(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110452770.X (22)申请日 2021.04.26 (65)同一申请的已公布的文献号 申请公布号 CN 113033109 A (43)申请公布日 2021.06.25 (73)专利权人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 纪智铎　陈彩莲　 (74)专利代理 机构 上海旭诚知识产权代理有限 公司 312 20 专利代理师 郑立 (51)Int.Cl. G06F 30/27(2020.01) G06F 111/04(2020.01) G06F 119/08(2020.01)(56)对比文件 CN 111901435 A,2020.1 1.06 CN 111400040 A,2020.07.10 审查员 赵海东 (54)发明名称 一种基于学习的工业网络系统边缘感知与 控制设计方法 (57)摘要 本发明提供了一种基于学习的工业网络系 统边缘感知与控制设计方法， 涉及工业网络系统 领域， 所述方法包括如下步骤： 步骤1： 工业云平 台全局优化； 步骤2： 云端知识下发； 步骤3： 边缘 侧精细调节； 步骤4： 生产运行结果返回云端。 利 用本发明提供的算法， 可以提升工业生产的整体 性能， 有效地克服模型未知对于工业系统感知与 控制联合设计所 带来的不利影响。 权利要求书2页 说明书4页 附图1页 CN 113033109 B 2022.07.26 CN 113033109 B 1.一种基于学习的工业网络系统边缘感知与控制设计方法， 其特征在于， 所述方法包 括如下步骤： 步骤1： 工业云平台全局优化； 步骤2： 云端知识下发； 步骤3： 边 缘侧精细调节； 步骤4： 生产运行 结果返回云端； 所述工业云平台结合知识库历史专家经验， 依据工业生产整体需求并充分权衡所述边 缘侧计算能力， 通过求解如下优化问题确定各所述边缘侧计算单元所负责区域的初始感知 和控制决策、 系统维度、 初始模型以及学习滑窗长度； 这里目标函数中的fc( χ )， fm( χ )， fs( χ )， ft( χ )分别包 括控制性能、 学习模型的精确程度、 感知代价和计 算负担； 决策变 量集合x＝{Ck,uk,M,p,d}中依次包含的决策变 量为第k时刻的 感知设计， 控制决策， 系统演化转化为图信号后的非0分量个数， 系统演化矩阵维度和所述 学习滑窗长度； 约束条件分别为感知策略需要满足的可观性约束， 所述控制决策需要满足 的上下界范围和工业生产命中率要求， 以及所述决策变量需要满足的所述边缘侧计算能力 需求。 2.如权利要求1所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 所述步骤1的所述工业云平台全局优化综合考虑了模 型学习过程、 所述边缘侧计算 性能和初始的感知 ‑控制决策， 能够匹配工业 生产的个性 化需求和所述 边缘侧的实时算力。 3.如权利要求2所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 所述 步骤1依据所述 步骤2将优化结果和相关知识传递给 所述边缘侧。 4.如权利要求3所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 从云端知识库提取对于所述边缘侧学习和所述感知 ‑控制联合设计的相关知识， 包 括学习速率、 系统噪声水平和生产过程的时隙总 数， 并结合问题的解下发至各所属的边缘 计算单元。 5.如权利要求4所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 所述步骤3在所述步骤1和所述步骤2的基础上， 实现所述边缘侧各所述边缘计算单 元的模型精细化调节， 以系统模 型的学习过程作为桥梁实现所述感知 ‑控制联合设计， 并以 此获得新的各批次工业 生产数据。 6.如权利要求5所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 所述步骤3在承接所述步骤2的计算结果后， 各所述边缘计算单元根据所述云端所 确定的所述系统维度和所述学习滑窗的长度进行系统模型的学习， 依据学习的模型和初始 确定的Ck,uk,M进行实际运行部署， 获得完整一个批次的生产运行 数据； 权　利　要　求　书 1/2 页 2 CN 113033109 B 2然后在下一个批次前基于获得生产运行数据， 首先进行模型的学习和更新， 然后进一 步求解如下优化问题进行Ck,uk的修正， 并确定新的M 。 7.如权利要求6所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 将所述步骤3获得优化问题的解部署在下一个批次的运行当中， 依次进 行下去直到 达到所要求的在所述 边缘侧运行的最大批次数目。 8.如权利要求7所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 所述步骤4将相关的运行数据和学到的模型返回所述工业云平台进行运行效果评 估， 结合新的用户个性化生产需求和变动的所述边缘侧计算力情况； 重新返回执行所述步 骤1， 依次进行 下去直到同类产品的所有批次产品均加工 完毕停止 。 9.如权利要求8所述的一种基于学习的工业网络系统边缘感知与控制设计方法， 其特 征在于， 所述步骤4在前一步的基础上， 可以在所述云端对所述边缘侧的学习和优化过程进 行全局调节， 以便获得 更好的所述 边缘侧学习 、 感知和控制效果。权　利　要　求　书 2/2 页 3 CN 113033109 B 3