务卸载算法.第一阶段,根据提出的二维卸载偏好因子对依赖任务的部分子任务进行直接卸载决策,从而有效缩小遗传算法初始种群的规模.第二阶段,提出基于虚拟适应度的启发式交叉方法,并对基于参考点的快速非支配排序遗传算法(non-dominated sorting genetic algorithmⅢ, NSGA-Ⅲ)的交叉算子进行改进,保留了种群多样性并提升了算法收敛速度,最后使用改进的算法对所有依赖任务的子任务进行最优卸载决策集的搜索.实验结果表明,与其他算法相比,该算法在任务完成时间、任务能耗和边缘云集群成本方面平均优化了10.2%~18.3%,并且将任务失败率平均降低了10.7%~25.6%.

校企联合构建混合式人工智能课程实践教学体系的应用研究

当前人工智能技术和产业飞速发展,加快人工智能工程人才培养,提升人工智能信息素养,强化人工智能工程能力是学校人才培养的重点。针对电子信息工程专业人工智能课程,以教育部—华为“智能基座”产教融合协同育人基地项目为依托,基于华为ModelArts、HiLens、Atlas的“端云协同”实践平台,构建了集线上原理学习、线上模拟测试、线下物理实验、应用场景方案设计和多维度课程评价为一体的线上线下融合实践教学体系,完现了人脸识别、口罩识别、花卉识别、手写体识别等人机协同教育的实验项目。应用研究结果表明:构建的“一云一端”“一软一硬”、面向不同应用场景的人工智能课程实验教学平台,对加快人工智能工程人才培养、提升人工智能信息素养、强化人工智能工程能力的人才培养起到重大推动作用,将为生成式人工智能在教育领域中的应用提供优秀案例。

基于代理选举的高效异构联邦学习方法

物联网多样性终端设备在计算、存储、通信方面的异构性导致联邦学习效率不足。针对上述联邦训练过程中面临的问题,基于代理选举思路,提出了一种高效联邦学习算法。设计了基于马氏距离的代理节点选举策略,将设备的计算能力与闲置时长作为选举因素,选举性价比高的设备作为代理节点,充分发挥设备计算能力。进一步设计了基于代理节点的新型云边端联邦学习架构,提升了异构设备之间的联邦学习效率。基于MNIST和CIFAR-10公开数据集与智能家居设备真实数据的实验表明,该联邦学习方法的效率提高了22%。

基于多智能体的工业数字孪生系统云边端架构与关键技术

基于多智能体的工业数字孪生系统(iDTS)由人、设备、环境、孪生仿真系统和计算系统等多智能体构成,是一个多智能体、AI算法和数字孪生融合驱动的新一代iDTS系统。针对工业数字孪生系统在实时性、智能性和负载均衡等方面的需求,提出了基于多智能体的iDTS系统的典型特征、云边端架构和关键技术体系,主要包括模型驱动智能体自学习优化方法、多智能体交互的同步与共享方法、多智能体协同的分布式控制方法、iDTS系统制造资源协同调度方法和iDTS系统的云边端负载均衡方法等。最后,通过典型案例展示了基于多智能体的iDTS系统的应用效果。所提出的系统架构与关键技术为推动人工智能和数字孪生技术在智能制造过程中的深入应用提供了重要参考。

知识嵌入深度强化学习的6G网络决策算法

为了保证6G网络场景下用户的服务质量(quality of service, QoS)时延以及解决深度强化学习(deep reinforcement learning, DRL)收敛时间较长的问题,对云-边-端架构下的计算网络进行了研究。提出了多评论家深度强化学习框架,在此基础上提出知识嵌入多评论家深度强化学习算法,将无线通信知识嵌入深度强化学习,采取深度强化学习与计算网络结合的方式对网络中的计算资源和频谱资源进行分配。仿真结果表明,所提出的方法相比于传统的深度强化学习方法能够有效减少收敛时间,并且能够在信道时变的环境下,保证用户时延的基础上能够实现实时决策。

云边端协同移动群智感知中基于两阶段资源均衡的任务分配方法

在集中式移动群智感知中,云平台负责任务分发和数据收集等全部过程.当面对各种实时应用场景的需求时,云平台将面临数据计算、存储以及通信压力.针对上述问题,本文结合云边端体系结构,设计了两阶段的任务分配策略,分析参与者资源状态对任务的影响,构建了资源评估模型.以最小化任务平均响应时间为优化目标,以资源均衡为约束,提出了基于两阶段资源均衡的任务分配方法.该方法首先提出基于资源占用率的边缘服务器资源均衡任务分配方法,为边缘服务器选择任务集,再提出基于改进蚁群算法的参与者资源均衡任务分配方法,通过边缘服务器和参与者之间的协作实现资源均衡.仿真实验结果表明,本文所提算法同其他算法相比具有良好的性能.

云边端协同下多用户细粒度任务卸载调度策略

为了解决当前处理多用户应用程序效率低下、密集网络资源利用率低及系统花费成本高等问题,提出了一种云边端协同下多用户细粒度任务卸载调度方法。该方法联合考虑了时延、能耗和服务器租用成本,先划分应用程序任务并设计子任务优先级,然后提出了多用户子任务调度方案,设计了一种改进的模拟退火粒子群算法求解最小系统总成本,从而实现最佳卸载决策。实验结果表明,所提方法相较于粒子群和模拟退火二元粒子群等其他方法,分别降低了至少12.28%和7.42%的总成本。

基于“云边端”架构的直角机器人控制系统设计

为了满足直角坐标机器人控制系统对通用性和工业数字化的需求,设计了基于“云边端”架构的直角机器人通用控制系统。首先根据提炼的系统通用功能,提出采用“云边端”架构的总体方案;其次,以架构为基础,以实现基本功能为目标,以低代码技术作为编程手段,从设备端、边缘端、云平台端三方面分别进行设计。最后搭建实验平台,对“直角机器人搬运控制系统”设计目标进行验证,证明了采用“云边端”工业互联网架构的通用控制系统具有可行性和工业数字化的特点,同时可提高控制系统设计效率。

面向算力制造全流程的企业园区算力网络系统和关键技术

数字经济催生算力需求突飞猛进,企业数字化转型依赖算力资源和相关应用。围绕算力制造全流程解析的四大类算力应用,提出企业园区算力网络的系统架构,并基于此构建覆盖研发云、办公云、生产云和终端云的四个子系统,进而建立围绕三大技术创新的企业园区算力网络系统。文章还首次提出算力制造的核心竞争力问题等价于这些应用使用算力的效率和成本问题,而唯有在资源和运营上实施双重定制,才能实现资源利用的极致效率和运营服务的极致体验,从而达成算力制造的降本提效目标。该系统和关键技术在运营商和企业合作项目开展试点验证,结果表明,在改善应用体验和算力资源效率上取得显著成效,成为算力服务器竞争力的关键因素。

面向温控负荷聚合调控的云边端网络资源分配

温控负荷是以空调和电热水器等为一类控制温度调节的柔性负荷,作为一类重要的需求侧资源,对负荷集群进行灵活的聚合调控可以充分调动清洁能源消纳能力,保障电网供需平衡。由于温控负荷常见于商业写字楼及居民区内,可对其采用较为稳定的控制与传输方式,故引入高效的分层分级传输网络,实现负荷与电网之间的数据传输与信息交互,灵活、实时、精准地利用负荷集群的调节潜力。首先提出了一种“中心云-边缘云-区域控制器-温控负荷”的云边端协同通信组网架构。接着,针对端-边部分,考虑不同聚合控制任务的需求,利用改进的聚类算法对任务进行分类,以减小传输开销。针对边-云协同部分,构建了考虑时延、能耗和误码率的传输开销效用函数,设计了基于稳定匹配和注水算法的子信道资源分配算法,并利用二进制粒子群算法解决了任务上传决策问题。最后,通过仿真验证了本文所提模型的有效性,并进行了对比实验。

智慧轨道交通云边端协同系统关键技术研究

为解决智慧轨道交通中海量数据接入的同时合理利用信息和通信基础设施资源,研究智慧轨道交通云边端协同系统的关键技术。归纳智慧轨道交通系统的总体框架与技术架构,提出各专业系统智能化演进的共性特征。分析云中心、边缘计算平台及终端的管理、处理能力、带宽占用、实时性等特点,研究智慧轨道交通云边端协同方式,并提出相匹配的系统分级架构与网络架构。在此基础上,以接触网智能运维系统为例,提出单台检修车设置边缘计算节点集成各类智能终端实现独立检测维修能力,通过云中心统一管理、优化、迭代的典型系统方案。云边端协同有助于实现轨道交通泛在感知、高效处理与信息、通信基础设施之间的有效融合,在智慧轨道交通中有广泛的应用前景。

受限场景下医疗物资管理系统的设计与实现

目的 针对受限场景下由于活动空间狭小、医疗物资难以及时补充、网络环境不稳定、信息传输受限、工作方式特殊等条件的限制因素导致的医疗物资管理困难的问题,设计物资管理系统以提高受限场景下医疗物资的响应速率和管理效率。方法 基于云边端技术,运用物联网技术对每个医疗物资进行身份登记,实现受限场景下医疗物资的出库、定位、清点、转移等功能的联合管理;同时通过多数据库协同工作,保证医疗物资管理数据传输的准确性。结果 受限场景下的医疗物资管理系统,可实现中央工作站和受限终端实时监控、联合管理、快速获取医疗物资的新模式。用户进行物资出库时间明显降低、效率明显提升,差异有统计学意义(P<0.001)。结论 受限场景下医疗物资管理系统的建立,有效提高了受限场景下医疗物资的管理效率和快速响应能力,实现了医疗物资管理的精确化和可视化。

基于赛博链的云端动力电池管理

电池管理系统有助于保持汽车动力电池的安全和优良特性,实现状态估计、单体均衡、热管理和故障诊断重要功能。传统的车载设备已不能满足先进电池管理系统对算力、通信的需求,提出基于赛博链(CHAIN)的云端电池管理系统,通过“端、边、云、智”模式实现车云协同,利用分布式计算架构解决算力问题,可以提供基础设施服务(IaaS)、开发平台服务(PaaS)、软件应用服务(SaaS)、数据资源服务(DaaS)4种服务类型。最后总结了该系统可能面临的技术挑战,并展望了其广泛的应用场景。

基于边云协同的数控机床故障诊断联邦学习研究

为解决数控机床主轴轴承和刀具在进行故障诊断模型训练时需要大量数据且耗时长的问题,提出一种基于边云协同架构的联邦平均学习故障诊断模型。首先,设计一维卷积神经网络模型架构,在各边缘客户端进行本地模型训练,以减小数据上传规模和分担云服务器端计算压力;其次,在云服务器端基于准确率优化模型聚合算法,改进边缘客户端筛选算法,以加快模型收敛速度,提高模型准确率;再次,在云服务器端搭建基于Kubernetes的KubeEdge边云协同平台,以缩短数据传输的通信时间。实验结果表明,模型在各边缘客户端故障诊断的准确率最终稳定在87.5%左右;且收敛速度、训练时长等方面与对照组相比,均获得优化。

云-边-端协作网络中的细粒度任务调度策略

针对已有的任务卸载及调度方案大多计算过程复杂、易忽略任务多属性及子任务间可并行性等问题,设计了一种云-边-端协作网络中的细粒度任务调度策略。构建了一个涵盖云-边-端三层的网络架构并引入SDN(software defined network)来实现高效的网络信息管理和边缘负载均衡。提出了包含两种任务服务模式(整体服务模式、分割服务模式)及三种执行机制(云执行、边执行、端执行)的任务调度策略:对于整体服务模式下的任务,设计了一个时延与能耗联合优化的优化问题来获取对应任务的最佳执行机制;对于分割服务模式下的任务,利用改进的动态列表调度方法设计了一种子任务调度并行度最大化(subtask scheduling parallelism maximization,SSPM)算法来最大化分割后被调度子任务的并行度。在NS-3平台上进行仿真实验,仿真结果表明该策略的性能表现优于其他对比方案。

基于云边端架构的集成供液控制系统设计

为了满足煤矿井下智能化集成供液发展需求,针对现有供液控制系统数据处理及工作协同能力不足、自主决策程度较低等问题,设计了基于云边端架构协同工作的集成供液控制系统。该系统采用现场工业总线与工业以太网复合通讯技术解决现有供液控制系统数据通信能力不足问题;采用云-边-端架构实现降低数据传输延迟、节省中心计算处理单元的资源;通过变频-卸荷联动控制算法、泵站群组阶梯卸荷算法优化系统压力流量控制。文章介绍了系统整体架构、硬件设计方案、软件设计方案,完成了井下工业性试验。试验结果表明:该系统提升通讯带宽满足使用需求,设计架构合理,压力波动范围减小,促进了煤矿井下综采工作面集成供液系统智能化发展。

联合数据压缩和安全保护的协同计算任务迁移策略

针对端边云协同计算系统中的任务迁移问题,建立一个联合数据压缩和安全保护的任务迁移模型,并提出一种基于改进鲸鱼算法的迁移算法以获得最佳的任务迁移策略。该模型利用数据压缩技术对需要传输的任务数据进行压缩,以降低任务的传输时延。同时,引入隐私熵对任务迁移的隐私风险进行量化,实现数据可用性与安全性之间的平衡。所提迁移算法引入自适应概率阈值同时使用粒子群算法中的惯性权重,以平衡全局搜索和局部开发的能力。实验结果表明:任务迁移模型可以有效地降低任务处理时延并保护任务数据安全;与现有迁移算法相比,所提迁移算法具有更快的收敛速度且能够得到更优的目标值。

基于放置分发阵列的云-边-端通算融合架构

随着6G的发展,云端、边缘端和终端节点间的协作是当下的研究热点,而Map Reduce则是面向大规模数据处理的并行计算模型。将Map Reduce与云-边-端架构相结合,提出基于放置分发阵列的云-边-端协同计算和传输设计架构。该架构充分利用云端和边缘端丰富的计算和存储资源,在边缘端和终端部署冗余计算任务,借助多播编码,成倍地减小云-边链路和边-端链路之间的通信负载,从而实现云-边-端之间通信与计算的协同,高效地服务终端的计算需求。