[发明专利]一种端边协同的工业网络控制架构及资源联合分配方法

说明书

本发明公开了一种端边协同的工业网络控制架构及资源联合分配方法。针对工业现场设备地理分散、任务时间敏感且计算密集特点，采用边缘设备对多个子系统上传的测量值进行计算与估计，并下达指令实现实时控制，同时满足网络和控制需求、限制和容忍度，且具有灵活性与可扩展性。考虑到实际生产中存在的多元感知型任务，给出采样、传输、计算过程综合影响下的任务时效性定义，并基于其与估计性能的关联关系，进行资源联合调度方案设计，在保证系统控制性能的前提下，平衡子系统对频带资源和计算资源的占用情况，缓解频带拥塞和计算超负荷；并且在系统可靠性约束下尽可能以最小代价来采样、传输和计算，降低系统能耗。

技术领域

本发明属于网络资源调度技术领域，涉及一种端边协同的工业网络控制系统架构以及基于任务时效性的感知-传输-计算资源联合分配方法。

背景技术

工业物联网作为信息通信技术的新范式，在自动驾驶、智能电网、工业生产到农业、医疗保健、智能家居等场景都有着广泛应用。在工业自动化应用领域，工业物联网系统一般由网络系统和物理系统通过有线或无线网络组成，形成闭环体系结构。物理系统代表执行工业生产和过程任务的制造和自动化组件。网络系统由通信、计算、控制和其他组件组成，以帮助监控、估计和控制工业物联网系统。由于工业物联网系统是集成通信和控制的高度耦合系统，因此单独设计工业物联网系统是不可行的，这驱使我们研究通信和控制协同设计策略以提高系统性能。现有网络控制系统设计主要有两种：一是从通信角度忽略接收端动态需求和数据特征，最大化网络吞吐量或最小化端到端延迟，二是从控制角度理想化通信网络状态(忽略时延，假设频带、计算资源足够)，最大化控制质量，但在工业网络控制系统中通信和控制相互耦合、难以分离设计，因此需要研究综合考虑控制(Quality ofControl,QoC)和通信(Quality of Service,QoS)性能的设计方法。。

随着工业物联网的蓬勃发展，工业物联网设备(如传感器)的资源约束与大规模机器通信需求之间的冲突加剧。边缘计算(Edge Computing,EC)被认为是缓解这一问题的一种有前景的技术，其通过将采集到的数据在网络的边缘进行处理，减少了这些设备的响应时间，进而减轻了频谱资源的负担。飞机总装过程是边缘辅助工业物联网系统的典型场景包含6个工位，需要完成系统安装、分系统调试与检查、机械系统功能试验、剩余系统功能测试等多项任务。以多飞控活动面测试为例，飞机活动面由大规模部署的传感器监测，通过无线通道将测量值传输到边缘设备进行处理估算。边缘估计结果被传送到控制单元，以便及时做出控制决策。但是，如果边缘设备接收到的信息是陈旧的，就会导致较高的估计误差，影响控制决策。在这方面，仅仅最小化延迟是不够的，因为信息陈旧与否不仅依赖于较大的传输和计算延迟，还依赖于源端的采样率更新。

信息新鲜度(Age of Information，AoI)是一种很有前途的度量，用于评估这些时间敏感型任务(例如，多飞控活动面动态测试、人机协作线束安装、多工序协同等)数据包的状态新鲜度。现有信息新鲜度(AoI)研究通常关注单信息源任务的平均AoI优化(例如，延迟、速率和队列长度)，但在实际工业生产中，单个传感器感知能力有限，很多任务往往需要多个甚至多类传感器进行联合感知，传统AoI定义不能直接应用于多元感知型任务。因此，有必要给出这类任务信息新鲜度的定义——任务新鲜度(AoT)。此外他们大多关注传单个因素(例如采样频率、传输服务时间或计算服务时间)对AoI的影响，但在网络控制系统中，这三个因素往往相互影响、共同作用于AoI性能，分离设计会降低资源利用率，造成资源浪费。同时，这些工作都集中在通信领域，很少有工作共同考虑控制系统性能，我们通常认为较好的AoI性能也会导致较好控制性能，因此研究控制性能和AoI的解析关系是十分必要的。