物联网在物流智能仓储系统中的应用研究

随着物流成本与用工成本的不断增加,进一步开发物流智能仓储系统显得尤为必要。在物流仓储系统中,其管理的时效性与可控性都是必须着重研究的重点方向[1]。研究物联网技术在物流智能仓储系统中的应用,也是优化物流智能仓储系统的必要措施。笔者分析了物流智能仓储系统的技术需求,根据物联网技术的应用特点,提出具体的应用策略,为物流智能仓储系统应用物联网技术提供参考。     

工业互联网智能制造边缘计算 模型与验证方法

智能制造是先进制造过程、系统与模式的总称,边缘计算是横跨通信、计算机、自动控制等多领域的综合性技术,可以满足智能制造在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。文章首先介绍了工业互联网智能制造的基本状况,其次介绍了边缘计算的发展现状,之后详细描述了工业互联网智能制造边缘计算模型,最后给出了工业互联网智能制造边缘计算模型的测试方法。     

物联网中多设备多服务器的移动边缘计算任务卸载技术综述

随着物联网(Internet of Things,IoT)技术的快速发展,出现了大量具有不同功能的设备(如多种带不同传感器的智能家居设备、移动智能交通设备、智能物流或仓储管理设备等),它们相互连接,被广泛应用于智能城市、智慧工厂等领域.然而,这些物联网设备的处理能力有限,很难满足延迟敏感、计算密集型应用的需求.移动边缘...     

基于数据边缘计算的智能集中器设计与应用

集中器在智能抄表系统中有着重要的中继作用,为实现电能计量自动化向智能化的转变,如何结合新的通信技术和智能计算技术,开发新一代智能集中器迫在眉睫.主要讨论如何实现基于数据边缘计算的智能集中器设计与应用.首先分析了具有边缘计算功能的智能集中器设计可行性方案,然后重点讨论了基于边缘计算的数据采集算法,包括数据库构建、数据筛选...     

智能代理语言系统研究

本文主要了智能代理语言系统的基本概念以及智能代理理论的关系,提出了智能代理语言系类型划分方法、智能代理语言系统的特性和智能肛理语言系统设计方法,并把智能代理编程与面向对象编程、结构化编程方法进行了比较。     

边缘计算在智慧交通和智能网联行业的应用分析

智慧交通和智能网联是边缘计算应用的典型场景。在“云-边-端”系统架构中,边缘计算承载着云侧算力下沉及端侧计算任务卸载的使命。本文分析了边缘计算在智慧交通及智能网联应用中面临的挑战及发展趋势,研究了不同业务场景下边缘计算需要处理的主要内容,分析了边缘计算在“云-边-端”架构中的重要作用。     

基于智能代理的远程教学系统模型设计

智能代理技术是一种新兴技术,有着巨大的发展潜力.本文主要讨论如何把智能代理技术运用于现代远程教学,以提高远程教育系统的交互性和智能性,并根据智能代理技术特性,构建了一个基于智能代理的远程教学系统模型.     

基于多智能代理的供应链仿真模型的构建

供应链通过获取原材料，转换成最终产品，交付最终用户等一系列过程将供应商、制造商、仓储、分销中心以及零售商等形成一个巨大的网络体系。针对供应链成员具有智能体特征的特点，使用多智能代理平台，对构建的供应链进行仿真，给出了模型的结构、主要算法，并通过实验验证了利用多智能代理进行供应链仿真的可行性。     

5G在物流仓储行业的融合应用研究

物流业是支撑国民经济发展的基础性、战略性、先导性产业。仓储作为物流行业的关键环节,面临碎片化仓储的利用率低、高标仓占比少、分拣准确率低、多仓管理难等"效率泥潭",而提升仓储效率瓶颈的关键是加强数字物流基础设施建设。作为新型数字化基础设施的关键技术之一,5G在提供低延时、高带宽、海量接入的网络能力基础上,可以利用网络切片、边缘计算和端边云协同等先进技术,促进计算和存储资源在端边云设施上的高效分配,从而以更加灵活、高效、快速迭代、可演进的模式推动物流仓储的智慧化升级。梳理了基于5G的物流智能仓储的应用场景,论述了5G技术助力物流仓储智能升级中发挥的作用和价值。     

基于个人计算机的智能家居边缘计算系统

考虑边缘计算的作用与智能家居的需求,以节约计算资源及提高计算资源利用率为前提,将边缘计算应用于智能家居环境,基于个人计算机平台构建智能家居边缘计算系统。利用现有的虚拟化、容器等技术将多种云服务汇聚到个人计算机平台,形成本地的辅助计算单元,为用户提供边缘计算服务。通过服务管理程序与智能网关的协同工作,设计节能调度算法,实现系统节能管理。测试结果表明,在计算资源有限的情况下,该系统相比单纯使用云计算系统可提供更高的服务质量及更好的扩展性,且易于部署和管理。     

面向边缘智能计算的异构并行计算平台综述

边缘智能计算对硬件资源的需求复杂多元,传统计算平台难以为继,异构并行计算平台成为边缘智能算法落地的关键途径之一。以深度学习算法和边缘计算为牵引,对异构并行计算平台展开研究。一方面,阐述了传统计算平台适配实现边缘智能计算的优缺点,指出边缘端应用场景中传统计算平台算力与功耗矛盾突出等局限性,并以指令模型、通讯机制和存储体系三个关键技术为线索梳理技术发展脉络。另一方面,从运算速度、功耗等角度重点对比分析了近年来典型异构平台较新的代表性产品,然后针对不同应用场景和约束条件给出了异构平台的选择建议：优先选择CPU+X组合的异构平台。功耗要求严格约束下的应用建议优先选择CPU+FPGA组合;功能迭代更新快的场景建议优先选择CPU+GPU组合;算法成熟且对实时性和功耗均具有高要求的应用优先选择ASIC计算平台。提出了异构并行计算平台在指令模型统一、通讯机制轻量化、存储体系灵活性以及开发生态完备化四个方面的问题与挑战,期望能为该领域研究人员带来一定的启发。     

基于边缘计算的建筑设备状态感知模型与应用

随着智能化建筑数量的剧增与智能化水平的提高,建筑智能设备状态感知成为了关系到社会公共安全方面重要问题之一。目前,建筑设备感知系统大多基于服务器集中计算架构,存在存储数据量大、通信带宽要求高、节点自主性不够等问题,往往容易造成建筑设备感知实时性不足、网络成本高的问题。由此,提出一种基于边缘计算的建筑设备状态感知模型,设计了边缘状态感知与缓存算法,建立了一组边缘通信与状态感知协议,形成了边缘隐私数据信任与安全机制,同时,引入基于边缘数据的智能决策技术,从而不仅缓解了中心服务器的计算与存储压力,而且有效提升了整个系统的自主感知能力、安全性与健壮性。最后,依托该模型实现了一个运维示范系统,在S城市管理中进行了应用。     

PandaDB:一种异构数据智能融合管理系统

随着大数据应用的不断深入,对大规模结构化/非结构化数据进行融合管理和分析的需求日益凸显.然而,结构化/非结构化数据在存储管理方式、信息获取方式、检索方式方面的差异给融合管理和分析带来了技术挑战.本文提出了适用于异构数据融合管理和语义计算的属性图扩展模型,并定义了相关属性操作符和查询语法.接着,基于智能属性图模型提出异构数据智能融合管理系统PandaDB,并详细介绍了PandaDB的总体架构、存储机制、查询机制、属性协存和AI算法集成机制.性能测试和应用案例证明,PandaDB的协存机制、分布式架构和语义索引机制对大规模异构数据的即席查询和分析具有较好的性能表现,该系统可实际应用于学术图谱实体消歧与可视化等融合数据管理场景.     

边缘计算和深度学习之间的交融

随着网络终端的不断普及与互联网应用的快速发展,当今网络不仅要应对日益增长的传输流量,也要满足用户多样化的需求指标。云计算在诸如服务延迟与传输开销等方面难以适应趋势,边缘计算(Edge Computing)则将运算资源从云下移到了网络边缘,并通过就近处理数据的方式提升性能。作为人工智能的主要代表之一,深度学习一方面可以被集成到边缘计算的框架中以构建智能边缘,另一方面也能以服务的形式部署在边缘上从而实现边缘智能。本文从边缘计算与深度学习融合的趋势出发,介绍"边缘智能"与"智能边缘"的概念与应用场景,并说明典型的使能技术及其相互联系。     

边缘计算助力工业互联网:架构、应用与挑战

工业互联网通过整合5G通信、人工智能等先进技术,将各类具有感知、控制能力的传感器与控制器融入工业生产过程,来优化产品生产工艺,降低成本,提高生产率.传统的云计算模式由于集中式部署的特点,计算节点通常离智能终端较远,难以满足工业领域对高实时性、低延迟的需求.边缘计算通过将计算、存储与网络等资源下沉到工业网络边缘,可以更加...     

基于区块链的边缘计算IIoT架构研究

在智能制造系统中,工业物联网通过先进的管理技术将制造设备互连,实现了信息的实时传输、设备的范在化感知和数据的快速分析处理。但是由于制造设备的异构性、物联网网关（IoT网关）数据分析能力的有限性、制造设备的存储力低下,设备和数据的低安全性等缺陷严重阻碍了智能制造的发展。BEIIoT架构从制造企业的实际生产过程与应用角度出发,将区块链技术与边缘计算相结合,通过对服务器进行P2P组网以实现对设备去中心化管理;通过对边缘设备进行服务化封装,增强设备的安全性与实时分析能力,降低设备的异构性;使用DAG双链式数据存储结构,提高数据的冗余度与安全性,实现生产线数据的异步并发备份存储。BEIIoT架构为智能制造的实施提供了体系支持。     

面向IoT的两级多接入边缘计算节能卸载策略

多接入边缘计算（multi-access edge computing,MEC）技术将计算和存储资源下沉到网络边缘,可大幅提高物联网（Internet of things,IoT）系统的计算能力和实时性。然而,MEC往往面临计算需求增长和能量受限的约束,高效的计算卸载及能耗优化机制是MEC技术中重要的研究领域。为保证计算效率的同时最大程度提升计算过程中的能效,提出了两级边缘节点（edge nodes,ENs）中继网络模型,并设计了一种计算资源及信道资源联合优化的最优能耗卸载策略算法（optimal energy consumption algorithm,OECA）。将MEC中的能效建模为0-1背包问题;以最小化系统总体能耗为目标,系统自适应地选择计算模式和分配无线信道资源;在Python环境下仿真验证了算法性能。仿真结果表明,相比于基于有向无环图的卸载策略算法（directed acyclic graph algorithm,DAGA）,OECA可将网络容量提升18.3%,能耗缩减13.1%。     

基于软件定义网络的边缘控制部署机制

针对软件定义网络（software-defined Networking,SDN）中单一控制器容易发生过载导致较长时延的问题,提出一种基于SDN的边缘控制模型,该模型采取分层部署方式将边缘计算集成到SDN中,每个边缘控制器控制其覆盖范围内部署的所有子边缘控制器和交换机,负责区域内网络设备的通信量。为了方便管理边缘控制器之间的交互,该模型引入一个控制器代理模块,将设备请求转发给父控制器或将路由信息发送给子控制器来协调控制器之间的工作。实验结果表明,与基于SDN的传统网络相比,该方法依托部署在网络设备边缘的计算和存储服务,减轻了SDN主控制器上的负载,降低了转发平面和控制平面之间的延时,显著地改善了总处理延时和带宽使用情况。     

边缘计算模式下全同态加密智能合约设计

区块链产生的成千上万的交易信息数据不断被收集到区块链中,会给区块链网络的计算资源和存储空间造成极大负担。为了解决区块链网络计算资源不足和存储空间有限的问题,我们将边缘计算模式应用于联盟链Hyperledger Fabric系统中,在区块链中设计了基于边缘计算模式的智能合约,以提高区块链的存储空间和运行效率。在此基础上,针对区块链存在的数据和用户身份隐私的风险,提出了基于边缘计算模式的全同态加密智能合约。在执行智能合约过程中,调用了微软的全同态加密SEAL库,边缘节点的身份信息和区块链的交易数据受到全同态加密算法BFV的保护,在保持交易数据可计算性的同时,实现了交易信息和边缘节点身份的隐私保护。最后,经过测试和分析,边缘计算模式下的原型系统在14个边缘节点同时访问时的单节点平均访问时间仅为139.68ms,相比于非边缘计算模式下的原型系统具有更好的性能;相比目前响应较快的加密联盟链系统FabZK,本系统平均用时减少35.84%,相比效率提升55.86%。设计的边缘计算模式下的全同态加密智能合约可以有效提高Hyperledger Fabric系统中网络的运行效率,同时减少了对存储空间的要求...