智能产线数据调度通信装置

1.本发明涉及生产线通信技术领域，特别涉及一种对产线设备数据调度通信装置。


背景技术：

2.智能产线的基础是基于工业物联网的数据采集与传输，是对底层设备的实时了解和控制。在这一过程中需要保证数据传输的实时性，因此需要通过通信的实时调度来保证数据能够实时、可靠地传输。当网络出现冲突需要不断重发数据，这对网络实时性带来挑战，另因工业现场面临恶劣的工况、严重的线间干扰等，也使以太网的可靠性大打折扣。不同的通信调度方法在实时性、复杂性等方面表现不同。因此如何提高对时敏数据的有效处理，对于提高生产线的通信效率至关重要。
3.一般来说，一条时间序列表现为一组序列数据，通常是在相等的时间间隔内，按照一定的采样率而获取到的具有某种联系的数据。时序数据会受到各方面的影响,具体表现为数据的非线性、非平稳性、快速变换且包含噪声等特点。因此还需要对数据进行差分处理，使数据最终满足平稳性的要求。


技术实现要素：

4.针对智能产线数据采集过程中信息数据量大，通信带宽资源不能满足大数据量的数据被同时调度，易造成网络堵塞的问题，以及对于通信的实时性、安全性、可靠性的要求，本发明提出通信过程中的调度方法，重点解决通信调度中的时延问题及带宽资源问题，在此基础上保证数据的实时性传输。
5.为了解决上述问题，本发明为实现上述目的所采用的技术方案是，改进现有的调度方法，对优先级高的时敏数据优先处理，有效降低了任务的截止期错失率。同时，加入负载均衡的方式，有效提高了处理器的利用率。
6.本发明的技术方案为：一种智能产线数据调度通信装置，包括：产线设备数据采集子单元、产线设备数据任务调度排序子单元、地址空间订阅子单元、数据接口管理子单元、任务队列缓冲子单元；
7.所述产线设备数据采集子单元，用于对现场设备进行控制数据和传感器数据源的数据采集；
8.所述产线设备数据任务调度排序子单元，用于存储产线目标设备的历史采集数据，进行最优任务列表排序处理并存储到数据库中；
9.所述地址空间订阅子单元，用于将实际现场设备数据任务映射到地址空间；
10.所述数据接口管理子单元，用于为客户端提供接口，实现上行和下行数据读取和传输操作。
11.所述任务队列缓冲子单元，用于将地址空间的数据置入应答队列缓存，进行通信数据的调度，并将结果返回至显示装置客户端。
12.所述数据调度通信装置是基于服务平台系统实现的，所述服务平台系统包括底层
数据采集装置、数据调度通信装置、信息显示装置；
13.所述底层数据采集装置包括采集现场产线设备数据的传感器和控制传感器工作的单片机；
14.所述数据调度通信装置基于一个主处理和若干分布式处理器之上，主处理器接收现场设备数据任务、输出任务调度的排序和分配，控制分布式处理器执行数据任务；
15.所述显示装置作为用户端采用人机交互接口，用于将数据调度的结果和数据状态呈现给用户。
16.是根据机器的任务发生设置采样频率，在机器的一个周期内采集的产线设备状态数据作为一个序列样本，发送给单片机转换成数字信号组装成结构化数据。
17.所述单片机通过无线网络传输数据至接入物联网平台的数据调度通信装置进行存储。
18.所述产线设备数据任务调度排序子单元在任务调度的排序阶段，采用动态强化学习算法，选择基于截止期和价值密度的链表作为排序标准，通过执行体与环境不断进行试错过程中自主学习，并按照优先级顺序给予任务相应的正、负奖励。
19.所述采用动态强化学习算法是通过采用q学习值来迭代生成q值表，根据q值表的顺序依次选择相应的任务进行排序得到最优任务序列。
20.所述q值的更新公式如下：
21.q
new
(s,a)＝q(s,a) α(r γq(s
′
,a
′
)-q(s,a))
22.其中，状态s＝(s1,s2,...,sn)表示执行者在当前环境中的所有可能出现的状态，动作a＝(a1,a2,...,am)表示执行者在当前环境中所有可能执行的动作，奖励r＝(r1,r2,...,rm)表示执行体在做出相应动作后产生的反馈信息，正的奖励表示系统的奖赏，负的奖励表示系统的惩罚，α表示学习率，γ表示折扣因子。
23.所述地址空间订阅子单元在任务调度的分配阶段，将排好序的任务按照负载均衡度标准分配到不同的处理器中进行处理。
24.定义有n个分布式处理器，每个处理器的相关参数有m个，任务调度时需要根据处理器的不同参数情况进行任务的分配工作，具体为迭代计算各个分布式处理器节点的负载均衡度值，选择值最小的处理器作为执行者执行数据任务；
25.负载均衡度公式为：
[0026][0027]
其中，给每个参数赋予不同的权重k1,k2,...km,且满足要求k1 k2 ... km＝1,p
ji
为主处理器向着待选的第j个处理器的第i维参数空间的投影点，第i维参数空间投影点的重心位置为且m个参数到其重心位置的距离均为
[0028]
所述数据接口管理子单元，由编码层完成数据的编码和解码转换为序列化的指令代码传给下一层进一步处理；当服务消息从安全层接收上来时，被反序列化作为上层服务
函数的参数处理。
[0029]
本发明具有以下优点：
[0030]
1.本发明通过改进现有调度模型，提出一种基于强化学习的实时数据通信调度装置，有效提高了时敏数据的处理效率，降低了任务的截止期错失率。
[0031]
2.对于不同的数据集，只需要调整装置构建子单元中的参数便能取得较好的预测效果，具有良好的自适应。
附图说明
[0032]
图1为本发明的系统结构图；
[0033]
图2为本发明的装置结构图；
[0034]
图3为本发明的装置中采用的任务调度单元流程图。
具体实施方式
[0035]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方法做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
[0036]
除非另有定义，本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
[0037]
下面结合附图及实施例对本发明做进一步的详细说明。
[0038]
图1所示为本发明的服务平台系统结构图，主要由底层数据采集装置、数据调度通信装置、信息显示装置组成，底层数据采集装置由传感器、单片机组成，数据调度通信装置基于一个主处理和若干分布式处理器之上，主处理上搭载数据采集子单元、任务调度排序子单元、地址空间订阅子单元组成、数据接口管理子单元、任务队列缓冲子单元，显示装置作为用户端采用人机交互接口，用于将数据调度的结果和数据状态呈现给用户。
[0039]
其中底层数据采集主要通过传感器获取目标设备的状态信息，与数据调度通信装置通过无线或者有线的方式进行通讯连接，本实施例中采用无线连接方式，数据调度通信装置可以对状态数据存储、进行优化排序以及进行分布式处理器的地址映射。
[0040]
图2所示为本发明的装置结构图，一种产线设备数据调度通信装置，包括：产线设备数据采集子单元、产线设备数据的任务调度排序子单元、地址空间订阅子单元、数据接口管理子单元、任务队列缓冲子单元。所述产线设备数据采集子单元，主要用于对现场设备进行控制数据和传感器数据源的数据采集。所述产线设备数据的任务调度排序子单元，用于存储目标设备的历史采集数据，并将数据按照任务优先级初步处理并存储到数据库中。所述地址空间订阅子单元，主要用于将实际现场设备映射到分布式处理器的地址空间。所述数据接口管理子单元，主要用于为其他信息显示装置上的客户端提供接口方法，实现上行和下行数据读取和其他操作。所述任务队列缓冲子单元，主要用于服务端将数据置入应答队列缓存，进行通信数据的调度，并将结果返回至信息显示装置上的客户端。
[0041]
数据采集子单元，用于对产线设备状态数据的采集，通过将相关传感器部署在运
转机器的核心位置，根据机器的运行的任务发生周期采用合适的采样频率，在机器的一个周期内所采集的数据作为一个序列样本。例如安装在车间设备的压力传感器、温度传感器、速度传感器，会采集设备运行时的压力、温度、转速参数，传感器采集到物理信号通过单片机的a/d子单元转换成数字信号，组装成结构化数据，通过无线网络传输接入物联网平台服务器的数据调度通信装置，并对原始数据进行转换，将处理过的数据存储到数据库中。
[0042]
产线设备数据的任务调度排序子单元中，任务调度的排序阶段，采用动态强化学习算法，选择基于截止期和价值密度的链表作为排序标准，通过执行体与环境不断进行试错过程中不断自主学习，并按照优先级顺序，给予相应的正、负奖励，最优化学习策略以达到更好的结果。所采用动态强化学习算法是通过采用实际的q值来迭代生成q值表进行决策，经过一定次数的迭代，q值表最终会收敛到一个固定的值。根据这个q值表，由表的顺序依次选择相应的任务进行排序，当所有任务都完成排序时停止，此时得到一个最优任务序列。
[0043]
其中，状态s＝(s1,s2,...,sn)表示执行者在当前环境中的所有可能出现的状态，动作a＝(a1,a2,...,am)表示执行者在当前环境中所有可能执行的动作，奖励r＝(r1,r2,...,rm)表示执行体在做出相应动作后产生的反馈信息，正的奖励表示系统的奖赏，负的奖励表示系统的惩罚。α表示学习率，γ表示折扣因子。q值的更新公式如下：
[0044]qnew
(s,a)＝q(s,a) α(r γq(s
′
,a
′
)-q(s,a))
[0045]
地址空间订阅子单元中，任务调度的分配阶段，利用负载均衡度这一分配标准，将排好序的任务按照负载均衡度标准分配到不同的处理器中进行处理。系统中有n个分布式处理器，每个处理器的相关参数有m个，任务调度时需要根据处理器的不同参数情况进行任务的分配工作。假设选择这n个处理器中的其中一个作为任务的执行者，对于任务的不同需求，这m个参数在调度中起到的重要性也不同。因此，分别给每个参数赋予不同的权重k1,k2,...km,满足要求k1 k2 ... km＝1,数据调度通信装置的主处理器向着该被选择的处理器的m维参数空间进行投影，得到point＝{p
j1
,p
j2
,...,p
jm
}，0≤j≤n，计算这m个点的重心位置计算参数按照权重投影的重心位置g的坐标为到重心位置的距离均为计算节点投影点到重心距离的平均值，并作归一化处理，得到该被选择的处理器的负载均衡度表达式为
[0046][0047]
当所有处理器节点的负载相同，此时系统负载均衡度为0，处于负载平衡状态。负载均衡度的值越小，负载均衡性越好，当值比较大时，观测距离处理器节点较远的任务节点，重新选择负载均衡度好的处理器进行分配。
[0048]
数据接口管理子单元中，服务器获得数据后，由编码层主要完成数据的编码和解码工作。当服务消息经过编码层时。被ua定义好的规则序列化，然后传给下一层进一步处
理。当服务消息从安全层接受上来时，被反序列化，作为上层服务函数的参数处理。安全层是客户端和服务器之间建立起来的通信路径，鉴别彼此的安全身份，并确保客户端与服务器通过安全信道来进行安全、稳定的信息交流。
[0049]
其中，图3所示为本发明装置中采用的任务调度算法流程图。任务调度分为任务排序和任务分配两部分，其中，任务排序包括如下步骤。
[0050]
步骤1：初始化所有的状态和动作对应的价值q，终止状态其q值初始化为0，初始化γ，ε；
[0051]
步骤二：确定初始状态s，设置a为ε-贪婪法为当前状态s选择的动作
[0052]
在状态s执行当前动作a，得到新状态s
′
；
[0053]
步骤三：比较优先级表list
pro
，即基于截止期和价值密度的链表，获得采取此动作的奖励reward，用ε-贪婪法在状态s
′
选择新的动作a
′
；
[0054]
步骤四：更新价值函数q(s,a)，如果s
′
为终止状态，则当前迭代完毕，否则转到第2步；
[0055]
步骤五：输出最终的最优任务排序列表。
[0056]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰应视为本发明的保护范围。