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

技术特征：
1.一种基于5g 人工神经网络的边缘控制系统，其特征在于，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；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；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。2.根据权利要求1所述的一种基于5g 人工神经网络的边缘控制系统，其特征在于，设备检测单元具体检测过程如下：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；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。3.根据权利要求1所述的一种基于5g 人工神经网络的边缘控制系统，其特征在于，路灯检测单元具体检测过程如下：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；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。4.根据权利要求1所述的一种基于5g 人工神经网络的边缘控制系统，其特征在于，影响因素采集单元具体采集过程如下：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；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。5.根据权利要求1所述的一种基于5g 人工神经网络的边缘控制系统，其特征在于，预防性处理单元具体处理过程如下：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；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。6.一种基于5g 人工神经网络的边缘控制算法，其特征在于，具体边缘控制算法步骤如下：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；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；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。

技术总结
本发明公开了一种基于5G 人工神经网络的边缘控制算法及系统，涉及边缘控制算法技术领域，解决了现有技术无法清晰分析出各个区域的能源设备状态，导致园区边缘控制效率降低；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；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。响。响。


技术研发人员：陈万胜 陈莞青 昂少强 张彪 张媛 魏鑫
受保护的技术使用者：万申科技股份有限公司
技术研发日：2021.08.17
技术公布日：2021/11/28