一种面向工业互联网的边缘智能决策方法

本发明涉及数据通信，尤其涉及一种面向工业互联网的边缘智能决策方法。

背景技术：

1、边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储和应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘侧数据量大，本地应用系统多，需要大量的计算、存储资源。设备和网关完成本地的实时的处理后，将数据汇聚到本地分布式智能系统进行二次处理。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。这些分布式节点通过联接进行数据和知识的交换，支持计算、存储资源的横向弹性扩展，能够完成本地的实时决策和实时优化操作。目前，现有技术中的网关在处理数据做出决策时存在不稳定不可靠的弊端。

2、随着社会的不断进步，由于传统工业生产方式的局限性，制造业和生产业发展受限，而工业互联网的出现，推动了工业生产的发展，克服了传统行业的局限性，使得工业迈向了数字化和信息化时代。与此同时对服务的高效性和可靠性提出了更高的要求。由此边缘计算在工业互联网领域发展迅速，边缘网关的数量以及产生的数据量呈爆炸式增长。在此背景下传统边缘网关计算方法在处理大量数据时存在着效率低、结果可靠性差、工作不稳定等问题，因此，设计一种新型的边缘智能决策方法成为了当今主流的解决方案。

3、边缘网关收到与之相连的多个设备送来的数据受到环境因素以及设备自身因素的影响，不同设备对同一监测指标的数据可能存在很大的差异，即部分数据并不真实反映监测对象的实际情况，这种情况下就会导致边缘网关收到设备的数据后做得出错误的结果，这在工业领域可能会造成极其严重影响，小则造成经济上的损失，大则威胁公众生命安全。因此，如何改进边缘网关对数据处理的算法，使边缘网关得到正确的结果是一个亟待解决的问题。

技术实现思路

1、本发明的实施例提供了一种面向工业互联网的边缘智能决策方法，以实现有效地提高边缘网关做出决策的可靠性。

2、为了实现上述目的，本发明采取了如下技术方案。

3、一种面向工业互联网的边缘智能决策方法，包括：

4、计算出边缘网关接收到的各条数据体之间的余弦距离；

5、构建每条数据体之间的余弦距离的矩阵，计算出每条数据体的可信度；

6、计算出每条数据体的不确定度，将数据体的可信度与不确定度融合，计算出所有数据体的平均权重，将平均权重作为边缘网关的决策结果；

7、使用d-s算法对边缘网关的决策结果进行n-1次融合，获取边缘网关的最终决策结果。

8、优选地，所述的计算出边缘网关接收到的各条数据体之间的余弦距离，包括：

9、定义边缘网关可能做出的决策框架为θ＝{a1,a2,a3,...,am}，设置系统共有n条数据体e1、e2、e3、…、en，其中，ei,1≤i≤n代表监测设备传送给边缘网关的第i条数据体，各条数据体对应的识别到的目标状态或者目标类别的概率分布分别为m1、m2、m3、…、mn，其中mi＝{mi(a1),mi(a2),mi(a3),…,mi(am)}，mi(ak)代表监测设备i识别出的第k种结果；

10、设置一个数据体为一个向量，求得两个数据体向量之间的夹角的余弦值，该余弦值即为数据体ei、ej之间的余弦距离rij，rij的计算公式为：

11、

12、所述余弦距离rij的取值范围为[-1,1]，此余弦距离表示这两个数据体之间的相似性。

13、优选地，所述的构建每条数据体之间的余弦距离的矩阵，计算出每条数据体的可信度，包括：

14、构建数据体之间的余弦距离的矩阵t，计算出每条数据体的可信度。

15、

16、矩阵t中第i行代表着第i条数据体与其余数据体之间的余弦距离。

17、计算第i条数据体与其余数据体之间的平均余弦距离si

18、

19、第i条数据体与其余数据体之间的平均余弦距离的大小表示第i条数据体与其它数据间的平均相似程度；

20、对每条数据体与其余数据体之间的平均余弦距离进行归一化，得到每条数据体的可信度

21、

22、将第i条数据的平均余弦距离除以所有数据体的平均余弦距离得到第i条数据体的可信度。

23、优选地，所述的计算出每条数据体的不确定度，包括：

24、用信息熵度量数据体的不确定程度；

25、

26、其中，m为一条数据体的概率分布，m(ak)表示该数据体认为监测目标属于状态/类别ak的概率,|ak|代表决策结果ak中的元素个数，q(m)表示数据体m的不确定程度；

27、计算每条数据体的e指数权重

28、

29、其中，数据体mi的不确定度，为数据体mi的指数权重；

30、计算出每条数据体归一化后的不确定度vi

31、。

32、优选地，所述的将数据体的可信度与不确定度融合，计算出所有数据体的平均权重，将平均权重作为边缘网关的决策结果，包括：

33、将数据体的可信度与不确定度融合，得到数据体mi的确定指数ardi

34、ardi＝vi×bi,1≤i≤n (8)

35、对ardi进行归一化，得到数据体mi的权重

36、

37、计算出所有数据体的加权平均值

38、

39、wam(m)表示加权平均后的决策结果，即感知设备所提供的关于监测目标的状态/类别的n条数据体的加权平均值。

40、优选地，所述的使用d-s算法对边缘网关的决策结果进行n-1次融合，获取边缘网关的最终决策结果，包括：

41、假设在决策框架中存在两个独立的数据体m1＝{m1(a1),m1(a2),...,m1(am)}和m2＝{m2(a1),m2(a2),...,m2(am)}；

42、d-s组合规则定义如下：

43、

44、

45、当有n条数据体时，最终的融合结果通过使用d-s规则对wam(m)进行n-1次迭代融合获得，即：

46、

47、边缘网关选取中概率最高的元素作为监测目标状态或者类别的最终决策结果d，即：

48、

49、最终的决策结果d表明了边缘网关通过融合多个监测设备的感知数据，所得到的感知目标的状态监测结果或类别识别结果。

50、由上述本发明的实施例提供的技术方案可以看出，本发明实施例方法有效解决了边缘网关多数据处理异常的问题，实现了边缘网关有效可靠的多数据处理算法，大大提高了边缘计算在工业互联网中的可靠性。

51、本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种面向工业互联网的边缘智能决策方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的计算出边缘网关接收到的各条数据体之间的余弦距离，包括：

3.根据权利要求2所述的方法，其特征在于，所述的构建每条数据体之间的余弦距离的矩阵，计算出每条数据体的可信度，包括：

4.根据权利要求3所述的方法，其特征在于，所述的计算出每条数据体的不确定度，包括：

5.根据权利要求4所述的方法，其特征在于，所述的将数据体的可信度与不确定度融合，计算出所有数据体的平均权重，将平均权重作为边缘网关的决策结果，包括：

6.根据权利要求5所述的方法，其特征在于，所述的使用d-s算法对边缘网关的决策结果进行n-1次融合，获取边缘网关的最终决策结果，包括：

技术总结
本发明提供了一种面向工业互联网的边缘智能决策方法。该方法包括：计算出边缘网关接收到的各条数据体之间的余弦距离；构建每条数据体之间的余弦距离的矩阵，计算出每条数据体的可信度；计算出每条数据体的不确定度，将数据体的可信度与不确定度融合，计算出所有数据体的平均权重，将平均权重作为边缘网关的决策结果；使用D‑S算法对边缘网关的决策结果进行N‑1次融合，获取边缘网关的最终决策结果。本发明方法有效解决了边缘网关多数据处理异常的问题，实现了边缘网关有效可靠的多数据处理算法，大大提高了边缘计算在工业互联网中的可靠性。

技术研发人员：张阳,陈子扬
受保护的技术使用者：北京交通大学
技术研发日：
技术公布日：2024/1/16