面向工业物联网的移动边缘计算研究综述

工业物联网(Industrial Internet of Things, IIoT)的快速发展，实现了信息的实时交互、设备的泛在感知和数据的快速分析处理。然而因为现场设备的异构性、自身资源的有限性、设备和数据的低安全性等缺陷极大地阻碍了IIoT的发展。因此提出在IIoT环境中引入移动边缘计算(Mobile Edge Computing, MEC)技术，以提高网络的计算和存储能力，降低网络带宽和处理时延，增强网络安全。介绍MEC的相关概念、服务器架构和典型应用场景；从目前面向IIoT的MEC架构、计算卸载、资源分配和安全四个方面介绍MEC在IIoT环境中的应用及研究现状；总结归纳目前在IIoT环境中部署MEC存在的核心问题，并对该领域的未来发展进行论述与展望。     

基于智能家居的家庭用电监测系统设计

文中探讨了基于智能家居系统的家庭用电监测系统方案的设计。采用基于云服务架构的智能家居物联网系统架构,通过智能家居网关实现智能电器和智能电表用电数据的汇聚和对智能家电设备的远程控制能力。能耗管控业务作为云端业务部署,提供融合异构数据的数据总线能力。针对单一电器和电表数据,能耗监测模块支持独立数据采集和负荷分解算法,为全屋家电能耗监测管理提供精细化数据支持。     

基于可信执行环境的物联网边缘流处理安全技术综述

万物互联时代,物联网中感知设备持续产生大量的敏感数据。实时且安全的数据流处理是面向物联网关键应用中需要解决的一个挑战。在近年兴起的边缘计算模式下,借助靠近终端的设备执行计算密集型任务与存储大量的终端设备数据,物联网中数据流处理的安全性和实时性可以得到有效的提升。然而,在基于边缘的物联网流处理架构下,数据被暴露在边缘设备易受攻击的软件堆栈中,从而给边缘带来了新的安全威胁。为此,文章对基于可信执行环境的物联网边缘流处理安全技术进行研究。从边缘出发,介绍边缘安全流处理相关背景并探讨边缘安全流处理的具体解决方案,接着分析主流方案的实验结果,最后展望未来研究方向。     

区块链技术在矿山物联网中的应用研究

针对矿山物联网中数据传输和存储过程中存在易丢失和被篡改等问题,将区块链技术应用于矿山物联网的数据传输与存储中。构建了以数据层、传输层、共识层为核心的矿山私有区块链架构;设计了基于共识模块和数据区块的矿山物联网数据传输与存储防护方案;应用实用拜占庭容错(PBFT)算法设计了数据共识过程,通过在分布式结构化P2P网络每2个节点间设置共识模块并优化P2P协议,实现了矿山数据安全性共识。测试结果表明,私有区块链的应用保证了矿山物联网数据的准确传输和可靠存储。     

油田物联网系统边缘计算研究与实践

随着智能传感器和无线通信技术的发展,油田物联网系统提高了现场生产数据采集的频率和生产过程控制的效率,然而现有物联网系统仍然通过位于远程数据中心的计算资源进行数据处理和控制,网络带宽和通信延迟成为严重的瓶颈。通过对物联网系统的边缘层设备应用边缘计算技术,充分利用边缘网关的计算和存储能力,使用孤立森林算法实现异常数据检测和报警规则学习,同时对温度和阀门开关进行逻辑控制,将之前在云端的处理功能下沉在边缘端实现,降低对网络的要求,满足偏远地区油田生产需要。     

物联网语义关联和决策方法的研究

物联网系统包含大量的感知设备,产生大量孤立和异构的感知数据,形成数据孤岛.如何将不同感知设备产生的数据进行有效的语义关联、构建跨域的数据关联模型、屏蔽数据异构性、实现综合智能决策是物联网研究的关键问题.本文以物联网系统为研究对象,从语义入手,构建以环境—资源—行为为核心的物联网本体模型;基于关联数据方法构建以行为关联模型和资源关联模型为核心的物联网语义关联网络;提出一种基于事件的推理算法实现语义推理,从而更好地实现对物联网系统的智能决策;最后,通过两个智能家居系统的实例验证了本文方法的可行性,通过构建不同方法的查询实例验证了本文方法的优越性.     

基于区块链的多维度物联网健康数据服务框架

为解决物联网上医疗健康数据的隐私性和安全性等问题，提出一种基于区块链的多维度物联网健康数据服务框架。在物联网中引入(Elliptic Curve Qu-Vanstone, ECQV)隐式证书，通过分布式账本来验证隐式证书的有效性；使用该证书来实现IoT、多接入边缘计算(Multi-Access Edge Computing, MEC)数据隐私和安全性；使用区块链的智能合约来处理与证书相关的操作，开发基于智能合约的威胁评分机制来自动撤销证书；使用MEC进一步将存储卸载功能附加到区块链上，以确保将大量已连接的设备连接到云的可扩展性。该文的框架特征优于现有其他物联网框架。     

物联网海量数据的分布式存储算法

随着物联网技术的进一步发展以及应用规模的扩大,网络中的数据量呈几何级的疯狂增长,众多传感器终端的大量信源势必呈海量趋势.面对不断增长的数据,海量数据的存储不均匀的问题将成为限制物联网充分发展的＂瓶颈＂.本文结合分布式云存储系统的架构性优势,在其基础上针对物联网异类数据实时存取特点,在多个数据中心对海量数据进行边缘化存储处理.为此本文提出了一种点对点的分布式存储方案,在方案中物联网各数据中心间采用云架构分级式存储,通过存储信息的交互推动,使各数据中心协同工作,达到对物联网中原始数据流有序分散负载均衡.实验证明,本文提出的方案能够实现物联网中海量数据的边缘化存储和负载均衡.     

物联网的体系结构与相关软件系统代码自动化的研究

这篇论文展现了一种基于智能设备监控的全新的物联网架构。在此架构下,智能设备可以得到了实时动态的管理和监控,这样就使得物联网系统更加可靠,健壮与安全。此外,本文研究用于物联网系统实现的软件系统开发方法。在软件开发方法之中,同时也介绍了一些软件工程中的自动化开发技术,正是自动化技术使得软件开发更简单以及更易于扩展,也取得了不错工程实践的效果。通过对将这些软件开发方法的研究和应用,对未来的物联网相关监控系统开发会起到指导作用,将更有效率和质量。     

Hadoop环境下分布式物联网设备状态分析处理系统

设备故障可能会引起严重的生产事故,对企业、社会和人身安全造成严重威胁.因此,对物联网设备状态分析并进行合理的处理具有重要意义.针对物联网设备数据量大且复杂的特性,本文提出了一种针对物联网设备的海量数据处理架构,同时结合Dask分布式计算框架,设计了基于Hadoop环境的分布式物联网设备状态分析处理系统.本系统主要包括数据服务、数据分析和数据存储3个模块,并通过合理的节点调度方案保证了算法的高效运行和分布式计算的稳定性.系统运行表明能有效的处理大批量数据并实时准确预测设备状态,满足工业智能制造过程中的实际应用.     

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。     

基于数字孪生的产线设备实时监控方法与实现

为推动国家智能制造发展,面向生产过程中设备实时监控困难、透明性差、管控效率低、跨学科交叉情况复杂等问题,融合MBSE思想,提出一种基于数字孪生的产线设备监控方法并实现。首先,提出基于数字孪生的监控方法架构;基于SysML建模语言对产线系统和设备进行统一描述建模,建立结构图和行为图,形成数据模型;通过SysML模型与OPC UA联合,以位移数据和任务数据双通道驱动的方式进行虚实映射,并建立异常报警追溯机制;以仓储系统中核心设备堆垛机为例,构建其SysML模型、数字孪生模型,并以仓储产线实时缓存数据库redis为数据源,通过OPC UA获取并实时更新数据驱动数字孪生模型,实现其三维可视化监控,验证了方法的可行性和实时性     

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...     

态势感知平台在智能制造领域的解决方案研究

在我国“互联网+”、“中国制造2025”战略部署和“两化深度融合”的大趋势下,发展智能制造产业已是必然的趋势。但智能制造系统在开发设计、部署实施及运行维护阶段,对安全尤其是信息安全考虑甚少。将态势感知技术与智能制造系统相结合,可有效解决智能制造企业所面临的窘境。首先,介绍了智能制造的发展情况,以及态势感知技术和企业级态势感知平台;接着,阐述了项目实施背景和存在的不足;最后,根据项目的基本要求,给出了建设企业级智能制造安全态势感知平台的解决方案。态势感知平台的建立解决了企业典型网络安全设备的安全日志等信息的实时集中汇集、综合分析、态势感知、实时异常报警、人员安全培训等问题,可有效提升智能制造行业网络安全监测和态势感知能力,切实提升智能制造企业网络安全的应急指挥和处置能力。     

Edge computing and machinery automation application for intelligent manufacturing equipment

The aim is to explore the machinery automation of intelligent manufacturing equipment under the edge computing algorithm and guarantee the safety of intelligent equipment. Given the problems in the machinery automation of intelligent manufacturing equipment in the current mechanical field, the intelligent manufacturing equipment model based on edge computing is implemented through edge computing technology and is divided into three modules: data acquisition, data processing, and data communication. Finally, the proposed model performance is analyzed under simulation. The results show that in the security performance analysis, different edge nodes can maintain the optimal strategy when the cost is minimized. When the amount of task data is less than 8 Mb, the proposed intelligent manufacturing equipment model based on edge computing has a lower delay (less than 3,000 ms), lower energy consumption (less than 450 J), and higher reliability (more than 95%). Therefore, the results indicate that the proposed intelligent manufacturing equipment model based on the edge computing pattern has higher reliability while ensuring safety performance, which provides an experimental reference for the development of machinery automation of intelligent equipment in the current mechanical field.     

基于物联网数据采集的携带型短路接地线监测系统研究

短路接地线是保证电力生产人身安全的重要设备。传统携带型短路接地线,缺乏智能化的监测手段,常出现漏挂、错挂、漏拆等情况,给人身、设备以及电网安全带来安全隐患甚至发生人身伤亡事故。本文基于物联网技术,设计包括感知层、网络层、平台层和应用层的总体框架,研发接地线智能监测装置与系统,实现对接地线分布、挂接状态、设备信息等的自动采集、移动实时监测和综合管理。通过在国网无锡供电公司实际场景试点,证明该智能监测装置和系统能够直观展现接地设备多维度信息,且具有实时性、移动性和扩展性特点,有效辅助安全管理决策,提升现场安全综合管控水平。     

基于PHM的数字化生产线健康管理体系结构研究

针对数字化生产线的自动化控制与诊断要求,结合当前的智能制造背景,以数字化生产线设备群为研究对象,对设备群健康管理体系结构做出分析,并设计开发了基于PHM的数字化生产线健康管理系统。首先借鉴了OSA-CBM的PHM技术体系结构,提出数字化生产线设备群PHM体系结构,然后应用组态技术在结构上对设备群监测系统进行设计研究,实现对异步、异构数据的集成应用,最后重点分析了对故障进行诊断的综合诊断平台和健康管理平台     

NVM Storage in IoT Devices: Opportunities and Challenges

Edge storage stores the data directly at the data collection point, and does not need to transmit the collected data to the storage central server through the network. It is a critical technology that supports applications such as edge computing and 5G network applications, with lower network communication overhead, lower interaction delay and lower bandwidth cost. However, with the explosion of data and higher real-time requirements, the traditional Internet of Things (IoT) storage architecture cannot meet the requirements of low latency and large capacity. Non-volatile memory (NVM) presents new possibilities regarding this aspect. This paper classifies the different storage architectures based on NVM and compares the system goals, architectures, features, and limitations to explore new research opportunities. Moreover, the existing solutions to reduce the write latency and energy consumption and increase the lifetime of NVM IoT storage devices are analyzed. Furthermore, we discuss the security and privacy issues of IoT devices and compare the mainstream solutions. Finally, we present the opportunities and challenges of building IoT storage systems based on NVM.     

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。