1.一种用于工业物联网场景中的数字孪生辅助任务卸载方法，其特征在于：包括以下步骤：S1：在BS中构建IIoT设备和MBS的数字孪生模型；

S2：物理设备与BS中的数字孪生网络进行实时交互和数据更新；

S3：根据每个IIoT设备和MBS的计算能力数据偏差、发射功率数据偏差和带宽资源数据偏差对系统任务卸载时间和能量消耗的偏差影响，建立最小化系统的总卸载时间和时间惩罚函数的理论模型；

S4：在最佳的任务划分策略下，根据粒子群搜索的边缘关联算法，确定每个IIoT设备所关联的MBS集合，同时最小化系统时间；

S5：根据近似最佳的边缘关联结果，通过基于DDPG的任务划分算法确定各个子任务的任务划分比例，制定任务卸载策略；

S6：根据S4和S5中的结果，将当前时隙最佳的任务卸载策略从数字孪生网络发送给物理设备网络，物理设备根据卸载策略执行相关的操作；

S7：判断当前时隙中是否产生计算任务；若是，则返回S2重复执行S2‑S7，直至S7判断结果为否。

2.根据权利要求1所述的用于工业物联网场景中的数字孪生辅助任务卸载方法，其特征在于：步骤S3中，在时间消耗和任务划分比例参数的限制下，使得卸载总时间函数最小的优化问题表述如下：P1:

其中，θ表示惩罚系数，当一个任务的计算时间超过其所允许的最大时间 时，θ为正整数；否则θ＝0； 表示时隙n中，对于设备k，独立型子任务的任务卸载时间； 表示时隙n中，对于设备k，依赖型子任务的任务卸载时间；Tk表示设备k中任务的实际卸载时间；τk，υk,m和ωk,m,b分别表示设备k生成的一个计算任务划分给IIoT设备k、MBS m和BS的划分比例； 表示终端设备与MBS m的关联性；φm表示每个MBS最多可以服务终端设备的数量；fk表示IIoT设备k的CPU频率，pk表示IIoT设备k的发射功率； 和 分别表示IIoT设备k、MBS m和BS各自子对应子任务的计算时延； 表示计算过程中IIoT设备k所消耗的能量， 表示卸载过程中设备k所消耗的能量， 表示终端设备自身剩余的能量； 表示子任务的独立性；

即约束C1表示每个任务的子任务划分比例之和为1，C2约束了子任务划分比例的取值范围；C3约束了IIoT设备要先与MBS相关联，产生子任务卸载的先后顺序，C4表示每个IIoT设备最多与一个MBS相关联；约束C5表示每个MBS最多可以服务终端设备的数量；约束C6表明了关联变量的取值情况；C7‑C8约束了IIoT设备k的CPU频率和发射功率的取值范围；约束C9表示各个子任务的计算时延不超过每个子任务的最大容忍延时；约束C10表示终端设备进行任务计算和卸载的能耗不超过其自身剩余的能量；约束C11刻画了子任务的独立性，如果子任务是独立的，则 否则

3.根据权利要求1所述的用于工业物联网场景中的数字孪生辅助任务卸载方法，其特征在于：步骤S3中，所述偏差影响包括本地子任务计算的时间偏差、本地任务计算的能量消耗偏差、子任务传输时间偏差、子任务传输能量消耗偏差、卸载至MBS出的计算时间偏差。

4.根据权利要求2所述的用于工业物联网场景中的数字孪生辅助任务卸载方法，其特征在于：步骤S4中，所述基于粒子群搜索的边缘关联算法中，粒子的适应度函数的计算公式为：其中， 表示所有设备最佳的关联策略， m

表示当前MBS的序号。

5.根据权利要求4所述的用于工业物联网场景中的数字孪生辅助任务卸载方法，其特征在于：步骤S5中，所述的基于DDPG的任务划分算法中状态空间、动作空间和奖励函数定义如下：状态空间：系统的状态由四部分组成，

其中，n表示当前时隙，wk[n]表示当前时隙设备k所产生的计算任务，εk[n]表示是时隙n设备k的关联状态， 表示在当前时隙设备k所产生的计算任务的类型；

动作空间：系统状态主要由三部分组成，

其中，n表示当前时隙，τk[n]表示设备k的子任务在本地执行的划分比例，υk,m[n]表示将设备k的子任务卸载给MBS执行的划分比例，ωk,m,b[n]表示将设备k的子任务通过MBS卸载给BS执行的划分比例；通过智能体对环境执行动作之后，环境的状态将转换到下一个状态；

奖励函数：在每个时隙，智能体在执行每个可能的动作a[n]后，将在当前状态s[n]下获取奖励r[n+1]；奖励函数定义为：其中，θ表示惩罚函数且 当设备k的任务计算时间超过其所允许的最大

时间，则θ为正整数，否则θ＝0。

6.根据权利要求1所述的用于工业物联网场景中的数字孪生辅助任务卸载方法，其特征在于：步骤S6中，判断BS中当前时隙的任务卸载策略是否学习完成，若已完成，则由BS将任务卸载策略发送至对应的物理网络中的IIoT设备根据所获取的卸载策略执行任务卸载操作。