[发明专利]基于多通道边缘计算和区块链的智能制造框架设计方法

说明书

本发明公开了一种基于多通道边缘计算和区块链的智能制造框架设计方法，S10，分析智能制造系统所需的相关关系；S20，分析智能制造系统的系统框架；S30，建立计算任务分配优化模型；S10包括：S11，分析物联网、工业物联网、工业4.0和网络物理系统的关系；S12，分析智能制造系统中的边缘计算方法；S13，分析智能制造系统中的区块链方法；S20包括：S21，引入基于边缘计算的原型系统；S22，引入基于区块链的数据和服务验证；S30包括：S31，确定问题目标与约束条件；S32，确定参数与变量的符号表示；S33，建立数学模型；S34，设计模型的求解。本发明解决了由于设备增加导致的数据处理困难问题，以及智能制造的体系结构转变导致计算资源分配问题。

技术领域

本发明属于现代生产和制造业数字化技术领域，涉及一种基于多通道边缘计算和区块链的智能制造框架设计方法。

背景技术

近年来，工业化的演变已经从自动化转向了数字化。智能制造是现代生产产业和制造业在数字化方面的核心，也是智能工厂的基础。在智能制造过程中，大量的终端设备和设施通过信息技术进行数字化和连接，设备之间的交互操作不断地产生巨大的数据流。为了简化和加快数据处理，引入了数据处理技术。此外，通过操作技术，实现了监控和数据采集系统、分布式控制系统、可编程逻辑控制器和可编程逻辑控制器。信息技术、数据处理技术和操作技术的集成支撑了智能制造的发展。然而，不断增加的连接设备和设施导致了较高的数据处理需求，并对现有技术的应用提出了挑战。

为了解决这一问题，由5G技术衍生的多通道边缘计算技术成为一种很有前途的解决方案，它有能力促进工业互联网和工业云计算之间的数据处理，还可以支持工业互联网设备之间的交互操作性。智能制造技术应用之外的另一个问题是设备级数据传输的可信度和企业级业务交易的可信度。区块链技术是解决这一信任问题最有利的解决方案，它可以通过使用分布式控制机制来加强数据传输和业务交易。

因此，通过调查和分析将边缘计算技术和区块链技术应用于智能制造的潜在问题，本文提出了一种集成了边缘计算技术和区块链技术的智能制造系统的概念性框架设计。然而，随着边缘计算技术的应用，智能制造的体系结构由集中管理转变为分布式形式，导致了终端设备的任务分配问题和边缘服务器之间相应的计算资源分配问题。因此，本文进一步提出了一个优化模型来制定智能制造系统的任务分配和资源分配并设计了一种基于群体智能的方法来求解该数学模型。任务分配问题是一个经典的NP-hard问题。该计算任务分配问题是由于异构处理单元和并行处理机制而对传统任务分配问题的扩展。因此，元启发式方法比精确方法更适合于解决这个问题。因此，本发明采用了一种基于群体智能的自适应人工蜂群算法。

基于群体智能的自适应人工蜂群算法作为一种经典的元启发式算法，最早由Karaboga于2005年正式提出。该算法模拟自然界中的蜂群采蜜这一群体智能行为，通过雇佣蜂、跟随蜂和侦查蜂三种角色的分工以及搜索蜜源、为蜜源召集蜜蜂和放弃蜜源三种基本的行为模式来寻找更好的蜜源。在实际优化问题当中，蜜蜂搜索最优蜜源的过程就是寻找问题最优解的过程。原始人工蜂群算法适用于求解连续性问题，而任务分配问题属于离散性问题。同时，人工蜂群算法本身存在探索能力强而开采能力弱的缺陷。因此，设计并改进人工蜂群算法使得其适用于任务分配问题的求解具有必要性。

发明内容

本发明针对现有技术的不足，提供一种高效的智能制造系统设计框架，其中具体考虑了由于设备增加导致的数据处理困难问题，以及智能制造的体系结构转变导致计算资源分配问题。该方法采用多通道边缘计算技术以及区块链技术来解决上述问题，包括以下步骤：

S10，分析智能制造系统所需的相关关系；

S20，分析智能制造系统的系统框架；

S30，建立计算任务分配优化模型；

其中，S20具体包括以下步骤：

S21，引入基于边缘计算的原型系统；

S22，引入基于区块链的数据和服务验证。