【技术实现步骤摘要】
本专利技术涉及数据交互，具体是基于工控设备的数据交互方法。
技术介绍
1、现有技术cn106789156a“一种工控网络测试方法、装置及系统”包括：截取工控网络中上位机发送至工控设备的初始操作命令；对所述初始操作命令进行突变处理，获取突变操作命令；将所述突变操作命令发送至所述工控设备，获取所述工控设备响应所述突变操作命令的反应数据；根据所述反应数据确定所述工控设备的工作状态，通过截取上位机和工控设备之间的交互数据，并对交互数据进行突变处理后，将交互数据发送至工控设备，进而基于工控设备响应交互数据的反应数据判断工控设备的工作状态。
2、现有技术cn116155718b“一种面向分布式资源调控的边端数据交互方法”包括制定边缘节点和终端设备之间的信息交互模型；制定边缘节点与终端设备之间的设备注册和常规信息交互体系，设备注册和常规信息交互体系中；制定边缘节点和终端设备之间的通信管理接口模型；基于即插即用工作方式的通讯模块，形成边缘节点和终端设备之间即插即用的交互方式；采用前述步骤制定形成的边缘节点和终端设备之间即插即用的交互方式进行边端数据交互，通过对模型进行统一描述，以模型为交互介质保证了业务应用间的相对独立性质，与传统的以信息点表为描述方式相比，本专利技术所提方法实现了信息的统一表达，减轻了人力并提高了数据交互的效率。
3、工控设备进行交互时，工业环境中可能存在电磁干扰以及工控设备自身异常，影响通信信号质量，导致数据传输不稳定等问题，工业生产过程对于业务连续性要求高，在工业应用场景中，工控设备异常情况以及数据
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供基于工控设备的数据交互方法，包括以下步骤：
2、步骤s1：构建工业生产过程中各工控设备之间进行数据交互的数字孪生模型，构建交互潮流预测模型和链路质量预测模型；
3、步骤s2：根据交互潮流预测模型和预测链路误码率的预测结果以及交互监测点位采集的实时工业数据和实时链路误码率对工控设备以及工控设备之间的通信链路进行分析，根据分析结果在数字孪生模型中标记点结构或边结构的异常检测信息；
4、步骤s3：根据数字孪生模型中异常检测信息启动工控设备的异常交互自适应机制，对工控设备数据交互过程中的数据帧结构和传输方式进行自适应调整。
5、进一步的，构建工业生产过程中各工控设备之间进行数据交互的数字孪生模型的过程包括：
6、获取工业生产过程中各工控设备之间的通信链路的链接关系，构建交互拓扑图，将各工控设备作为交互拓扑图的点结构，将各工控设备之间的通信链路的链接关系作为交互拓扑图的边结构；
7、在各工控设备设置交互监测点位，所述交互监测点位用于实时采集各工控设备生成的工业数据以及各工控设备之间的通信链路的链路误码率并标记采集时刻，设置采集周期，所述工业数据包括各数据类型以及各数据类型对应的数据流量；
8、同时将各工控设备生成的工业数据与交互拓扑图的点结构进行匹配，以及各工控设备之间的通信链路的链路误码率与交互拓扑图的边结构进行匹配，生成数字孪生模型。
9、进一步的，构建交互潮流预测模型和链路质量预测模型的过程包括：
10、基于深度学习构建交互潮流预测模型，获取各工控设备在若干历史采集周期内的历史工业数据作为训练数据对交互潮流预测模型进行训练，根据训练好的交互潮流预测模型获取各工控设备在当前采集周期内预测工业数据；
11、同时基于深度学习构建链路质量预测模型，获取若干历史采集周期内各工控设备之间的通信链路的历史链路误码率作为训练数据对链路质量预测模型进行训练，根据训练好的链路质量预测模型获取当前采集周期内工控设备之间的通信链路的预测链路误码率。
12、进一步的，在数字孪生模型中标记点结构或边结构的异常检测信息的过程包括：
13、获取当前采集周期内交互监测点位采集的工控设备的实时工业数据以及工控设备与其它工控设备之间的通信链路的实时链路误码率，将实时工业数据和实时链路误码率分别与对应的预测工业数据和预测链路误码率进行比较，获取实时工业数据与预测工业数据之间的工业数据偏差率以及实时链路误码率与预测链路误码率之间的链路误码率偏差值，预设工业数据偏差率阈值和链路误码率偏差阈值，分别将工业数据偏差率和链路误码率偏差值与工业数据偏差率阈值和链路误码率偏差阈值进行比较；
14、若工业数据偏差率大于工业数据偏差率阈值或链路误码率偏差值大于链路误码率偏差阈值，则生成工控设备的异常检测信息或工控设备与其它工控设备之间的通信链路的异常检测信息，同时启动工控设备的异常交互自适应机制，随后由管理人员对生成异常检测信息的工控设备或工控设备与其它工控设备之间的通信链路进行不停产异常检测，若所述工控设备和工控设备与其它工控设备之间的通信链路不存在异常情况，则将当前采集周期内的工控设备的实时工业数据和工控设备与其它工控设备之间的通信链路的实时链路误码率作为训练数据，对交互潮流预测模型或链路质量预测模型进行重新训练，若所述工控设备或工控设备与其它工控设备之间的通信链路存在异常情况，则对存在异常情况工控设备或工控设备与其它工控设备之间的通信链路进行停产维修。
15、进一步的，根据对工控设备数据交互过程中的数据帧结构进行自适应调整的过程包括：
16、获取工控设备对应的各数据类型的交互要求指标以及各数据类型的数据帧结构，所述交互要求指标包括误码率上限和时延上限，所述数据帧结构包括帧头、目标地址、源地址、工业数据字段、校验字段和尾部字段；
17、提取当前时刻工控设备生成的工业数据中包含的数据类型以及工控设备与其它工控设备之间的通信链路的链路误码率，构建ldpc编码对照表，筛选出ldpc编码对照表中误码率与所述链路误码率一致条件下，对应的实际误码率等于所述数据类型的误码率上限的ldpc编码参数，根据所述ldpc编码参数确定所述数据类型对应的实时校验字段，将所述数据类型对应的数据帧结构中的校验字段更新为实时校验字段。
18、进一步的，构建ldpc编码对照表的过程包括：
19、基于模仿学习思想，使用模拟器生成不同误码率的通信链路以及工业训练数据，通过不同的ldpc编码参数对工业训练数据进行编码，生成不同ldpc编码参数对应的工业训练数据纠错码，将所述工业训练数据纠错码通过不同误码率的通信链路传输后进行解码分析，获取不同ldpc编码参数对应的工业训练数据纠错码在不同误码率的通信链路传输后的实际误码率，根据不同ldpc编码参数对应的工业训练数据纠错码在不同误码率的通信链路传输后的实际误码率构建ldpc编码对照表，所述ldpc编码对照表包括在不同误码率条件下，不同ldpc编码参数对应的实际误码率。
20、进一步的，对工控设备数据交互本文档来自技高网...
【技术保护点】
1.基于工控设备的数据交互方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于工控设备的数据交互方法，其特征在于，构建工业生产过程中各工控设备之间进行数据交互的数字孪生模型的过程包括：
3.根据权利要求2所述的基于工控设备的数据交互方法，其特征在于，构建交互潮流预测模型和链路质量预测模型的过程包括：
4.根据权利要求3所述的基于工控设备的数据交互方法，其特征在于，在数字孪生模型中标记点结构或边结构的异常检测信息的过程包括：
5.根据权利要求4所述的基于工控设备的数据交互方法，其特征在于，根据对工控设备数据交互过程中的数据帧结构进行自适应调整的过程包括：
6.根据权利要求5所述的基于工控设备的数据交互方法，其特征在于，构建LDPC编码对照表的过程包括：
7.根据权利要求6所述的基于工控设备的数据交互方法，其特征在于，对工控设备数据交互过程中传输方式进行自适应调整的过程包括：
8.根据权利要求7所述的基于工控设备的数据交互方法，其特征在于，依次对各数据类型进行自适应动态交互匹配操作的过程包括
...【技术特征摘要】
1.基于工控设备的数据交互方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于工控设备的数据交互方法，其特征在于，构建工业生产过程中各工控设备之间进行数据交互的数字孪生模型的过程包括：
3.根据权利要求2所述的基于工控设备的数据交互方法，其特征在于，构建交互潮流预测模型和链路质量预测模型的过程包括：
4.根据权利要求3所述的基于工控设备的数据交互方法，其特征在于，在数字孪生模型中标记点结构或边结构的异常检测信息的过程包括：
5.根据权利...
【专利技术属性】
技术研发人员：林仪峰，吴晋，祁姝音，
申请(专利权)人：宁波淞宸动力科技有限公司，
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。