云边协同智能调度系统的制作方法

本申请涉及工业人工智能，尤其涉及一种云边协同智能调度系统。

背景技术：

1、工业互联网中的调度系统通常采用集中式架构，结合时序预测、强化学习调度及拓扑分析，实现设备运行与任务分配管理。

2、然而，现有方案多依赖云端集中计算，难以适应多源不确定性与多任务并发场景；静态拓扑分析难以表征拓扑演化及不确定性传播，共享预测模型易产生任务间状态干扰，且平均化任务分发方式易导致负载失衡、吞吐量下降和实时性不足。

3、因此，如何在多源不确定性与多任务并发条件下提高调度鲁棒性、预测稳定性及系统吞吐量，成为亟需解决的技术问题。

技术实现思路

1、本申请实施例提供一种云边协同智能调度系统，以解决上述技术问题。该系统面向工业互联网中多源不确定性与多任务并发的调度场景，通过构建云端与边缘协同的任务处理与调度框架，将工业系统数据分析、调度任务生成与分发、面向多任务的预测处理以及调度决策优化进行一体化联动，从而提升复杂工业场景下调度过程对不确定性变化的适应能力、预测结果的稳定性以及整体任务处理效率。

2、第一方面，本申请提供一种云边协同智能调度系统，所述系统包括：

3、云端处理单元，用于对工业系统数据进行语义特征提取和图时空结构融合，并生成链路预测的先验特征；

4、分发单元，用于基于总运行时间模型对包含所述先验特征的调度任务进行非均匀划分与封装生成预测任务，并配合动态实例化下发所述预测任务至边缘网关；

5、预测单元，用于针对每个预测任务分配映射向量以将共享储层状态投影至低维任务专属子空间，得到投影状态，并基于所述投影状态求解共享输出层权重，得到多任务时序预测结果；

6、优化单元，用于基于所述多任务时序预测结果生成概率场景，并将所述概率场景嵌入马尔可夫决策过程，采用策略优化算法输出调度动作指令。

7、在一种可能的实施方式中，所述云端处理单元包含语义提取模块、图结构建模模块和时空演化分析模块，其中：

8、所述语义提取模块，用于通过所述大语言模型对所述工业系统数据中的节点与边属性进行语义特征提取，生成语义嵌入向量；

9、所述图结构建模模块，用于基于所述语义嵌入向量构建加权图结构，并通过图卷积网络对所述加权图结构进行空间聚合，生成空间特征；

10、所述时空演化分析模块，用于对所述空间特征进行时间演化分析，生成链路预测的先验特征。

11、在一种可能的实施方式中，所述图结构建模模块具体用于：

12、基于所述语义嵌入向量与所述工业系统数据中的设备连接关系和运行状态序列，构建所述加权图结构；

13、通过图卷积网络对所述加权图结构进行空间聚合，生成所述空间特征；

14、通过鲁棒识别机制对所述空间特征进行处理，对高不确定性链路进行降权，以过滤噪声干扰。

15、在一种可能的实施方式中，所述时空演化分析模块具体用于：

16、通过时序建模算法对经鲁棒识别处理后的所述空间特征进行时间演化分析，得到链路预测的先验特征。

17、在一种可能的实施方式中，所述时序建模算法包括双向长短期记忆网络与transformer架构，所述双向长短期记忆网络用于提取所述空间特征中的局部短程波动特征，所述transformer架构用于捕捉所述空间特征中的全局长程依赖与周期性演化规律。

18、在一种可能的实施方式中，所述分发单元包含任务划分模块，具体用于：

19、构建包含启动开销、通信延迟与计算耗时的总运行时间模型；

20、基于所述总运行时间模型，对包含所述先验特征的调度任务进行动态非均匀划分与封装得到所述预测任务，以使先执行的分片获得更多资源以掩盖启动延迟，后执行的分片动态调整以消除尾端闲置。

21、在一种可能的实施方式中，所述分发单元还包含资源管理模块，具体用于：

22、基于所述非均匀划分结果进行两层动态实例化，建立分布式计算实例集合，并下发所述预测任务至边缘网关；

23、其中，第一层实例化根据划分后的任务分片进行基础容器组分配，第二层实例化根据实时任务队列长度动态扩缩容。

24、在一种可能的实施方式中，所述预测单元包含子空间映射模块，具体用于：

25、针对每个预测任务，生成具有特定零元素比例的二元映射向量，并将所述二元映射向量与共享储层状态进行哈达玛积运算，以将所述共享储层状态投影至低维任务专属子空间，得到投影状态。

26、在一种可能的实施方式中，所述预测单元还包含输出求解模块，具体用于：

27、基于所述投影状态，采用岭回归求解共享输出层权重，得到所述预测任务的时序预测结果；

28、汇总多个时序预测结果，得到所述多任务时序预测结果。

29、在一种可能的实施方式中，所述优化单元，具体用于；

30、基于所述多任务时序预测结果，采用拉丁超立方采样生成多个概率场景，并通过同步回代削减获得代表性场景集合。

31、将所述代表性场景集合中各场景的概率作为权重嵌入马尔可夫决策过程的奖励函数，并将场景变量扩展至状态空间，构建含概率加权的马尔可夫决策过程；

32、采用近端策略优化的剪切替代机制约束策略更新步长，对所述含概率加权的马尔可夫决策过程进行策略更新，输出所述调度动作指令。

33、本申请提供一种云边协同智能调度系统，通过云端处理单元对工业系统数据进行基于大语言模型的语义特征提取、图时空结构融合以及链路预测先验特征生成，能够提高对工业系统状态、拓扑关联及不确定性传播的表征能力，进而增强调度决策的鲁棒性；通过分发单元基于总运行时间模型对包含先验特征的调度任务进行非均匀划分与封装，并配合两层动态实例化下发预测任务，能够提升任务分配与边缘侧资源适配的合理性，进而改善负载均衡水平、系统吞吐量和实时响应能力；通过预测单元针对各预测任务分配二元映射向量并投影至低维任务专属子空间，且基于投影后的子空间状态求解共享输出层权重，能够降低多任务之间的状态干扰并提升时序预测稳定性，进而为后续调度优化提供更可靠的预测结果；通过优化单元基于多任务时序预测结果生成概率场景并进行削减，将场景概率嵌入马尔可夫决策过程并采用近端策略优化进行策略更新，能够在不确定场景下输出更符合概率分布特征的动作指令，进而提高云边协同智能调度系统在复杂工业环境中的综合调度性能。

1.一种云边协同智能调度系统，其特征在于，所述系统包括：

2.根据权利要求1所述的系统，其特征在于，所述云端处理单元包含语义提取模块、图结构建模模块和时空演化分析模块，其中：

3.根据权利要求2所述的系统，其特征在于，所述图结构建模模块具体用于：

4.根据权利要求3所述的系统，其特征在于，所述时空演化分析模块具体用于：

5.根据权利要求4所述的系统，其特征在于，所述时序建模算法包括双向长短期记忆网络与transformer架构，所述双向长短期记忆网络用于提取所述空间特征中的局部短程波动特征，所述transformer架构用于捕捉所述空间特征中的全局长程依赖与周期性演化规律。

6.根据权利要求1所述的系统，其特征在于，所述分发单元包含任务划分模块，具体用于：

7.根据权利要求6所述的系统，其特征在于，所述分发单元还包含资源管理模块，具体用于：

8.根据权利要求1所述的系统，其特征在于，所述预测单元包含子空间映射模块，具体用于：

9.根据权利要求8所述的系统，其特征在于，所述预测单元还包含输出求解模块，具体用于：

10.根据权利要求9所述的系统，其特征在于，所述优化单元，具体用于；