工业数据的边云协同压缩方法与流程

本发明涉及边缘计算，具体为一种工业数据的边云协同压缩方法。

背景技术：

1、工业数据采集与边云协同处理是智能制造与工业互联网领域的重要发展方向，旨在通过将工业现场的设备运行数据高效传输至云端，实现设备状态的实时监控、工艺优化与故障诊断。近年来，随着边缘计算与数据压缩算法的进步，工业数据的传输与存储逐渐向高效化、自适应方向发展。

2、现有技术多通过固定采样率抽样或基于单一阈值的波动判定算法对工业数据进行压缩传输，以减轻边缘网关与云端之间的网络带宽压力。这些方法在多数常规稳态工况下能够有效降低数据传输量，并具备一定的自适应压缩能力。然而，在复杂的工业生产场景中，设备常伴随频繁的plc工步状态切换与多通道信号动态交织，这种频繁的工况切换会导致工业数据呈现出非平稳的变频与突变特性，使得数据在时域上的特征分布和物理极值发生剧烈波动。现有技术未能有效结合plc工步语义与通道间工艺关联性来动态调整压缩策略，且在数据压缩过程中丢失了原生的物理极值与阶段积分等全局约束信息，导致云端在对压缩数据进行重构时产生累积误差与物理量失真，难以精准还原真实工况，进而增加了云端对设备状态误判及工艺调控失准的风险。

技术实现思路

1、针对现有技术存在的不足，本发明提供工业数据的边云协同压缩方法。

2、为了实现上述目的，本发明的技术方案如下：

3、本发明公开了工业数据的边云协同压缩方法，包括以下步骤：

4、获取多源设备的异构原始数据流并切分为时域语义数据段；

5、检索预配置的工艺关联关系表，确定所述时域语义数据段内各通道的保护属性标记，同时通过滑动窗口增量计算所述时域语义数据段内数据的增量方差，判定出信号状态标记，并将所述保护属性标记与所述信号状态标记组合形成双标记组合索引；

6、根据所述双标记组合索引查询预设的压缩策略映射表，读取与各通道对应的压缩策略数据；对稳定状态数据提取生成阶段统计摘要，对波动状态数据提取生成边界关键点数据，并在报警被触发时，提取异常时域内的异常关联原始数据以及通过检索所述工艺关联关系表锁定的因果关联通道数据，组装成异常事件包；同时计算并提取所述时域语义数据段压缩前的原始最大值、原始最小值及对应采样时刻与阶段积分值，生成原始硬约束量；

7、将包含所述阶段统计摘要、所述边界关键点数据、所述异常事件包以及所述原始硬约束量的压缩数据包按风险优先级异步上传至云端服务器；

8、接收所述云端服务器反向同步的新压缩策略版本数据，并基于所述新预设误差阈值更新所述压缩策略映射表；

9、其中，所述新压缩策略版本数据至少包含调整后的新预设误差阈值，所述新压缩策略版本数据由所述压缩数据包进行曲线重构，并将重构结果与所述原始硬约束量进行比较，当比较偏差在预设判定周期内持续超出所述预设误差阈值时生成。

10、与现有技术相比，本发明的有益效果为：

11、1、本发明使得工业网关能够同时结合静态工艺安全属性与动态信号波动特征对不同数据通道进行精细化分类，从而针对稳定与波动状态分别提炼统计摘要和边界关键点，在大幅削减冗余传输带宽的同时，避免了传统统一压缩算法对关键工艺与安全通道数据的破坏，保障了核心数据的特征完整性。

12、2、本发明使得云端在接收压缩数据包时不仅能获取具有物理上下文时序关联的完整异常数据，还能获得数据压缩前的全局物理约束基准，从而消除了突发报警导致的数据孤立问题，并有效防止了有损压缩在云端重构时产生的物理量累积偏差。

13、3、本发明使得边缘端的压缩策略能够基于云端对原始硬约束量与重构结果的偏差评估进行动态调整，因此能够自适应匹配工业生产过程中的工步漂移与复杂工况变化，维持长期稳定的压缩精度与传输效率。

1.工业数据的边云协同压缩方法，其特征在于，由工业网关执行以下步骤：

2.根据权利要求1所述的工业数据的边云协同压缩方法，其特征在于，获取多源设备的异构原始数据流，并切分为时域语义数据段，具体包括：

3.根据权利要求1所述的工业数据的边云协同压缩方法，其特征在于，检索预配置的工艺关联关系表，确定所述时域语义数据段内各通道的保护属性标记，具体包括：

4.根据权利要求1所述的工业数据的边云协同压缩方法，其特征在于，通过滑动窗口增量计算所述时域语义数据段内数据的增量方差，判定出信号状态标记，包括：

5.根据权利要求3所述的工业数据的边云协同压缩方法，其特征在于，对稳定状态数据提取生成阶段统计摘要，对波动状态数据提取生成边界关键点数据，包括：

6.根据权利要求2所述的工业数据的边云协同压缩方法，其特征在于，对波动状态数据提取生成边界关键点数据，还包括：

7.根据权利要求1所述的工业数据的边云协同压缩方法，其特征在于，提取异常时域内的异常关联原始数据以及通过检索所述工艺关联关系表锁定的因果关联通道数据，组装成异常事件包，包括：

8.根据权利要求1所述的工业数据的边云协同压缩方法，其特征在于，将包含所述阶段统计摘要、所述边界关键点数据、所述异常事件包以及所述原始硬约束量的压缩数据包按风险优先级异步上传至所述云端服务器，包括：

9.根据权利要求1所述的工业数据的边云协同压缩方法，其特征在于，接收所述云端服务器反向同步的新压缩策略版本数据，包括：

10.根据权利要求9所述的工业数据的边云协同压缩方法，其特征在于，基于所述新预设误差阈值更新所述压缩策略映射表，还包括：