面向多通道同步采集的边端高速数据实时交互与处理方法与流程

摘要: 本发明涉及工业数据处理,尤其涉及面向多通道同步采集的边端高速数据实时交互与处理方法。背景技术:1、随着现代工业系统向大规模、高集成化和智能化方向发展,各类工业现...
面向多通道同步采集的边端高速数据实时交互与处理方法与流程

本发明涉及工业数据处理,尤其涉及面向多通道同步采集的边端高速数据实时交互与处理方法。

背景技术:

1、随着现代工业系统向大规模、高集成化和智能化方向发展,各类工业现场(如智能电网、轨道交通、重型机械等)部署了大量的高密度、多通道传感器阵列。这些传感器以极高的采样频率持续产生海量的原始数据流,对底层边端计算设备的实时数据交互、带宽承载以及处理吞吐量提出了极高的挑战。

2、在复杂的工业现场环境中,电磁干扰、噪声污染以及信道衰减具有极强的空间异质性和动态时变性。传统的处理方式往往依赖中心节点进行集中式清洗或简单的阈值触发,难以在海量高速数据涌入时兼顾实时响应速度与低带宽消耗,极易导致关键特征丢失或响应滞后。

3、边缘计算虽能实现部分本地化处理,但单一边缘节点往往因视野局限,难以准确区分局部突发噪声与大范围系统性干扰。并且边缘端缺少客观、可靠的校验机制,难以实现云边协同架构下干扰源的高精度空间定位与全局联控。

技术实现思路

1、为了弥补以上不足,本发明提供了面向多通道同步采集的边端高速数据实时交互与处理方法,旨在改善复杂工业环境下边端海量高速数据因缺乏高效协同与自适应抗干扰机制而导致的系统震荡问题。

2、本发明提供了如下技术方案,面向多通道同步采集的边端高速数据实时交互与处理方法,包括:

3、s1、边缘节点接收其管辖范围内多路传感器通道同步采集的原始数据流,并进行数据清洗与链路状态特征提取;

4、s2、边缘节点与相邻边缘节点交互链路状态特征,完成信息同步后上传至中心节点,并由中心节点构建协同感知图;

5、s3、中心节点对所述协同感知拓扑图进行空间插值,构建全局感知图,结合边缘节点协同上报各自感知的干扰特征信息,定位干扰源的空间位置;

6、s4、边缘节点依据所述全局感知图中自身所处位置的干扰强度,动态调整本地的链路状态特征;

7、s5、边缘节点完成调整后,构建多源证据体,利用critic法获取各证据源的客观权重,并结合d-s证据理论进行多源证据融合,根据融合结果判定本次调整是否有效,若无效则回退至s4并上报中心节点,若有效则进入s6;

8、s6、边缘节点将调整后的链路状态特征及所述全局感知图上传至中心节点,由中心节点进行全局分析并下发调控指令。

9、优选地,在s1中,所述进行数据清洗与链路状态特征提取,包括:

10、采用基于滑动时间窗口的孤立森林算法对原始数据流进行异常值清洗,并提取包含接收信号强度、信噪比及数据抖动在内的链路状态特征。

11、优选地,在s2中,所述由中心节点构建协同感知图,包括:

12、汇集边缘节点上传的链路状态特征及节点间的物理连接关系,基于邻接矩阵构建表征多节点间通信状态与交互关系的协同感知图。

13、优选地,在s3中,所述构建全局感知图,包括:

14、采用反距离权重插值算法,对所述协同感知图中的分布式干扰强度数据进行空间插值与网格化拟合处理,生成连续表征目标监测区域内空间场强与干扰分布的多维全局感知图。

15、优选地,在s3中,所述定位干扰源的空间位置,包括:

16、根据至少三个边缘节点在同一时刻上报的干扰强度数据及边缘节点的物理位置,构建以干扰源空间坐标为未知参数的路径损耗方程组;

17、对所述方程组进行联合求解,迭代优化干扰源空间坐标的估计值,直至收敛至预设精度,确定干扰源的物理位置。

18、优选地,在s4中,所述动态调整本地的链路状态特征,包括:

19、根据所述全局感知图中当前边缘节点与干扰源之间的空间距离计算对应的空间衰减系数;

20、基于所述空间衰减系数自适应调整本地数据采样通道的滤波参数,以对受干扰的采样数据进行自适应平滑滤波处理。

21、优选地,在s5中,所述证据体至少包括:基于动态调整后的信噪比变化率构成的信噪比证据、基于数据平滑度波动值构成的平滑度证据,以及基于相邻节点间数据置信度偏差率构成的一致性证据。

22、优选地,在s5中,所述利用critic法获取各证据源的客观权重,包括:

23、分别计算各证据源指标的标准差以表征其对比强度,并通过计算各证据源之间的相关系数矩阵来表征指标间的冲突性;

24、综合所述对比强度与冲突性得出各证据源的信息量大小,经归一化后计算出各证据源的客观权重。

25、优选地,在s5中,所述结合d-s证据理论进行多源证据融合,包括:

26、为各证据源分配基本概率分配函数,并基于所述客观权重对各证据源的基本概率分配进行加权修正;

27、利用dempster合成规则对修正后的多源基本概率分配进行正交和迭代融合,计算出对应调整有效与调整无效状态的综合融合信度。

28、优选地,在s6中,所述中心节点进行全局分析并下发调控指令,包括:

29、中心节点汇聚边缘节点上传的调整后的链路状态特征及全局感知图,判断当前全局干扰态势;

30、若干扰态势趋于稳定,则下发稳态保持指令,指示边缘节点维持当前链路状态特征;

31、若干扰态势仍有恶化趋势,则下发强化调控指令,指示相关边缘节点切换至备用通信链路;

32、若干扰态势趋于恢复,则下发逐步恢复指令,指示边缘节点逐步回调至初始链路状态特征。

33、本发明具有如下有益效果:

34、1、本发明通过中心节点对协同感知图进行空间插值生成全局感知图,并基于多个边缘节点在同一时刻上报的干扰强度数据及物理位置构建路径损耗方程组,采用联合求解与迭代优化算法实现对干扰源物理空间的高精度定位。该设计打破了单一边缘节点视野局限,有效克服了复杂工业现场电磁干扰源隐蔽、多变及难以准确定位的问题。

35、2、本发明通过边缘节点动态调整链路状态特征后构建多源证据体,引入critic法客观计算信噪比证据、平滑度证据和一致性证据的权重,并结合d-s证据理论进行多源信息正交和迭代融合,提升了复杂动态工业环境下数据处理的可靠性,避免了传统盲目调控引发的系统震荡。

1.面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,包括:

2.根据权利要求1所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s1中,所述进行数据清洗与链路状态特征提取,包括:

3.根据权利要求1所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s2中,所述由中心节点构建协同感知图,包括:

4.根据权利要求1所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s3中,所述构建全局感知图,包括:

5.根据权利要求4所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s3中,所述定位干扰源的空间位置,包括:

6.根据权利要求1所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s4中,所述动态调整本地的链路状态特征,包括:

7.根据权利要求1所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s5中,所述证据体至少包括:基于动态调整后的信噪比变化率构成的信噪比证据、基于数据平滑度波动值构成的平滑度证据,以及基于相邻节点间数据置信度偏差率构成的一致性证据。

8.根据权利要求7所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s5中,所述利用critic法获取各证据源的客观权重,包括:

9.根据权利要求8所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s5中,所述结合d-s证据理论进行多源证据融合,包括:

10.根据权利要求1所述的面向多通道同步采集的边端高速数据实时交互与处理方法,其特征在于,在s6中,所述中心节点进行全局分析并下发调控指令,包括: