一种基于边缘联邦架构的工业多智能体协同控制方法及系统与流程

摘要: 本发明涉及工业智能控制领域,尤其涉及一种基于边缘联邦架构的工业多智能体协同控制方法及系统。背景技术:1、在工业生产领域,工业控制系统通常包含多个品牌的可编程逻辑...
一种基于边缘联邦架构的工业多智能体协同控制方法及系统与流程

本发明涉及工业智能控制领域,尤其涉及一种基于边缘联邦架构的工业多智能体协同控制方法及系统。

背景技术:

1、在工业生产领域,工业控制系统通常包含多个品牌的可编程逻辑控制器、数控设备及机械臂等控制节点,这些节点运行各自的现场总线协议。为实现生产过程的协同管理与优化,通常采用集中式的制造执行系统或监控与数据采集系统进行数据整合与管理,同时也有通过公有云平台实现跨区域数据交互的尝试,以支持生产数据的分析和生产流程的优化。

2、在实际生产过程中,工程师常常会遇到这样的情况:当某个生产单元通过数据分析得出优化决策并调整自身运行参数后,与其关联的上下游设备却无法及时获取该调整信息并做出相应补偿动作,导致产品在流转过程中出现质量偏差。这一问题的本质原因在于,不同制造商的控制节点采用私有协议,使得设备间难以实现控制指令的直接交互,集中式管理系统主要侧重于数据的采集与展示,难以支持设备间低延迟的实时控制指令传递,而基于公有云的协同方案在数据传输延迟和核心生产数据的安全管理方面也存在难以克服的限制,导致智能分析模型得出的优化策略无法及时有效地驱动相关执行机构协同动作。这种状况使得生产过程中各环节的智能分析结果难以转化为整体的协同优化行动,造成生产资源的非最优配置和产品质量的不稳定。

技术实现思路

1、为克服现有技术的上述缺陷,本发明提供如下技术方案:

2、一种基于边缘联邦架构的工业多智能体协同控制方法,包括:通过非侵入式传感器阵列对异构设备进行物理信号旁路采集,利用协议逆向解析引擎提取设备私有总线报文,生成设备原始信号集合;基于设备原始信号集合,利用机理模型驱动的数据治理流水线进行噪声滤除和缺失值插补,将异构信号转换为统一时序数据帧序列;对统一时序数据帧序列进行任务时效分级,毫秒级任务由本地轻量推理模块直接输出控制指令,复杂任务经边缘推理模块结合知识检索生成候选决策,形成分级决策指令队列;基于分级决策指令队列,经仿真验证模块进行安全校验后,通过集群实时事件总线将验证通过的指令发布至关联设备节点,生成车间级协同控制事务;对车间级协同控制事务进行摘要压缩,通过联邦消息通道将事务摘要异步传输至关联车间集群,接收方基于事务摘要重新计算排产计划,生成跨车间联邦协同日志;利用跨车间联邦协同日志中的控制效果反馈,各节点在本地对推理模型进行增量训练并计算梯度更新量,对梯度更新量进行差分隐私处理后上传至联邦聚合节点进行全局模型更新,将更新后的模型参数下发至各边缘节点完成部署。

3、进一步地,生成设备原始信号集合的步骤包括:在异构设备的控制柜外部部署非侵入式传感器阵列,对设备运行过程中的物理信号进行旁路采集,生成多模态物理信号采集序列;在设备通信链路上部署无源信号采集器,对私有现场总线的通信报文进行镜像捕获,生成原始总线报文序列;利用协议逆向解析引擎对原始总线报文序列进行解析,将私有协议报文转换为结构化协议数据序列;将多模态物理信号采集序列与结构化协议数据序列按统一时间戳进行对齐融合,生成设备原始信号集合。

4、进一步地,将私有协议报文转换为结构化协议数据序列的流程包括:从原始总线报文序列中逐条提取报文字节流,与协议特征库中的帧头标识进行模式匹配,识别报文所属的协议族类型;根据识别的协议族类型调用对应的帧结构解析器,基于协议特征库中的长度编码规则确定报文各字段的起始位置和长度,将报文字节流切分为帧头字段、地址字段、功能码字段、数据字段和校验字段;对切分后的各字段进行语义标注,将功能码字段映射为读操作、写操作或诊断操作等语义类别,将数据字段按照协议特征库中的数据类型定义解析为整数、浮点数或位域等结构化数值,生成结构化协议数据序列。

5、进一步地,将异构信号转换为统一时序数据帧序列的流程包括:从设备原始信号集合中提取各类信号,根据信号类型匹配对应的机理模型进行噪声滤除,生成滤波后信号集合;基于滤波后信号集合,对采集中断导致的缺失值进行机理约束插补,生成完整信号集合;基于完整信号集合,按照预定义的数据帧结构进行封装,生成统一时序数据帧序列。

6、进一步地,生成完整信号集合的流程包括:检测滤波后信号集合中各信号数组的时间连续性,识别采样点缺失的时间区间作为缺失区间,记录缺失区间的起止时间戳和所属设备标识,生成缺失区间记录表;对于缺失区间持续时长低于预设短时阈值的情况,采用线性插值方法,利用缺失区间前后相邻的有效采样点按时间比例计算缺失位置的估计值进行填充;对于缺失区间持续时长大于等于短时阈值但小于等于预设长时阈值的情况,基于工序关联设备的信号进行交叉验证插补;对于缺失区间持续时长超过长时阈值的情况,将该区间标记为不可恢复缺失,在后续数据帧中设置置信度为零;将插补后的信号与未发生缺失的信号合并,生成完整信号集合。

7、进一步地,形成分级决策指令队列的流程包括:对统一时序数据帧序列中的每个数据帧进行事件检测和时效分级,生成分级事件队列;对分级事件队列中响应时限低于预设快速响应阈值的事件,调用本地轻量推理模块进行决策,生成快通路决策指令集合;对分级事件队列中响应时限大于等于快速响应阈值的事件,调用边缘推理模块结合知识检索进行决策,生成慢通路决策指令集合;将快通路决策指令集合与慢通路决策指令集合合并,按优先级排序生成分级决策指令队列。

8、进一步地,生成慢通路决策指令集合的流程包括:从分级事件队列中筛选响应时限高于快速响应阈值的事件,组成复杂事件子队列;对复杂事件子队列中的每个事件,提取其关联数据帧的完整内容,构建检索查询向量;在本地知识库中执行向量相似度检索,获取与当前事件相似的历史案例记录和相关工艺规范文档;将检索结果与当前事件的数据帧内容拼接,构建推理上下文,输入边缘推理模块的大语言模型进行推理计算;解析边缘推理模块输出的推理结果,提取候选控制策略和置信度评分,生成慢通路决策指令;将所有慢通路决策指令按生成时间戳排序,生成慢通路决策指令集合。

9、进一步地,生成车间级协同控制事务的流程包括:对分级决策指令队列中的每条指令进行仿真验证,生成验证结果标记序列;从验证结果标记序列中筛选验证通过的指令,封装为事件消息,生成待发布事件消息集合;通过集群实时事件总线发布待发布事件消息集合,关联设备节点接收并执行消息,生成执行响应记录集合;基于待发布事件消息集合和执行响应记录集合,构建车间级协同控制事务。

10、进一步地,利用跨车间联邦协同日志中的控制效果反馈,各节点在本地对推理模型进行增量训练并计算梯度更新量,对梯度更新量进行差分隐私处理后上传至联邦聚合节点进行全局模型更新,将更新后的模型参数下发至各边缘节点完成部署的流程包括:从跨车间联邦协同日志中提取控制效果反馈,与本地决策样本配对,构建增量训练数据集;各边缘节点在本地对推理模型进行增量训练,计算梯度更新量;对梯度更新量进行差分隐私处理,生成隐私保护后梯度更新量;各边缘节点将隐私保护后梯度更新量上传至联邦聚合节点,进行全局模型更新;将更新后的模型参数下发至各边缘节点,完成模型热更新部署。

11、一种基于边缘联邦架构的工业多智能体协同控制系统,其用于实现上述的一种基于边缘联邦架构的工业多智能体协同控制方法,所述系统包括:

12、设备原始信号采集模块:用于通过非侵入式传感器阵列对异构设备进行物理信号旁路采集,利用协议逆向解析引擎提取设备私有总线报文,生成设备原始信号集合;

13、数据治理模块:用于基于设备原始信号集合,利用机理模型驱动的数据治理流水线进行噪声滤除和缺失值插补,将异构信号转换为统一时序数据帧序列;

14、分级决策模块:用于对统一时序数据帧序列进行任务时效分级,毫秒级任务由本地轻量推理模块直接输出控制指令,复杂任务经边缘推理模块结合知识检索生成候选决策,形成分级决策指令队列;

15、车间协同控制模块:用于基于分级决策指令队列,经仿真验证模块进行安全校验后,通过集群实时事件总线将验证通过的指令发布至关联设备节点,生成车间级协同控制事务;

16、跨车间联邦协同模块:用于对车间级协同控制事务进行摘要压缩,通过联邦消息通道将事务摘要异步传输至关联车间集群,接收方基于事务摘要重新计算排产计划,生成跨车间联邦协同日志;

17、联邦学习更新模块:用于利用跨车间联邦协同日志中的控制效果反馈,各节点在本地对推理模型进行增量训练并计算梯度更新量,对梯度更新量进行差分隐私处理后上传至联邦聚合节点进行全局模型更新,将更新后的模型参数下发至各边缘节点完成部署。

18、相比于现有技术,本发明的有益效果为:

19、本发明针对工业异构设备因私有协议封闭、多源数据质量参差、决策时效差异显著、跨设备协同安全及模型进化受限等问题,通过构建基于特定计算模型的协同决策系统,实现了数据采集、治理、决策、协同与模型进化的全流程优化。在数据采集环节,采用非侵入式传感器阵列与协议逆向解析引擎,无需修改设备固件即可完成振动、电流、视觉等多模态物理信号旁路采集,结合帧结构识别与语义标注将私有协议报文转换为结构化数据,为后续推理模型保留了完整的设备运行物理特征,解决了传统方案依赖厂商开放接口导致的数据获取壁垒。数据治理环节引入机理模型驱动策略,针对振动信号采用小波去噪保留冲击特征、电流信号通过卡尔曼滤波利用时序相关性提升精度,确保治理结果符合设备物理规律,避免纯统计方法误滤有效状态信息,同时通过置信度字段量化数据质量,为推理模型输入提供可信分级依据。决策环节设计双通路计算模型架构,本地轻量推理模块(决策树/量化神经网络)实现十毫秒级紧急事件响应,边缘推理模块(工业微调大语言模型+知识检索)结合历史案例与工艺规范提升复杂事件决策准确性,突破传统单一推理架构无法兼顾时效与精度的限制。协同控制环节基于数字孪生模型仿真验证指令安全性,在虚拟环境预演设备响应并检测越限条件,通过集群实时事件总线实现跨设备指令分发,确保模型决策在物理执行层面的安全性。模型进化环节采用联邦学习范式,各节点利用本地数据增量训练推理模型,仅上传经差分隐私处理的梯度更新量,联邦聚合节点融合多节点梯度生成全局模型,实现模型能力持续进化的同时,确保核心工艺数据不出厂,解决了集中式训练与数据本地化的矛盾。通过上述基于特定计算模型的分层协同机制,本发明在突破工业设备数据壁垒、提升决策可靠性与安全性的同时,实现了推理模型在数据隐私约束下的分布式进化。