端边云协同的PID整定智能系统

本文在分析智能制造对PID整定的新需求及PID整定面临的挑战难题的基础上, 将自动化的建模、控制与优化和人工智能的深度学习与强化学习深度融合与协同, 提出了自适应与自主的PID整定的智能优化方法, 包括端边云协同的PID控制过程数字孪生模型和强化学习与数字孪生模型相结合的PID整定算法. 将工业互联网的端边云协同技术与PLC控制系统相结合, 研制了PID整定智能系统, 并在重大耗能设备 — 电熔镁炉成功应用. 该系统安全、可靠与优化运行, 取得显著的节能减排效果. 最后, 提出了控制系统智能化研究方向需要进一步深入研究的内容.     

车路协同的云管边端架构及服务研究

对智能交通业务的发展趋势、车路协同技术及系统要求以及国内外发展现状进行了介绍;同时重点阐述了智能网联交通体系之车路协同云管边端架构方案,介绍了中心云、交通专网/电信网络、边缘云、车载/路侧终端协同的"云-管-边-端"统一架构,同时提出了基于云管边端架构的车路协同多源数据融合信息服务能力开放框架,并对其具体功能要求、API调用方式进行了详细论述。     

端边云协同的复杂工业过程运行控制智能系统

针对难以建立数学模型的复杂工业运行控制过程,利用可获得的过程控制系统设定值和运行指标以及相关变量的工业大数据和运行控制过程特性,将系统辨识与深度学习相结合,建立以实际运行指标以及相关变量为输入,以实际过程控制系统设定值为输出的运行控制过程数字孪生模型,提出云-边协同的过程控制系统设定值智能控制方法.所提出方法由云-运行控制过程数字孪生模型、边-过程控制系统设定值智能控制模型和自校正机制组成.将工业互联网与工业过程控制系统相结合,提出端边云协同的工业运行控制智能系统的架构和功能,采用所提出控制系统设定值智能控制方法,研制工业过程运行控制智能系统,并在选矿关键设备—–高压辊磨成功应用.所提出系统安全、可靠和优化运行,取得了显著的节能减排效果.     

5G网络切片在车路协同系统中的应用研究

5G低时延高可靠的网络切片在车联网行业得到广泛关注,车路协同各场景的发展演进也体现了5G应用正逐步深化。从5G灵活的网络定制能力入手,分析了车路协同发展过程以及各业务场景对网络性能的需求,并基于典型的车路协同系统架构,论述车联网业务的5G网络切片实现流程,涵盖了切片创建、切片资源调度和切片安全保障等主要内容。     

基于端边云协同和MIRF_WPSO的流程工艺参数自适应实时优化模型

针对流程工业生产过程中因工序间相互耦合、工艺数据量庞大且处理时延高而导致的工艺参数优化实时性难以保证的问题,提出一种基于端边云协同和MIRF_WPSO的流程工艺参数自适应实时优化模型.首先,基于边缘计算技术搭建多源异构流程工艺参数端边云协同实时优化架构;其次,构建基于互信息随机森林MIRF和自适应惯性权重粒子群WPSO的工艺参数优化算法MIRF_WPSO,并将MIRF_WPSO算法部署在边缘端以实现工艺参数的实时优化,同时通过在云端部署自更新机制来实现边缘端算法模型的自感知更新,从而形成集算法训练-更新-调用的端边云高效协同自动化闭环网络;最后,搭建实验平台,实验结果表明,“端-边-云”协同模式可以有效缓解云端计算压力,能够实时、高效地对流程工艺参数进行自优化调控,将质量指标平均标偏从1.86%降到1.25%,优化速度提高11.4%,为流程工业生产过程智能化进一步发展提供新的思路.     

面向端边云协同架构的区块链技术综述

近年随着边缘计算的兴起,边缘计算和云计算结合形成的终端边缘云(端边云)协同的层次型分布式架构尽管可在高计算能力服务、高存储能力服务和低延时服务等方面满足应用需求.但在数据安全和多方可信交互等方面仍面临很多挑战.作为一种去中心化的分布式账本技术,区块链具有数据不可篡改、不可伪造、可追溯和由多方共同维护的特点,将区块链融入到端边云架构中可以使多参与方之间进行互信的数据交互,确保数据完整和可用,但由于区块链在系统架构、隐私安全、对节点资源要求和多方共识方面的特点,其与端边云架构相融合时仍面临诸多挑战:区块链和端边云系统在架构上的不匹配使得二者难以融合;区块链账本数据透明,可能造成敏感数据泄露;区块链的全副本存储和共识过程会消耗更多端边云参与节点的资源;不同端边云场景所需的信任模型差异、终端和边缘节点资源受限和终端设备大规模接入等特点使得现有共识算法不能适应端边云的场景.针对以上问题,本文首先介绍端边云架构和区块链技术,接着讨论二者融合的可行性和优势,并整理归纳了相关研究进展;之后讨论端边云架构下区块链技术面临的技术问题;最后提出未来端边云架构下区块链技术的研究方向.     

车路协同环境下基于动态车速的相位差优化模型

针对基于固定路段行驶车速的相位差优化模型在优化双向滤波时存在的不足,本文基于车路协同环境下车辆–信号控制系统双向、实时通信的运行环境,研究并建立了车辆动态速度与交叉口相位差的整合优化模型.首先,基于对上游交叉口流出的两类交通流,即饱和交通流和非饱和交通流运行特征分析,建立了速度与相位差相互影响关系模型,在此基础上,分别针对两种不同的交通流,以干道实时流量与速度乘积最大为目标,考虑初始排队清空时间,可变速度范围,和相位差取值空间等约束条件,建立了车辆速度与相位差的动态优化模型,从而实现干道交通流不停车通过量最大且延误最小的目的.最后,对比分析了本文模型与经典Maxband绿波优化模型及Synchro软件的信号协调控制优化方案,结果表明,相比其他两种典型优化方法,本文模型能显著提高双向绿波带宽并大幅减少停车次数,提高协调控制的效益.     

端边云协同的氧化铝生产过程苛性碱浓度智能预报方法

苛性碱溶液浓度是氧化铝生产过程中的重要运行指标, 由于苛性碱溶液的温度和浓度频繁波动, 导致目前的浓度检测仪表检测精度低, 只能采用人工化验获得苛性碱浓度值, 化验结果的严重滞后导致无法实现苛性碱浓度的自动控制, 影响氧化铝产品质量. 在分析苛性碱溶液浓度控制过程动态特性的基础上建立了由线性模型和未知非线性动态系统描述的苛性碱浓度预报模型, 将参数辨识与自适应深度学习相结合, 提出端边云协同的氧化铝生产过程苛性碱浓度智能预报方法, 并采用氧化铝生产企业的实际生产数据对本文所提方法进行应用验证. 应用结果表明, 所提的苛性碱浓度智能预报方法可以实时、准确预报苛性碱浓度, 为实现苛性碱浓度的闭环运行优化控制创造了条件.     

面向飞行目标的多传感器协同探测资源调度方法

针对飞行目标机动性带来的多传感器协同探测资源调度动态性需求, 提出一种新的基于近端策略优化(Proximal policy optimization, PPO)与全连接神经网络结合的多传感器协同探测资源调度算法. 首先, 分析影响多传感器协同探测资源调度的复杂约束条件, 形成评价多传感器协同探测资源调度过程指标; 然后, 引入马尔科夫决策过程(Markov decision process, MDP)模拟多传感器协同探测资源调度过程, 并为提高算法稳定性, 将Adam算法与学习率衰减算法结合, 控制学习率调整步长; 最后, 基于改进近端策略优化与全卷积神经网络结合算法求解动态资源调度策略, 并通过对比实验表明该算法的优越性.     

智慧城市车路协同系统的边缘计算网络架构和方案

车路协同业务是智慧城市中智慧交通的核心业务.本文研究了以边缘计算为核心的智慧城市车路协同计算系统和一个基于智慧城市车路协同三层计算平台的网络体系架构.本文分析了以路侧边缘计算为核心的路口场景接入路侧网络方案和接入回传网络的两种建网模式.     

面向“云-边-端”算力系统的计算和传输联合优化方法

“云—边—端”资源协同优化是算力网络部署的关键难题之一.如何有效整合高性能云计算、低延时边缘计算和低成本用户设备等异构算力资源,对于算力网络建设具有重要意义.基于此,提出了一种面向“云—边—端”算力网络的计算和传输联合优化方案,旨在从应用服务模型、网络状态感知和资源联合优化3方面提供一套系统性解决方案.首先,根据通用应用服务的特性,改进了传统网络服务的链状表征模型,提出了广义图结构的通用服务模型.其次,为表征异构网络状态的动态规律,提出了用于建模计算和传输时变负载的双虚拟队列结构.再次,为降低在大规模算力网络中计算和传输资源联合优化的问题复杂度,提出了一种基于图概念的增广图模型,该模型能够将计算和传输联合优化问题转化为增广图的路由问题,简化了异构资源联合优化问题的形式化表征难度.为实际解决该问题,设计了基于波利亚重球法（Polyak heavy-ball method）的异构资源协同优化算法,并给出了算法复杂度和相关理论的性能分析.最后,通过数值仿真和原型系统实验,验证了算法理论性能的正确性,以及在服务效用和资源成本等方面对比同期3种相关解决方案的性能优势.     

无线网络化系统自适应能量调度与协同控制

无线网络化系统（wireless networked control system,WNCS）中节点能量受限是影响系统性能的重要因素．本文提出了一种自适应能量调度方法解决节点能量与控制需求问的矛盾,在采样周期与能量消耗之间关系的基础上,利用动态采样周期实现能耗的实时调节,满足节点生存时间的需求．进而,将自适应采样的WNCS建模为一类具有短暂不确定切换信号的离散切换系统,采用切换状态反馈控制律,利用切换系统理论分析了系统的稳定性,给出了系统渐近稳定时控制器增益与滞留时间需要满足的约束条件．最后在Truetimel．5和MATLAB仿真平台上验证了文中提出的方法和结论．     

基于云边协同计算的配电网优化调度方法

由于目前配电网优化调度方法在进行优化调度的过程中,没有分布式构建模块,增加了很多不必要的工作量,花费的成本较多。基于此,本文提出基于云边协同计算的配电网优化调度方法。首先,通过分布式特征构建云边协同模块;其次,根据模块中获取的数据和配电网的电压偏差量来设计配电网的优化调度目标;最后,将设计的配电网调度目标作为配电网调度函数的输入,完成配电网优化调度函数的设计。在实验中,借助MATLAB平台对提出的方法进行验证,实验结果表明:应用基于云边协同计算的配电网优化调度方法消耗的总成本较低,较初始成本可减少大概11605.9元。此方法可有效减少配电网运行的成本,对提高配电网的经济收益有一定的现实意义。     

资源约束系统的控制与调度协同优化方法

对于一类通信约束的网络控制系统, 应用通信序列的概念和混合逻辑动态的构架, 将其建模成一类集成控制和调度的资源约束系统模型. 采用线性矩阵不等式来描述离散周期系统的周期通信序列和H_∞ 控制的协同优化问题, 并用一种递增优化序列算法来求解优化的调度策略及其相应的渐近稳定及r指数稳定的H_∞控制器. 该算法结合线性矩阵不等式凸优化问题解决了调度与控制的协同设计问题, 同时也节省了搜索优化解的计算时间.     

混合粒子群算法和多Agent系统的协同生产调度及其组合优化

为了从整体角度优化调度供应链网络的各个环节,研究了在供应链环境下核心制造商与制造商的协同生产调度方案,考虑在满足产品生产时间节点的最少加工时间。建立了多Agent的供应链环境下的协同生产调度模型,针对此模型设计了协同混合粒子群优化算法并进行求解。通过实例研究表明,供应链环境下制造商的协同优化对生产的计划与实行起到了关键的作用。     

基于隶属度函数的车间协同调度方法*

快速发现制造瓶颈是实现车间调度的有效方法。借鉴面向对象的设计思想以及基于模糊数学的最大隶属度原则,提出面向产能瓶颈单元的协同调度,进一步提出产能协同调度二维表示方法,将各类资源归一化,研究并建立了产能协同调度模型。通过实证,运用面向瓶颈的优化调度方法,解决了如何在有限资源的情况下实现复杂制造系统最优化调度的问题。     

面向MES的炼钢-连铸协同调度系统

针对某大型钢铁联合企业炼钢．连铸主辅设备协同调度的难题,采用基于“数据、模型、知识、人机交互”四维一体的调度方法,提出了冶金MES中炼钢．连铸协同调度系统的设计原则,系统结构和功能。研发了炼钢．连铸生产调度、钢包优化配备、行车和台车协同调度系统。实际数据模拟效果良好,验证了炼钢．连铸协同调度系统的结构和方法的可行性,并受到现场调度专家的好评。     

基于多精英协同进化遗传算法的云资源调度

传统的遗传算法(GA)在解决云资源调度问题时会随着问题规模的增大而出现早熟收敛、搜索效率低下、寻优能力差等现象.为了克服这些缺陷,提出一种基于多精英协同进化的遗传算法(MECGA).该算法通过多精英保留技术将适应度值大的个体选入精英子种群,通过与普通子种群进行协同交叉操作,可引导整个种群向最优解的方向移动;通过定义个体...     

区块链赋能的算力网络协同资源调度方法

随着AI内容生成、多媒体处理、VR视频等对于计算资源有着极大需求的互联网服务的快速发展,在可以遇见的将来,计算资源将成为网络中的稀缺资源.算力网络通过将算力作为网络基本单元之一来实现算力的网络化,为这些计算敏感的应用提供了行之有效的解决方案.得益于来自云—边—端等节点的计算资源,算力网络能够为大规模用户提供弹性泛在的计算调度.尽管算力网络具有广泛的应用前景,如何实现在这些地理分布的计算节点之间高效调度,计算资源对于算力网络的性能至关重要.提出了一种区块链赋能的资源调度（blockchain empowered resource allocation,BCERA）算法.不同于现有的资源调度方法,BCERA依赖于一个区块链结构来实现分布式、高效的计算资源调度.特别地,有别于现有的区块链结构,BCERA中的区块链节点通过求解任务调度优化问题来实现区块链的共识,从而在避免共识所带来的额外开销和时延的同时,还能提升系统的可扩展性和鲁棒性.计算资源调度问题被建模为一个马尔可夫决策过程（Markov decision process,MDP）并通过强化学习方法来求解.除此之外,还设计了一个激励机制以鼓励计算节点贡献资源支持算力网络的运转.实验结果表明,所提出的方法能够有效提高资源调度性能.

     

多蚁群协同进化的滑行道调度优化

针对当前机场滑行道调度效率较低的问题,提出一种基于协同进化的多蚁群算法。利用蚁群算法在解决复杂的组合优化问题方面的显著优势,在种群内部搜索滑行时间短且没有冲突的路径,在种群间利用蚁群算法良好的协同能力同时进行多个航班的调度,解决滑行的路径搜索问题,实现调度顺序的优化调整。冲突解决是解决滑行道调度问题的关键,采用基于两段锁的思想解决冲突。利用公共数据集对该算法进行验证,实验结果表明了该算法的有效性。