智能制造中边缘服务器部署方法、系统及存储介质技术方案

本发明专利技术公开了一种智能制造中边缘服务器部署方法、系统及存储介质。首先，收集智能制造中智能设备、WiFi站点和边缘服务器的信息数据；其次，通过收集到的信息数据构建负载模型；再次，构建基于部署成本和负载均衡的基础边缘服务器部署优化目标；然后，构建容错边缘服务器负载均衡优化目标；最后，使用二进制灰狼遗传策略算法求解优化目标得到边缘服务器部署方案。本发明专利技术在部署边缘服务器时同时优化成本和均衡负载，具有多目标优化的优势，能提高边缘服务器利用率。本发明专利技术能部署具备容错功能的缘服务器，并解决了容错服务器之间的负载均衡问题，可增强智能制造边缘服务器的可靠性。

【技术实现步骤摘要】
智能制造中边缘服务器部署方法、系统及存储介质
本专利技术涉及智能制造
，特别涉及智能制造中边缘服务器部署方法、系统及存储介质。
技术介绍
在工业自动化与信息化高度融合下，众多的工业物联网应用(例如制造系统的工况异常检测、实时调度、主动运维等)需要对制造过程中的相关任务进行实时处理，实现制造系统的有效管控。因此，有必要在工业物联网应用环境中部署强大的数据存储与处理中心，从而能够通过融合高性能的计算资源来提高整个制造系统的执行能力。尽管边缘计算的出现为智能工厂中海量边缘数据的有效处理带来了许多可观的好处。但是如何部署这些边缘计算节点是一个需要重点解决的问题。在智能制造中的智能设备，传感器和智能机器人的操作过程中，需要及时处理大量数据。由于智能设备的容量小，数据处理能力差，环保意识弱和电池寿命短，因此需要将数据卸载到远程云以进行集中处理。但是由于传输距离长，传输延迟大大增加，这违反了智能工厂中对低延迟的要求。为了弥补这些缺点，在智能设备的边缘部署边缘服务器并将任务分担到边缘服务器可以有效地解决此问题。不同的边缘服务器部署策略将导致部署成本，服务器资源利用率，网络可靠性和访问延迟方面的巨大差异。在已有的技术中，大部分部署方法仅将部署成本或延迟作为优化目标，虽然有些技术考虑了多个目标对部署的影响，但并未考虑服务器宕机情况。
技术实现思路
本专利技术实施例提供了智能制造中边缘服务器部署方法、系统及存储介质，用以解决现有技术中仅将成本或延迟作为优化目标，而未考虑服务器宕机情况的问题。>一方面，本专利技术实施例提供了智能制造中边缘服务器部署方法，包括：收集设备信息，包括智能设备信息、WiFi站点信息和边缘服务器信息；根据设备信息建立智能设备的负载模型、WiFi站点的负载模型以及边缘服务器的负载模型；将负载均衡映射在成本上，建立基础边缘服务器的负载和成本优化目标；根据设备信息建立容错边缘服务器的负载优化目标；求解基础边缘服务器的负载和成本优化目标以及容错边缘服务器的负载优化目标，得到边缘服务器部署方案。在一种可能的实现方式中，根据设备信息建立智能设备的负载模型、WiFi站点的负载模型以及边缘服务器的负载模型，可以包括：建立智能设备的负载模型：智能设备的工作负载表示为：其中，Bk表示第k个智能设备的工作负载，Πk表示第k个智能设备的数据传输速度，Mk表示第k个智能设备的数据收集速度，Dk表示第k个智能设备的传输带宽；建立WiFi站点的负载模型：WiFi站点的工作负载表示为：其中，Bi表示第i个WiFi站点的工作负载，o表示智能设备的数量，xik为二进制数，当第k个智能设备接入第i个WiFi站点时，xik的值为1，否则值为0；建立边缘服务器的负载模型：边缘服务器的工作负载表示为：其中，Bj表示第j个边缘服务器的工作负载，n表示WiFi站点的数量，xij为二进制数，当第j个边缘服务器接入第i个WiFi站点时，xij的值为1，否则值为0。在一种可能的实现方式中，将负载均衡映射在成本上，建立基础边缘服务器的负载成本优化目标，可以包括：建立的基础边缘服务器的负载和成本优化目标为：其中，m表示基础边缘服务器的数量，ηj表示第j台边缘服务器的成本函数，ωj和ωt分别表示第j台和第t台边缘服务器的权重系数，xit表示第t台边缘服务器是否接入第i台WiFi站点，γ表示成本系数，其表示为：式中，表示第j台边缘服务器的部署成本，表示第j台边缘服务器允许的最大负载，a为取值在0到1之间的调整系数。在一种可能的实现方式中，根据设备信息建立容错边缘服务器的负载优化目标，可以包括：根据设备信息建立容错边缘服务器的负载权值：其中，βr表示第r台容错边缘服务器的负载权值，Pr表示第r台容错边缘服务器的吞吐量，Nr表示第r台容错边缘服务器的CPU总资源，q表示容错边缘服务器的数量；根据负载权值建立容错边缘服务器的负载优化目标：其中，m表示基础边缘服务器的数量，βb表示第b台容错边缘服务器的负载权值，和分别表示第j台基础边缘服务器宕机时，第r台和第b台容错边缘服务器的工作负载。在一种可能的实现方式中，求解基础边缘服务器的负载和成本优化目标以及容错边缘服务器的负载优化目标，得到边缘服务器部署方案，可以包括：利用二进制灰狼遗传策略算法求解基础边缘服务器的负载和成本优化目标以及容错边缘服务器的负载优化目标，得到边缘服务器部署方案。在一种可能的实现方式中，利用二进制灰狼遗传策略算法求解基础边缘服务器的负载和成本优化目标以及容错边缘服务器的负载优化目标，可以包括：边缘服务器和WiFi站点之间存在一对多的映射关系，采用二维矩阵对该映射关系进行编码，得到初始种群；采用选择操作选择初始种群中的某些个体；采用交叉操作对被选择的个体进行染色体交叉处理；采用改进的灰狼狩猎操作对交叉处理后的个体进行变异处理；更新狼群位置，获得最优解。另一方面，本专利技术实施例提供了一种智能制造中边缘服务器部署系统，包括：信息收集模块，用于收集设备信息，包括智能设备信息、WiFi站点信息和边缘服务器信息；负载模型建立模块，用于根据设备信息建立智能设备的负载模型、WiFi站点的负载模型以及边缘服务器的负载模型；负载和成本优化目标建立模块，用于将负载均衡映射在成本上，建立基础边缘服务器的负载和成本优化目标；负载优化目标建立模块，用于根据设备信息建立容错边缘服务器的负载优化目标；目标求解模块，用于求解基础边缘服务器的负载和成本优化目标以及容错边缘服务器的负载优化目标，得到边缘服务器部署方案。另一方面，本专利技术实施例提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的计算机指令，计算机指令被至少一个处理器执行，以使至少一个处理器执行上述的方法。另一方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有多条计算机指令，多条计算机指令用于使计算机执行上述的方法。另一方面，本专利技术实施例提供了一种计算机程序产品，计算机程序被处理器执行时实现上述的方法。本专利技术中的智能制造中边缘服务器部署方法、系统及存储介质，具有以下优点：第一，本专利技术基于部署成本和负载均衡建立边缘服务器部署模型，并使用折衷因素来连接多个优化目标。克服了现有技术使用单个优化目标来进行服务器部署，只能满足单一目标的需求，导致在部署服务器后，设备不能充分的发挥性能的问题。第二，当基础边缘服务器发生故障时，本专利技术提出了一种容错边缘服务器部署方法，该方法解决了容错服务器之间的负载均衡问题，并为智能工厂提供了容错功能。第三，本专利技术提出了一种基于二进制的灰狼遗传策略算法，该算法结合了灰狼算法的狩猎操作和遗传算法的变异操作，可以找到一种接近最佳的边缘服务器部署方案，并本文档来自技高网...

【技术保护点】
1.智能制造中边缘服务器部署方法，其特征在于，包括：/n收集设备信息，包括智能设备信息、WiFi站点信息和边缘服务器信息；/n根据所述设备信息建立智能设备的负载模型、WiFi站点的负载模型以及边缘服务器的负载模型；/n将负载均衡映射在成本上，建立基础边缘服务器的负载和成本优化目标；/n根据所述设备信息建立容错边缘服务器的负载优化目标；/n求解所述基础边缘服务器的负载和成本优化目标以及所述容错边缘服务器的负载优化目标，得到边缘服务器部署方案。/n

【技术特征摘要】
1.智能制造中边缘服务器部署方法，其特征在于，包括：
收集设备信息，包括智能设备信息、WiFi站点信息和边缘服务器信息；
根据所述设备信息建立智能设备的负载模型、WiFi站点的负载模型以及边缘服务器的负载模型；
将负载均衡映射在成本上，建立基础边缘服务器的负载和成本优化目标；
根据所述设备信息建立容错边缘服务器的负载优化目标；
求解所述基础边缘服务器的负载和成本优化目标以及所述容错边缘服务器的负载优化目标，得到边缘服务器部署方案。


2.根据权利要求1所述的智能制造中边缘服务器部署方法，其特征在于，所述根据所述设备信息建立智能设备的负载模型、WiFi站点的负载模型以及边缘服务器的负载模型，包括：
建立所述智能设备的负载模型：
所述智能设备的工作负载表示为：






其中，Bk表示第k个智能设备的工作负载，Πk表示第k个智能设备的数据传输速度，Mk表示第k个智能设备的数据收集速度，Dk表示第k个智能设备的传输带宽；
建立所述WiFi站点的负载模型：
所述WiFi站点的工作负载表示为：



其中，Bi表示第i个WiFi站点的工作负载，o表示智能设备的数量，xik为二进制数，当第k个智能设备接入第i个WiFi站点时，xik的值为1，否则值为0；
建立所述边缘服务器的负载模型：
所述边缘服务器的工作负载表示为：



其中，Bj表示第j个边缘服务器的工作负载，n表示WiFi站点的数量，xij为二进制数，当第j个边缘服务器接入第i个WiFi站点时，xij的值为1，否则值为0。


3.根据权利要求2所述的智能制造中边缘服务器部署方法，其特征在于，所述将负载均衡映射在成本上，建立基础边缘服务器的负载和成本优化目标，包括：
建立的所述基础边缘服务器的负载和成本优化目标为：



其中，m表示基础边缘服务器的数量，ηj表示第j台边缘服务器的成本函数，ωj和ωt分别表示第j台和第t台边缘服务器的权重系数，xit表示第t台边缘服务器是否接入第i台WiFi站点，γ表示成本系数，其表示为：



式中，表示第j台边缘服务器的部署成本，表示第j台边缘服务器允许的最大负载，a为取值在0到1之间的调整系数。


4.根据权利要求1所述的智能制造中边缘服务器部署方法，其特征在于，所述根据所述设备信息建立容错边缘服务器的负载优化目标，包括：
根据所述设备信息建立所述容错边缘服务器的负载权值：



其中，βr表示第r台容错边缘服务器的负载权值，Pr表示第r台容错边缘服务器的吞吐量，Nr表示第r台容错边缘服务器的...

【专利技术属性】
技术研发人员：金小敏，张炜业，王忠民，陈彦萍，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西;61