一种基于5G+人工神经网络的边缘控制算法及系统的制作方法

一种基于5g 人工神经网络的边缘控制算法及系统
技术领域
1.本发明涉及边缘控制算法技术领域，具体为一种基于5g 人工神经网络的边缘控制算法及系统。


背景技术：

2.随着园区各项功能的不断完善、空间持续拓展，早期建于园区边缘地带的工业企业在城市化过程中逐渐融入城市当中，近年来，随着我国经济发展的需要，产业园区逐渐被各级政府所重视，产业园区成为区域经济发展重要助推器。它在区域经济与产业经济之间形成了一个产业联动的桥梁，它承载着区域产业的系统组合与补充，以及主导产业的合理链接与配套等功能作用；
3.而目前园区经济的发展日趋完善、日渐成熟，现已形成了产业园区建设与发展的特有运营模式，成为区域经济发展中不可或缺的组成部分，在今后的经济建设中将进一步发挥拉动区域经济快速增长的巨大作用；
4.但在现有技术中，园区边缘控制中无法通过网关将各个区域数据进行独立，导致数据错杂增加工作人员的工作强度；同时无法清晰分析出各个区域的能源设备状态，导致边缘控制计算缺少必要标准；此外，能源设备为园区内重要设备，能源设备的管理效率降低，导致园区整体工作效率降低。


技术实现要素：

5.本发明的目的就在于提出一种基于5g 人工神经网络的边缘控制算法及系统，根据网关与区域进行一一对应，能够将园区内各个区域的数据进行隔开，同时能够通过多个区域清晰看出网关之间的数据影响，便于园区管理提高了管理工作效率；对公用设备进行分析，提高了园区稳定运行的效率，防止园区运行出现异常，降低用户的使用质量；同时为边缘控制计算提供数据。
6.本发明的目的可以通过以下技术方案实现：
7.一种基于5g 人工神经网络的边缘控制系统，包括边缘控制平台、若干个网关以及园区数据采集平台；
8.若干个网关与对园区内的区域进行一一对应，并通过网关对各个区域进行数据监测，并将园区数据采集平台内的数据发送至边缘控制平台；
9.园区数据采集平台用于对园区内各个区域进行数据采集，园区数据采集平台内设置有服务器，服务器双向通讯连接有设备检测单元与路灯检测单元；通过设备检测单元对园区内公用设备进行检测，并通过检测对公用设备的运行状态进行数据采集；通过路灯检测单元对园区内的路灯进行检测，并将园区内所有路灯与单一网关进行绑定；
10.边缘控制平台用于对园区数据采集平台内数据进行分析，边缘控制平台内设置有控制器，控制器双向通讯连接有影响因素采集单元以及预防性处理单元；通过影响因素采集单元对公用设备进行影响因素采集；通过预防性处理单元对公用设备进行预防性处理。
11.进一步地，设备检测单元具体检测过程如下：
12.将园区内划分为i个子区域，i为大于1的自然数，且子区域与网关一一匹配，并采集到各个子区域内的公用设备，并将其标记为o，o为大于0的自然数；采集到各个子区域内公用设备运行过程中设备表面温度值与温度平均浮动值，通过分析获取到各个子区域内公用设备的设备运行系数xio；采集到各个子区域内公用设备供电不及时的次数以及延迟供电时的延迟时长，通过分析获取到各个子区域内公用设备的效率系数zio；
13.将各个子区域内公用设备的设备运行系数与效率系数分别与设备运行系数阈值与效率系数阈值进行比较：若子区域内公用设备的设备运行系数与效率系数中任一系数≥对应阈值，则将对应子区域内公用设备标记为异常设备，生成设备异常信号并将设备异常信号和异常设备发送至服务器；若子区域内公用设备的设备运行系数与效率系数中任一系数＜对应阈值，则将对应子区域内公用设备标记为正常设备，生成设备正常信号并将设备正常信号和正常设备发送至服务器。
14.进一步地，路灯检测单元具体检测过程如下：
15.将各个子区域内路灯标记为u，u为大于0的正整数，采集到各个子区域路灯的灯光覆盖面积与相邻路灯的灯光交叉覆盖面积，通过分析获取到各个子区域路灯效率系数giu；实时采集到各个子区域环境光照强度到达路灯开启光照强度阈值的时刻，并实时采集到各个子区域路灯开启的时刻，通过差值计算获取到各个子区域路灯的延时时长；采集到延时时长大于时长阈值的次数，通过分析获取到各个子区域内路灯的及时系数fiu；实时采集到各个子区域内车辆经过路灯灯光覆盖区域时产生制动减速的车辆数量以及产生制动减速的频率；采集到各个子区域内路灯灯光覆盖面积的平均每小时经过人数；通过分析获取到各个子区域内路灯的影响系数diu；
16.将各个子区域路灯效率系数、及时系数以及影响系数代入检测模型进行计算各个子区域内路灯的检测系数，将各个子区域内路灯的检测系数与路灯检测系数阈值进行比较：若子区域内路灯的检测系数≥路灯检测系数阈值，则判定对应子区域内路灯检测合格，并将其标记为合格路灯，生成路灯检测合格信号并将路灯检测合格信号与合格路灯一同发送至服务器；若子区域内路灯的检测系数＜路灯检测系数阈值，则判定对应子区域内路灯检测不合格，并将其标记为不合格路灯，生成路灯检测不合格信号并将路灯检测不合格信号与不合格路灯一同发送至服务器。
17.进一步地，影响因素采集单元具体采集过程如下：
18.设置时间分析阈值，且时间分析阈值内同一设备存在合格时刻和不合格时刻，采集到合格时刻与不合格时刻的温度差值，采集到合格时刻与不合格时刻的湿度差值；通过分析获取到环境因素评定系数hj，将环境因素评定系数与环境因素评定系数阈值进行比较：若环境因素评定系数≥环境因素评定系数阈值，则判定环境数据影响公用设备，并将环境数据标记为影响因素；若环境因素评定系数＜环境因素评定系数阈值，则判定环境数据不影响公用设备，并将环境数据标记为非影响因素；
19.采集到合格时刻与不合格时刻的公用设备维护次数差值与维护时长差值，通过分析获取到人为因素评定系数rw，将人为因素评定系数与人为因素评定系数阈值进行比较：若人为因素评定系数≥人为因素评定系数阈值，则判定人为数据影响公用设备，并将人为数据标记为影响因素；若人为因素评定系数＜人为因素评定系数阈值，则判定人为数据不
影响公用设备，并将人为数据标记为非影响因素。
20.进一步地，预防性处理单元具体处理过程如下：
21.采集到时间分析阈值内所有合格时刻对应的温度值和湿度值，并将通过数值分析获取到最大温度值和最小温度值、最大湿度值和最小湿度值，通过最大温度值和最小温度值、最大湿度值和最小湿度值获取到合格温度区间与合格湿度区间；若子区域内公用设备环境温度或者湿度不在对应区间范围内，则生成温度调节信号或者湿度调节信号，并将温度调节信号或者湿度调节信号发送至控制器；
22.采集到时间分析阈值内所有合格时刻对应的维护次数和维护时长，并将通过数值分析获取到最小维护次数与最低维护时长，并将最小维护次数与最低维护时长分别标记为维护次数阈值和维护时长阈值，若子区域内公用设备维护次数与维护时长小于对应阈值，则生成维护次数增加信号或者维护时长增加信号，并将维护次数增加信号或者维护时长增加信号发送至控制器。
23.进一步地，一种基于5g 人工神经网络的边缘控制算法，具体边缘控制算法步骤如下：
24.步骤一、设置若干个网关，且若干个网关与对园区内的区域进行一一对应，并通过网关对各个区域进行数据监测，并将园区数据采集平台内的数据发送至边缘控制平台；
25.步骤二、通过园区数据采集平台对园区内各个区域进行数据采集，通过数据采集判断公用设备的运行状态；
26.步骤三、通过边缘控制平台对园区数据采集平台内数据进行分析，通过数据分析判断公用设备的影响因素。
27.与现有技术相比，本发明的有益效果是：
28.本发明中，根据网关与区域进行一一对应，能够将园区内各个区域的数据进行隔开，同时能够通过多个区域清晰看出网关之间的数据影响，便于园区管理提高了管理工作效率；对公用设备进行分析，提高了园区稳定运行的效率，防止园区运行出现异常，降低用户的使用质量；同时为边缘控制计算提供数据；对园区内路灯进行进行检测，提高了园区内用户出行的质量，同时对园区内能源进行分析；
29.采集到公用设备的影响因素提高了公用设备的管理效率，有效公用设备的管控；提前对公用设备进行处理，降低公用设备异常对园区的影响。
附图说明
30.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1为本发明的整体原理框图。
具体实施方式
32.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普
通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
33.如图1所示，一种基于5g 人工神经网络的边缘控制系统，包括边缘控制平台、若干个网关以及园区数据采集平台，若干个网关与边缘控制平台以及园区数据采集平台均为双向通讯连接；
34.若干个网关与对园区内的区域进行一一对应，并通过网关对各个区域进行数据监测，并将园区数据采集平台内的数据发送至边缘控制平台；根据网关与区域进行一一对应，能够将园区内各个区域的数据进行隔开，同时能够通过多个区域清晰看出网关之间的数据影响，便于园区管理提高了管理工作效率；
35.园区数据采集平台用于对园区内各个区域进行数据采集，园区数据采集平台内设置有服务器，服务器双向通讯连接有设备检测单元与路灯检测单元；
36.边缘控制平台用于对园区数据采集平台内数据进行分析，边缘控制平台内设置有控制器，控制器双向通讯连接有影响因素采集单元以及预防性处理单元；
37.设备检测单元用于对园区内公用设备进行检测，并通过检测对公用设备的运行状态进行数据采集，对公用设备进行分析，提高了园区稳定运行的效率，防止园区运行出现异常，降低用户的使用质量；同时为边缘控制计算提供数据，公用设备包括园区内供电的公用能源设备，具体检测过程如下：
38.将园区内划分为i个子区域，i为大于1的自然数，且子区域与网关一一匹配，并采集到各个子区域内的公用设备，并将其标记为o，o为大于0的自然数；
39.采集到各个子区域内公用设备运行过程中设备表面温度值与温度平均浮动值，并将各个子区域内的公用设备运行过程中设备表面温度值与温度平均浮动值分别标记为wdio和fdio；通过公式获取到各个子区域内公用设备的设备运行系数xio，其中，a1和a2均为预设比例系数，且a1＞a2＞0，e为自然常数，设备运行系数是将子区域内公用设备的测量参数进行归一化处理得到一个用于评定子区域内公用设备运行合格几率的数值；通过公式可得表面温度值和温度平均浮动值越大，设备运行系数越大，表示子区域内公用设备合格运行的几率越小；
40.采集到各个子区域内公用设备供电不及时的次数以及延迟供电时的延迟时长，并将各个子区域内公用设备供电不及时的次数以及延迟供电时的延迟时长分别标记为csio和scio；通过公式zio＝α(csio
×
a3 scio
×
a4)获取到各个子区域内公用设备的效率系数zio，其中，a3和a4均为预设比例系数，且a3＞a4＞0，α为误差修正因子，取值为1.25；公用设备的效率系数是将子区域内公用设备的测量参数进行归一化处理得到一个用于评定子区域内公用设备效率合格几率的数值；通过公式可得供电不及时的次数和延迟时长越大，效率系数越大，表示子区域内公用设备效率合格的几率越小；
41.将各个子区域内公用设备的设备运行系数与效率系数分别与设备运行系数阈值与效率系数阈值进行比较：
42.若子区域内公用设备的设备运行系数与效率系数中任一系数≥对应阈值，则将对应子区域内公用设备标记为异常设备，生成设备异常信号并将设备异常信号和异常设备发送至服务器；若子区域内公用设备的设备运行系数与效率系数中任一系数＜对应阈值，则
将对应子区域内公用设备标记为正常设备，生成设备正常信号并将设备正常信号和正常设备发送至服务器；
43.路灯检测单元用于对园区内的路灯进行检测，并将园区内所有路灯与单一网关进行绑定，对园区内路灯进行进行检测，提高了园区内用户出行的质量，同时对园区内能源进行分析，防止出现能源浪费现象，具体检测过程如下：
44.将各个子区域内路灯标记为u，u为大于0的正整数，采集到各个子区域路灯的灯光覆盖面积与相邻路灯的灯光交叉覆盖面积，并将各个子区域路灯的灯光覆盖面积与相邻路灯的灯光交叉覆盖面积分别标记为fgiu和jciu；通过公式获取到各个子区域路灯效率系数giu，其中，b1和b2均为预设比例系数，且b1＞b2＞0，β1为误差修正因子，取值为2.13；
45.实时采集到各个子区域环境光照强度到达路灯开启光照强度阈值的时刻，并实时采集到各个子区域路灯开启的时刻，通过差值计算获取到各个子区域路灯的延时时长，并将各个子区域路灯的延时时长标记为yciu；采集到延时时长大于时长阈值的次数，并将其标记为rsiu；通过公式fiu＝β2(yciu
×
b3 rsiu
×
b4)获取到各个子区域内路灯的及时系数fiu，其中，b3和b4均为预设比例系数，且b3＞b4＞0，β2为误差修正因子，取值为2.86；
46.实时采集到各个子区域内车辆经过路灯灯光覆盖区域时产生制动减速的车辆数量以及产生制动减速的频率，并将其分别标记为siu和piu；采集到各个子区域内路灯灯光覆盖面积的平均每小时经过人数，并将路灯灯光覆盖面积的平均每小时经过人数标记为riu；通过公式diu＝β3(siu
×
b5 piu
×
b6)获取到各个子区域内路灯的影响系数diu，其中，b5和b6均为预设比例系数，且b5＞b6＞0，β3为误差修正因子，取值为2.94；
47.将各个子区域路灯效率系数、及时系数以及影响系数代入检测模型进行计算获取到各个子区域内路灯的检测系数，检测模型为其中，e为自然常数，kiu表示为各个子区域内路灯的检测系数；
48.将各个子区域内路灯的检测系数与路灯检测系数阈值进行比较：若子区域内路灯的检测系数≥路灯检测系数阈值，则判定对应子区域内路灯检测合格，并将其标记为合格路灯，生成路灯检测合格信号并将路灯检测合格信号与合格路灯一同发送至服务器；若子区域内路灯的检测系数＜路灯检测系数阈值，则判定对应子区域内路灯检测不合格，并将其标记为不合格路灯，生成路灯检测不合格信号并将路灯检测不合格信号与不合格路灯一同发送至服务器；
49.影响因素采集单元用于对公用设备进行影响因素采集，采集到公用设备的影响因素提高了公用设备的管理效率，有效公用设备的管控，具体采集过程如下：
50.设置时间分析阈值，且时间分析阈值内同一设备存在合格时刻和不合格时刻，采集到合格时刻与不合格时刻的温度差值，并将合格时刻与不合格时刻的温度差值标记为wdc；采集到合格时刻与不合格时刻的湿度差值，并将合格时刻与不合格时刻的湿度差值标记为sdc；通过公式获取到环境因素评定系数hj，其中，v1和v2
均为预设比例系数，且v1＞v2＞0；
51.将环境因素评定系数与环境因素评定系数阈值进行比较：若环境因素评定系数≥环境因素评定系数阈值，则判定环境数据影响公用设备，并将环境数据标记为影响因素；若环境因素评定系数＜环境因素评定系数阈值，则判定环境数据不影响公用设备，并将环境数据标记为非影响因素；环境因素包括环境内湿度和温度；
52.采集到合格时刻与不合格时刻的公用设备维护次数差值与维护时长差值，并将合格时刻与不合格时刻的公用设备维护次数差值与维护时长差值分别标记为whc和wsc；通过公式获取到人为因素评定系数rw，其中，v3和v4均为预设比例系数，且v3＞v4＞0；
53.将人为因素评定系数与人为因素评定系数阈值进行比较：若人为因素评定系数≥人为因素评定系数阈值，则判定人为数据影响公用设备，并将人为数据标记为影响因素；若人为因素评定系数＜人为因素评定系数阈值，则判定人为数据不影响公用设备，并将人为数据标记为非影响因素；人为数据包括公用设备的维护次数与维护时长；
54.预防性处理单元用于对公用设备进行预防性处理，提前对公用设备进行处理，降低公用设备异常对园区的影响，具体处理过程如下：
55.采集到时间分析阈值内所有合格时刻对应的温度值和湿度值，并将通过数值分析获取到最大温度值和最小温度值、最大湿度值和最小湿度值，通过最大温度值和最小温度值、最大湿度值和最小湿度值获取到合格温度区间与合格湿度区间；若子区域内公用设备环境温度或者湿度不在对应区间范围内，则生成温度调节信号或者湿度调节信号，并将温度调节信号或者湿度调节信号发送至控制器；
56.采集到时间分析阈值内所有合格时刻对应的维护次数和维护时长，并将通过数值分析获取到最小维护次数与最低维护时长，并将最小维护次数与最低维护时长分别标记为维护次数阈值和维护时长阈值，若子区域内公用设备维护次数与维护时长小于对应阈值，则生成维护次数增加信号或者维护时长增加信号，并将维护次数增加信号或者维护时长增加信号发送至控制器。
57.该种基于5g 人工神经网络的边缘控制算法，具体边缘控制算法步骤如下：
58.步骤一、设置若干个网关，且若干个网关与对园区内的区域进行一一对应，并通过网关对各个区域进行数据监测，并将园区数据采集平台内的数据发送至边缘控制平台；
59.步骤二、通过园区数据采集平台对园区内各个区域进行数据采集，通过数据采集判断公用设备的运行状态；
60.步骤三、通过边缘控制平台对园区数据采集平台内数据进行分析，通过数据分析判断公用设备的影响因素。
61.一种基于5g 人工神经网络的边缘控制算法及系统，在工作时，设置若干个网关，且若干个网关与对园区内的区域进行一一对应，并通过网关对各个区域进行数据监测，并将园区数据采集平台内的数据发送至边缘控制平台；通过园区数据采集平台对园区内各个区域进行数据采集，通过数据采集判断公用设备的运行状态；通过边缘控制平台对园区数据采集平台内数据进行分析，通过数据分析判断公用设备的影响因素。
62.上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最
近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
63.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。