【技术实现步骤摘要】
本申请涉及物联网，尤其是涉及到一种基于边云协同的工业设备控制方法、装置、系统和介质。
技术介绍
1、在万物互联的时代下，工业智能化发展面临着以下新的技术挑战。传统工业目标控制模型的应用需要人工反复调试，只适用于特定任务，当遇到相近任务或不同环境时，需要重新进行调试和编程，无法汲取过往的作业经验，存在效率低、适应性差、灵巧性不足等问题，而且传统工业目标控制模型的应用数据由本地管理，难以提供大数据支持，特别是在工业设备产生大量数据的情况下，指令下发和故障报警往往不够及时。
技术实现思路
1、有鉴于此，本申请提供了一种基于边云协同的工业设备控制方法、装置、系统和介质，通过在边缘侧对目标数据进行持续性自分析、自诊断，在云端对不断增加积累的目标数据进行不断自学习和自优化，从而实现工业生产自管理的智慧工业系统功能。
2、根据本申请的第一个方面的实施例，提供了一种基于边云协同的工业设备控制方法，适用于边缘端，该方法包括：
3、按照采样周期采集工业设备不同数据类型的目标数据，其中，目标数据包括：监控数据、生产数据和/或设备运行数据；
4、将当前采样周期采集的目标数据发送至云端，以使云端根据当前采样周期采集的目标数据对预设控制模型进行增量学习，得到不同数据类型的目标控制模型，其中，预设控制模型为根据前一采样周期采集的目标数据训练得到的目标控制模型；
5、接收云端发送的目标控制模型；
6、按照数据类型将当前采样周期采集的目标数据输入目标控制模
7、将控制指令发送至工业设备，以按照控制指令中控制参数控制执行机构动作。
8、可选地，按照采样周期采集工业设备不同数据类型的目标数据之后，基于边云协同的工业设备控制方法还包括：
9、对目标数据进行过滤处理。
10、根据本申请的第二个方面的实施例，提供了一种基于边云协同的工业设备控制方法，适用于云端，该方法包括：
11、接收边缘端发送的当前采样周期采集的不同数据类型的目标数据，其中，目标数据包括：监控数据、生产数据和/或设备运行数据；
12、根据当前采样周期采集的目标数据对预设控制模型进行增量学习，得到不同数据类型的目标控制模型，其中，预设控制模型为根据前一采样周期采集的目标数据训练得到的目标控制模型；
13、若目标控制模型满足预设条件，将目标控制模型发送至边缘端，以使边缘端通过目标控制模型和当前采样周期采集的目标数据，确定不同数据类型对应的工业设备中执行机构的控制参数。
14、可选地，根据当前采样周期采集的目标数据对预设控制模型进行增量学习，包括：
15、将当前采样周期采集的目标数据划分为训练数据和测试数据；
16、按照数据类型，根据训练数据分别对预设控制模型进行训练，确定不同数据类型的候选模型。
17、获取测试数据对应的理论控制参数；
18、按照数据类型将测试数据输入候选模型，得到测试控制参数；
19、若测试控制参数和理论控制参数之间的差值处于预设范围内，将候选模块确定为目标控制模型。
20、可选地，接收边缘端发送的当前采样周期采集的不同数据类型的目标数据之后，基于边云协同的工业设备控制方法还包括：
21、将目标数据按照不同数据类型对应的预设步长进行扩大，得到更新后的目标数据，其中，预设步长根据不同数据类型的范围分布特征确定。
22、可选地，接收边缘端发送的当前采样周期采集的不同数据类型的目标数据之后，基于边云协同的工业设备控制方法还包括：
23、将目标数据输入不同数据类型对应的生成式对抗网络，得到更新后的目标数据。
24、可选地，接收边缘端发送的当前采样周期采集的不同数据类型的目标数据之后，基于边云协同的工业设备控制方法还包括：
25、对目标数据进行预处理，其中，预处理包括：去噪处理、清洗处理、数据转换处理和/或标签化处理。
26、根据本申请的第三个方面的实施例，提供了一种基于边云协同的工业设备控制方法，包括：
27、边缘端按照采样周期采集工业设备不同数据类型的目标数据，其中，目标数据包括：监控数据、生产数据和/或设备运行数据；
28、边缘端将当前采样周期采集的目标数据发送至云端；
29、云端接收边缘端发送的当前采样周期采集的目标数据；
30、云端根据当前采样周期采集的目标数据对预设控制模型进行增量学习，得到不同数据类型的目标控制模型，其中，预设控制模型为根据前一采样周期采集的目标数据训练得到的目标控制模型；
31、云端将目标控制模型发送至边缘端；
32、边缘端接收云端发送的目标控制模型；
33、边缘端按照数据类型将当前采样周期采集的目标数据输入目标控制模型，得到不同数据类型对应的工业设备中执行机构的控制参数；
34、边缘端将控制指令发送至工业设备，以按照控制指令中控制参数控制执行机构动作。
35、可选地，基于边云协同的工业设备控制方法还包括：
36、边缘端对目标数据进行过滤处理。
37、可选地，云端根据当前采样周期采集的目标数据对预设控制模型进行增量学习，包括：
38、云端将当前采样周期采集的目标数据划分为训练数据和测试数据；
39、云端按照数据类型，根据训练数据分别对预设控制模型进行训练，确定不同数据类型的候选模型；
40、云端获取测试数据对应的理论控制参数；
41、云端按照数据类型将测试数据输入候选模型，得到测试控制参数；
42、若测试控制参数和理论控制参数之间的差值处于预设范围内，云端将候选模型确定为目标控制模型。
43、可选地，基于边云协同的工业设备控制方法还包括：
44、云端将目标数据按照不同数据类型对应的预设步长进行扩大，得到更新后的目标数据，其中，预设步长根据不同数据类型的范围分布特征确定。
45、可选地，基于边云协同的工业设备控制方法还包括：
46、云端将目标数据输入不同数据类型对应的生成式对抗网络，得到更新后的目标数据。
47、可选地，基于边云协同的工业设备控制方法还包括：
48、云端对目标数据进行预处理，其中，预处理包括：去噪处理、清洗处理、数据转换处理和/或标签化处理。
49、根据本申请的第四个方面的实施例，提供了一种基于边云协同的工业设备控制装置，包括：
50、数据采集模块，用于按照采样周期采集工业设备不同数据类型的目标数据，其中，目标数据包括：监控数据、生产数据和/或设备运行数据；
51、通信模块，用于将当前采样周期采集的目标数据发送至云端，以使云端根据当前采样周期采集的目标数据对预设控制模型进行增量学习，得到不同本文档来自技高网...
【技术保护点】
1.一种基于边云协同的工业设备控制方法，其特征在于，适用于边缘端，所述方法包括：
2.根据权利要求1所述的基于边云协同的工业设备控制方法，其特征在于，所述按照采样周期采集所述工业设备不同数据类型的目标数据之后，所述方法还包括：
3.一种基于边云协同的工业设备控制方法，其特征在于，适用于云端，所述方法包括：
4.根据权利要求3所述的基于边云协同的工业设备控制方法，其特征在于，所述根据当前采样周期采集的所述目标数据对预设控制模型进行增量学习，包括：
5.根据权利要求3或4所述的基于边云协同的工业设备控制方法，其特征在于，所述接收边缘端发送的当前采样周期采集的不同数据类型的目标数据之后，所述方法还包括：
6.一种基于边云协同的工业设备控制方法，其特征在于，所述方法包括：
7.一种基于边云协同的工业设备控制装置，其特征在于，所述装置包括：
8.一种基于边云协同的工业设备控制装置，其特征在于，所述装置包括：
9.一种基于边云协同的工业设备控制系统，包括：工业设备、边缘端和云端；
10
...【技术特征摘要】
1.一种基于边云协同的工业设备控制方法，其特征在于，适用于边缘端，所述方法包括：
2.根据权利要求1所述的基于边云协同的工业设备控制方法，其特征在于，所述按照采样周期采集所述工业设备不同数据类型的目标数据之后，所述方法还包括：
3.一种基于边云协同的工业设备控制方法，其特征在于，适用于云端，所述方法包括：
4.根据权利要求3所述的基于边云协同的工业设备控制方法，其特征在于，所述根据当前采样周期采集的所述目标数据对预设控制模型进行增量学习，包括：
5.根据权利要求3或4所述的基于边云协同的工业设备控制方法，其特征在于，所述...
【专利技术属性】
技术研发人员：张迪，洪嘉阳，姚心，苏浩，李卓奇，张大为，
申请(专利权)人：中国恩菲工程技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。