一种传感器网络架构下的工业数据采集系统的制作方法

本发明涉及工业物联网与边缘计算，具体为一种传感器网络架构下的工业数据采集系统。

背景技术：

1、工业物联网现场，通常部署有用于采集转速、压力、温度、振动等物理量的时序传感器，以及用于采集设备运行影像、异常声音等非结构化信息的工业相机与麦克风阵列等感知设备，各传感器节点经由现场总线或工业无线网络与边缘网关连接，边缘网关再通过工业以太网或无线链路将采集数据上传至中心云端存储系统，并配套抽取转换加载处理引擎对多源异构数据进行清洗、时间戳校正与特征提取，供上层制造执行系统与监控系统调用，与本发明最接近的现有技术方案为固定频率终端采集与云端集中式抽取转换加载融合架构，其中各传感器节点按预先设定的固定采集频率分别采集时序数据与非结构化数据并各自独立上传至云端，云端在数据入库前对多源数据进行时间戳校正，并对非结构化数据进行离线特征抽取后与对应时间窗口的时序数据建立关联索引，现有技术中业界普遍认为，多模态数据的时间对齐与语义级特征融合须依赖云端统一算力完成，边缘侧受限于计算资源难以承担原位特征提取与语义索引构建任务，本申请突破该技术偏见，在边缘协处理器上直接完成原位特征提取并与同一时间窗口时序数据按统一采集时刻标识打包，从数据产生源头消除时间戳偏移，无需依赖云端批量处理，系统端到端响应延迟较高，云端数据库缺乏面向语义的索引维度，检索效率低下，存储持续堆积，边缘侧对全部数据采用固定比例降采样，对节点间的时空关联缺乏感知能力，设备故障瞬间产生的瞬时性异常数据易在采集阶段被降采样丢弃，难以为故障诊断提供完整数据支撑，为此，我们提出一种传感器网络架构下的工业数据采集系统。

技术实现思路

1、本发明的目的在于提供一种传感器网络架构下的工业数据采集系统。

2、本发明要解决的技术问题是：现有工业数据采集系统中，时序数据与非结构化数据在边缘侧独立采集、独立传输，需依赖云端进行事后时间戳对齐与特征关联，导致系统端到端响应延迟较高，云端存储缺乏语义层面的索引维度，检索效率低下且存储持续堆积，边缘侧对全部数据采用固定比例降采样，对节点间的时空关联缺乏感知能力，设备故障瞬间产生的瞬时性异常数据易在采集阶段被丢弃，难以为故障诊断与预测性维护提供完整的数据支撑。

3、为解决上述技术问题，本发明提供一种传感器网络架构下的工业数据采集系统，包括中心工业互联网平台以及通过通信链路与所述中心工业互联网平台连接的多个边缘传感器节点，每个所述边缘传感器节点包括多模态采集单元、边缘协处理器、本地存储引擎、微图谱模块和局部p2p通信模块，所述局部p2p通信模块用于将具有时空相邻关系的多个所述边缘传感器节点连接构成局部拓扑网络，所述多模态采集单元包括时序传感器子单元和非结构化数据采集子单元，用于在同一时间窗口内分别采集时序数据和非结构化数据，所述边缘协处理器对所述非结构化数据进行原位特征提取，得到特征向量，并将所述特征向量与同一时间窗口内的所述时序数据按统一采集时刻标识进行打包封装，形成微切片数据，所述本地存储引擎采用多模态日志结构合并树索引结构对所述微切片数据进行索引存储，该索引结构包括针对所述时序数据构建的时间范围索引以及针对所述特征向量构建的向量哈希辅助索引，所述微图谱模块依据所述特征向量与所述时序数据计算异常语义得分，当所述异常语义得分超过预设阈值时，判定出现异常语义先兆，并经由所述局部p2p通信模块向所述局部拓扑网络中具有时空相邻关系的其他边缘传感器节点发送采集策略调整指令，以提升所述其他边缘传感器节点的采集频率与特征提取精度，所述边缘传感器节点将经索引筛选后的微切片数据上传至所述中心工业互联网平台。

4、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

5、1.本发明时序数据与非结构化数据在采集阶段即共享同一采集时刻标识并被打包为单一微切片数据，从数据产生源头消除了模态间的时间戳偏移问题，上层系统无需经过云端批量处理即可完成联合检索，显著降低系统端到端响应延迟；

6、2.本发明本地存储引擎在时间范围索引的基础上引入向量哈希辅助索引维度，并结合布隆过滤器进行存在性预判，使边缘节点自身即具备依语义检索数据的能力，减少无效磁盘访问，提升检索效率，抑制存储持续堆积；

7、3.本发明微图谱模块依据异常语义得分与拓扑距离对相邻节点的采集频率与特征提取精度进行自适应调整，使设备故障瞬间产生的瞬时性异常数据能够以更高频率与精度被完整采集并持久化存储，避免长尾异常数据在采集阶段丢失，为后续故障诊断与预测性维护提供更完整的数据支撑；

8、4.本发明仅将经索引筛选后的高价值微切片数据按需上传至中心工业互联网平台，在不增加中心网关带宽压力的前提下实现边缘原位融合、本地语义索引与因果关联自适应调度三级闭环处理。

1.一种传感器网络架构下的工业数据采集系统，包括中心工业互联网平台以及通过通信链路与所述中心工业互联网平台连接的多个边缘传感器节点，其特征在于：

2.根据权利要求1所述的一种传感器网络架构下的工业数据采集系统，其特征在于，所述边缘协处理器采用轻量化特征提取网络对所述非结构化数据进行前向推理计算，得到所述特征向量，所述微切片数据封装为包括所述时序数据、所述特征向量和所述统一采集时刻标识的三元组结构。

3.根据权利要求1所述的一种传感器网络架构下的工业数据采集系统，其特征在于，所述本地存储引擎的内存表按时序数据列族与特征向量列族并行组织所述微切片数据，当所述内存表容量达到预设阈值时，将所述内存表中的数据分别交织写入磁盘有序表，并限制所述磁盘有序表的层级深度。

4.根据权利要求3所述的一种传感器网络架构下的工业数据采集系统，其特征在于，所述本地存储引擎在每层所述磁盘有序表生成时同步构建布隆过滤器，用于对联合检索请求中的目标键进行存在性预判，仅对预判为可能存在的所述磁盘有序表执行磁盘读取。

5.根据权利要求1所述的一种传感器网络架构下的工业数据采集系统，其特征在于，所述微图谱模块依据当前时刻的所述特征向量与前一时刻特征向量之间的相似度，以及当前时刻的所述时序数据相对于历史统计量的偏离程度，加权计算得到所述异常语义得分。

6.根据权利要求1所述的一种传感器网络架构下的工业数据采集系统，其特征在于，所述微图谱模块依据本节点与所述其他边缘传感器节点之间的拓扑距离和所述异常语义得分，计算所述其他边缘传感器节点调整后的采集频率，所述调整后的采集频率随所述拓扑距离增大而衰减，随所述异常语义得分增大而提升。

7.根据权利要求6所述的一种传感器网络架构下的工业数据采集系统，其特征在于，所述微图谱模块还配置为持续监测所述异常语义得分，当所述异常语义得分回落至预设阈值以下并保持预设时长后，将采集频率与特征提取精度恢复至基础状态。

8.一种传感器网络架构下的工业数据采集方法，应用于包括中心工业互联网平台和多个边缘传感器节点的传感器网络，所述多个边缘传感器节点中具有时空相邻关系的节点通过局部p2p通信模块连接构成局部拓扑网络，其特征在于，所述方法包括：

9.根据权利要求8所述的一种传感器网络架构下的工业数据采集方法，其特征在于，所述索引存储的步骤还包括：当内存表容量达到预设阈值时，将按时序数据列族和特征向量列族组织的所述内存表中的数据分别交织写入磁盘有序表，并在每层所述磁盘有序表生成时同步构建布隆过滤器。

10.根据权利要求8所述的一种传感器网络架构下的工业数据采集方法，其特征在于，所述发送采集策略调整指令的步骤包括：依据本节点与所述其他边缘传感器节点之间的拓扑距离和所述异常语义得分，计算所述其他边缘传感器节点调整后的采集频率，所述方法还包括：当所述异常语义得分回落至预设阈值以下并保持预设时长后，将采集频率恢复至基础状态。