欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022113747614
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种船舶大型隔振边缘计算方法,应用于船舶大型隔振边缘计算系统中;其特征在于:所述船舶大型隔振边缘计算系统包括设备层、边缘计算层、网络交换层和应用层;设备层的设备通过边缘计算层接入集群并交换数据,边缘计算层对元数据进行计算,并将处理后的数据通过网络交换层上传到应用层,应用层通过深度学习网络挖掘接收到的海量数据,获得有价值信息,进行故障预警、离线自治、数据存储和负载均衡控制,将得到的有价值信息展现在用户面前;

所述深度学习网络,包含归一化处理器、多个特征提取器、分类器和softmax层;所述归一化处理器,用于对船舶大型隔振系统中各个传感器初始数据集进行归一化处理,得到归一化隔振系统数据xi'为:其中,传感器包括位移传感模块(7)、加速度计模块(8)和气压传感模块(9),xi为通过第i个边缘节点获取的传感器数据,xmax为传感器初始历史数据集中的最大值,xmin为传感器初始历史数据集中的最小值;

所述多个特征提取器,用于对归一化隔振系统数据进行多次特征提取以得到关键特征数据;

所述分类器用于将多个关键特征数据融合,得到融合特征数据;

所述softmax层,用于将融合特征数据通过softmax层获得机械故障的概率分布,判断机械故障;

所述负载均衡控制,用于保障本船舶大型隔振系统的分布式计算需求,当边缘节点(4)的负载过大时,通过本负载均衡控制完成对分布式计算任务的卸载,各个计算任务将被调度至有空闲资源的边缘节点(4)共同进行计算,从而降低总体计算时间;

为保证船舶大型隔振的计算任务的实时性,本负载均衡控制的主要优化目标为时延,其基于单步最优决策控制,以及“贪心原则”,每个计算任务依据当前各节点的负载情况依次寻找能使自身计算时延达到最小的节点进行卸载计算;通过迭代,当各个任务均不能找到使自身计算时间更小的节点时,视为达到负载均衡,此时整体计算时间也将更小;具体实现包括以下步骤:(1)选择初始策略,即选择本地计算不选择卸载;

(2)接收所有节点的资源信息;

(3)当进行第一轮决策或者接收到上一轮决策信息时,计算所有可卸载的节点的效用值;

(4)选择效用值最高的决策;

(5)若所有任务的本轮决策集与上一轮决策集相同,即视为达到负载均衡,否则回转执行步骤(1)。

2.根据权利要求1所述的船舶大型隔振边缘计算方法,其特征在于:所述设备层的设备通过边缘计算层接入集群并交换数据,所述集群是由控制节点(2)、训练节点(3)与所有边缘节点(4)组成。

3.根据权利要求1所述的船舶大型隔振边缘计算方法,其特征在于:所述离线自治,当某一边缘节点网络断开,无法与控制节点交换数据时,该边缘节点首先尝试重连,失败后按照当前已有工作任务继续运行,并将传感器数据脱敏后保存至本地数据库;控制节点检测到该边缘节点离线后向管理员发出警示;在边缘节点重新上线后,首先向控制节点同步自身状态,然后将保存的传感器数据上传到训练节点(3),完成数据同步。

4.根据权利要求3所述的船舶大型隔振边缘计算方法,其特征在于:所述决策集为纳什均衡决策集,其获取过程是通过各个节点依次进行单步最优决策,循环更新决策最终达成纳什均衡决策集。

5.根据权利要求4所述的船舶大型隔振边缘计算方法,其特征在于:所述纳什均衡决策集,效用计算公式如下:Un(m,Sn,H-n)表示任务n在决策Sn下,各个计算任务卸载到目标空闲节点m之后的时延与其不选择卸载的时延的差值总和;

各个节点采用如下所示的单步最优决策函数,

其中m*为该任务可选择的最优节点,H-n表示除该任务外的每个任务的决策信息。

6.根据权利要求1-5任意一项所述的船舶大型隔振边缘计算方法,其特征在于:所述深度学习网络,是训练好的深度学习网络;训练中采用的损失函数为交叉熵损失函数;

所述交叉熵损失函数为:

其中,M表示类别数量;yia表示符号函数,样本i的真实类别若等于a则取1,否则取0;pia表示训练样本i中属于类别a的概率,N为总训练样本数量。

7.根据权利要求1-6任意一项所述的船舶大型隔振边缘计算方法,其特征在于:所述船舶大型隔振边缘计算系统包括设备层、边缘计算层、网络交换层和应用层;

所述设备层,用于数据采集、设备管理和I/O控制,配置有船舶大型隔振系统;

所述边缘计算层,用于数据处理、集群管理和边缘计算;所述数据处理,将从位移传感模块(7)、加速度计模块(8)和气压传感模块(9)获取的元数据根据装载的深度学习网络对数据进行计算处理,对执行设备下发控制命令,同时将元数据脱敏处理后上传到所述应用层用作数据集;

所述应用层,用于振动建模、数据可视化、故障预警、离线自治、数据存储和负载均衡控制。

8.根据权利要求7所述的船舶大型隔振边缘计算方法,其特征在于:所述船舶大型隔振系统包括交换机(1)、控制节点(2)、训练节点(3)、若干边缘节点(4)、若干气囊隔振模块(5)、若干气压控制模块(6)、若干位移传感模块(7)、若干加速度计模块(8)和若干气压传感模块(9)、气源(10)、气源控制阀门(11);

所述控制节点(2)分别与所述交换机(1)和训练节点(3)连接,用于控制整个系统;所述训练节点(3)用于深度学习模型训练、模型管理、数据集管理;所述若干边缘节点(4)设置在所述船舶内预设位置处;每个边缘节点(4)均通过数据传输总线与所述交换机(1)电连接;每个边缘节点(4)均与气囊隔振模块(5)和气压控制模块(6)顺序电连接,且所述边缘节点(4)、气囊隔振模块(5)之间并行设置有所述位移传感模块(7)、加速度计模块(8)和气压传感模块(9);所述的位移传感模块(7)用于采集气囊隔振模块(5)水平方向上的位移和竖直方向上的位移;所述的加速度计模块(8)用于采集气囊隔振模块(5)水平方向上的加速度和竖直方向上的加速度;所述气压控制模块(6)用于对所述气囊隔振模块(5)进行充气和放气,所述气压传感模块(9)用于对所述气囊隔振模块(5)中的气压进行实时检测;

所述气源(10)、气源控制阀门(11)顺序电连接,所述气源控制阀门(11)与所述若干气压控制模块(6)一一电连接;

当船舶运行时,通过所述位移传感模块(7)、加速度计模块(8)与气压传感模块(9)采集船舶动力源的信号,根据振动的强弱来调整所述气囊隔振模块(5)的压力值从而保证隔振系统具有减振效果。