一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统技术方案

本发明专利技术提出了一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统，该系统分成三层：设备层、边缘计算层和云计算处理中心，设备层包括工业物联网信息提取模块和信息反馈模块；工业物联网信息提取模块负责读取实时数据、产生任务；所述信息反馈模块将结果传回设备端；边缘计算层包括状态转移模块和资源分配管理模块；状态转移模块明确任务卸载策略；资源分配管理模块将功能相近的节点聚类，实现合理的资源分配；云计算处理中心协同边缘节点完成实时服务。本发明专利技术采用了FCM聚类算法对边缘节点进行聚类，实现工业物联网实时数据轻量化，利用马尔科夫奖励模型实现工业物联网内有限资源合理分配，云边协同策略保证了任务执行的流畅性。的流畅性。的流畅性。

【技术实现步骤摘要】
一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统


[0001]本专利技术创造涉及物联网与边缘计算领域，具体涉及一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统。

技术介绍

[0002]随着海量智能移动设备的普及与第五代移动通信技术的引入，各种服务与应用出现在人们生活中，为用户生活带来了便利。工业物联网成为解决智能工厂中许多问题的关键技术,具体问题包括设备监控与实时维护、设备参数统计与分析，车间实时监控等。在工厂中，物联网设备会产生大量的工业数据，一些企业对数据的实时处理有一定的要求。工业场景生成的工业数据需要进行存储、处理和分析。传统的工业数据处理方法是将数据转移到集中的云服务器上进行计算。虽然云服务器具有较强的计算能力，能够处理计算量较大的任务，解决大数据的处理难题；然而,现有的工业物联网环境设备所产生的实时任务是海量的，如果统一向云计算处理中心发送任务，网络数据会发生拥塞的现象,并且从工业物联网向云数据处理中心发送任务存在长距离传输问题，其通信时延和质量均不能得到保障。
[0003]边缘计算的出现一定程度上缓解了云数据中心计算的压力。边缘计算是指允许在网络的边缘执行计算的技术，其中“边缘”指在数据源和云数据中心传输路径之间上的任何计算和网络资源，边缘计算的出现将传统的数据集中式处理下沉到各分布节点进行去中心化、分布式卸载计算，将庞大的数据任务按照卸载决策、资源分配方案进行细致处理。然而随着工业生产设备数量的增加，移动边缘计算智能设备的普及，通信端的移动性不可预知，增强了资源分配的难度，也为移动终端管理、资源分配指标带来了挑战。边缘计算是云计算的下沉式计算方式，其分布式的扩展资源拉近了与设备端的距离，为用户带来低时延、低能耗、低碳环保的通信服务，在工业物联网中搭建合理的资源分配系统就显得尤为重要。因此本专利技术提出了一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统。

技术实现思路

[0004]针对上述问题，本专利技术旨在提供一种基于边缘计算工业物联网的资源分配管理系统。
[0005]本专利技术创造的目的通过以下技术方案实现：
[0006]基于边缘计算工业物联网的资源分配管理系统，包括设备层、边缘计算层和云计算处理中心，设备层是底层框架，实现任务产生、任务发出、结果接收等功能，包括工业物联网信息提取模块和信息反馈模块，所述工业物联网信息提取模块负责读取实时数据、产生任务、向边缘节点发出任务，所述信息反馈模块将结果反馈回设备端，边缘计算层是分布式边缘节点算力集合，实现任务卸载和资源分配等功能，包括状态转移模块和资源分配管理模块；其中，所述状态转移模块研究各任务将要卸载到边缘节点的概率，明确任务卸载策略；所述资源分配管理模块，将功能相近的节点聚类，对每一类节点和任务进行特征分析，
在工业场景内有限的计算资源限制条件下，实现合理的资源分配，云计算处理中心提供强大的算力和存储空间，当边缘节点有等待排队、拥塞的趋势时，云计算处理中心会协同工业物联网场景下的节点完成实时服务。
[0007]进一步的，工业物联网信息提取模块负责读取实时数据、产生任务、向边缘节点发出任务，假设t时刻产生了m
t
个任务，记作集合X
(t)
，其中，其中其中，x1表示工业物联网环境内产生的第1个任务，x2表示工业物联网环境内产生的第2个任务，表示工业物联网环境内产生的第 m
t
个任务。
[0008]进一步的，假设在边缘计算层存在n个计算设备，记作集合S,其中 S＝(s1,s2,
…
,s
n
),(n>0)，其中，s1表示工业物联网中的第1个边缘节点，s2表示工业物联网中的第2个边缘节点，s
n
表示工业物联网中的第n个边缘节点，采用FCM聚类算法对工业物联网边缘节点进行聚类，具体步骤如下：
[0009](1)根据实时业务的数量确定聚类中心边缘节点个数；
[0010](2)利用隶属度衡量每一个边缘节点与聚类中心边缘节点的相似程度；
[0011](3)建立FCM目标函数及约束条件。
[0012]进一步的，采用拉格朗日乘子法确定FCM聚类算法对工业物联网内的边缘节点选择初始聚类中心，具体步骤如下：
[0013](1)假设s个边缘节点聚类后有c个类中心为C，隶属度记作u
i,j
，表示每个边缘节点j属于某一类i的隶属度，定义FCM函数J及其约束函数，表示如下：
[0014][0015]上式需满足：其中，s
j
是第j个边缘节点，c
i
是第i个类，d是一个隶属度的因子，表示工业物联网中某一个边缘节点的重要程度；
[0016](2)采用拉格朗日乘子法计算含有等式约束条件的目标函数；
[0017](3)计算目标函数的极值，对变量u
i,j
求偏导；
[0018](4)同等的，计算目标函数的极值，对变量c
i
求偏导。
[0019]进一步的，由FCM聚类算法将工业物联网场景内的节点聚类成c组，每一组的边缘节点具有相近的状态，任务在组内各节点完成工作的效果相似。
[0020]进一步的，状态转移模块研究各任务将要卸载到边缘节点的概率，明确任务卸载策略，包括如下步骤：
[0021](1)所述边缘计算层，工业物联网场景内的n个节点被聚类成c组，每一组的边缘节点具有相近的状态，工业物联网场景内边缘节点对于工作状态特征的集合记作C，其中C＝(c1,c2,
…
,c
n
),(n≥c>0)；
[0022](2)对于t时刻需要处理的任务X
(t)
，以探索最优的目标卸载节点，假设对于任务x
m
∈X
(t)
,m∈(0,m
t
],具有马尔科夫性质的状态满足：P(c
t+1
|c
t
)＝ P(c
t+1
|c1,c2,
…
,c
t
)，其中，c1表示第1时刻边缘节点聚类的状态，c2表示第2时刻边缘节点聚类的状态，c
t
表示t时刻边缘节点聚类的状态，c
t+1
表示t+1时刻边缘节点聚类的状态，P(c
t+1
|c
t
)表示从t时刻到t+1时刻任务被送往边缘节点状态转移概率；
[0023](3)用元组(C,P)表示马尔科夫无记忆的随机过程，其中，C是工业物联网场景内边缘节点对于工作状态特征的集合，是有限数量的状态集，P是状态转移概率矩阵，表示为：其中c
*
表示t+1时刻边缘节点集合C
t+1
的状态，表示t时刻边缘节点为状态c时，在t+1时刻转换为状态c*的概率。C
t+1
表示工业物联网场景内t+1时刻边缘节点对于工作状态特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统，其特征在于，包括设备层、边缘计算层和云计算处理中心，设备层是底层框架，实现任务产生、任务发出、结果接收功能，包括工业物联网信息提取模块和信息反馈模块，所述工业物联网信息提取模块负责读取实时数据、产生任务、向边缘节点发出任务，所述信息反馈模块将结果反馈回设备端，边缘计算层是分布式边缘节点算力集合，实现任务卸载和资源分配功能，包括状态转移模块和资源分配管理模块；其中，所述状态转移模块研究各任务将要卸载到边缘节点的概率，明确任务卸载策略；所述资源分配管理模块，将功能相近的节点聚类，对每一类节点和任务进行特征分析，在工业场景内有限的计算资源限制条件下，实现合理的资源分配，云计算处理中心提供强大的算力和存储空间，当边缘节点有等待排队、拥塞的趋势时，计算处理中心会协同工业物联网场景下的节点完成实时服务；所述将功能相近的节点聚类，对每一类节点和任务进行特征分析，采用Q
‑
learning算法实现合理的资源分配，具体步骤如下：(1)采用时序差分算法，进一步提升所述利益目标函数G
t
的总价值，计算状态c
t
的1～g+1步利益价值v
(g+1)
(c
t
)，定义为：v
(g+1)
(c
t
)＝v
(g)
(c
t
)+α[G
g
‑
v
(g)
(c
t
)]＝(1
‑
α)v
(g)
(c
t
)+αG
g
，其中，g是迭代次数，v
(g+1)
(c
t
)表示状态c
t
迭代g+1次的利益，v
(g)
(c
t
)表示状态c
t
迭代g次的利益，G
g
表示迭代第g次的利益目标函数，G
i
表示迭代第i次的利益目标函数，α表示学习速率；(2)采用α
‑
蒙特卡洛算法，R
t+1
+γv(c
t+1
)来代替G
g
，上述定义式更新为：v(c
t
)
←
v(c
t
)+α[R
t+1
+γv(c
t+1
)
‑
v(c
t
)]，其中，令δ(t)＝R
t+1
+γv(c
t+1
)
‑
v(c
t
)为时序差分算法的误差，以表示机器学习中随机变量的动态性；(3)利用Q
‑
leaming算法对上述步骤更新，引入动作价值函数Q，更新表达式为增量学习的形式：的形式：其中，a表示动作变量，a
t
表示t时刻时的动作，动作用来描述任务将被卸载到目标节点的走向，Q(c
t
，a
t
)表示t时刻动作为a
t
，状态为c
t
时的动作价值，Q(c
t+1
，a)表示在动作未知时，状态为t+1时刻的动作价值，R(c，a，c
′
)表示状态c经行为a后转移为状态c
′
产生的奖励，A表示任务行为的集合，a
′
表示动作价值函数Q(c
t+1
，a)有最大值时的任务行为动作，p(c
′
|c，a)表示任务在行为a状态c下向c
′
状态转移的概率，Q
*
(c，a)表示在最优策略下的动作价值函数；采用了Bellman方程对上式进行求解：其中，v(c
t
)是在t时刻下聚类节点c组的利益价值，表示c
t
状态下的奖励是t时刻到t+1时刻能获得的奖励期望，上式改写为Bellman矩阵形式：v＝R+γPv，对矩阵求逆得出利益价值v，且v为：v＝(1
‑
γP)
‑1R。2.根据权利要求1所述的一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统，其特征在于，工业物联网信息提取模块负责读取实时数据、产生任务、向边缘节点发出任务，假设t时刻产生了m
t
个任务，记作集合X
(t)
，其中其中，x1表示工业物联网环境内产生的第1个任务，x2表示工业物联网环境内产生的第2个任
务，表示工业物联网环境内产生的第m
t
个任务。3.根据权利要求1或2所述的一种基于FCM聚类算法和边缘计算工业物联网的资源分配管理系统，其特征在于，假设在边缘计算层存在n个计算设备，记作集合S，其中S＝(s1，s2，...，s
n
)，(n＞0)，其中，s1表示工业物联网中的第1个边缘节点，s2表示工业物联网中的第2个边缘节点，s
n

【专利技术属性】
技术研发人员：李益非，
申请(专利权)人：云南升玥信息技术有限公司，
类型：发明
国别省市：