【技术实现步骤摘要】
本专利技术涉及计算机算法，尤其是涉及一种基于数字孪生的r2r分簇计算卸载方法。
技术介绍
1、随着智能制造的普及，机器人之间的协作在工业自动化中的应用越来越广泛。随着任务复杂度和数据量的增加，单个机器人在计算资源和处理能力方面的限制日益显现，影响了任务执行效率和系统的整体性能。因此，计算卸载（computation offloading）技术被引入，结合边缘计算（edge computing）来提升机器人的性能和任务执行效率。机器人在执行任务过程中，会产生大量的传感器数据（如视觉、力觉、温度等）。将这些数据实时卸载到边缘服务器进行处理和分析，可以实现对环境和任务的快速响应，提高协作机器人的实时性和灵活性；某些任务（如路径规划、故障检测、预测性维护等）计算量大、复杂度高，机器人自身难以快速完成。通过将这些任务卸载到边缘服务器，可以利用更强大的计算资源和先进的算法，快速得到最优解决方案，提高任务执行效率和准确性。然而，传统的机器人到边缘节点的卸载方法可能会带来额外的延迟和能源消耗。例如，大量的任务占用了有限的边缘节点的计算资源，导致边缘节点的计算负担过重，因此需要额外的等待时间。
2、机器人可以被认为是一个分布式计算系统，因为它们配备了不断增加的计算资源。robot to robot（r2r）卸载可以使机器人能够将任务卸载到区域内的其他机器人，即资源有限的机器人可以通过r2r将任务转移给有可用资源的同工种的机器人执行。此外，多机器人系统能够通过分工合作，通过部分卸载将大任务分解为多个小任务，从而提高整体的处理效率和响应速
3、dt是一种基于数字技术的概念，它是指对于现实世界中的物理实体或系统，通过数字化的方式建立一个虚拟的、与之相对应的数字化模型，从而实现对物理实体或系统的监测、仿真、预测和优化等操作。这种虚拟模型可以精确地反映出实体对象的结构、行为和性能特征，使得用户能够在数字环境中进行仿真、分析和优化，以实现更有效的设计、生产和运营。通过在dt中创建与物理网络相对应的数字孪生体，实时监控整个网络的运行状态，并向机器人直接提供准确、及时的卸载决策，使得物理网络中的协同计算卸载过程更加智能高效。虽然构建孪生模型时应尽可能准确地表征真实网络的运行状态,但由于数字孪生建模方法和获取建模数据等因素的限制，仍然存在轻微的模型误差。此外，考虑无线网络传输环境的随机性，真实网络状态信息传输的差错和延迟将进一步增加孪生模型的误差，即存在虚实映射误差；因此传统优化方法不能很好地适应孪生模型的虚实映射误差，从而不能做出最优决策；
4、中国专利（公告号：cn117555306a）公开了一种基于数字孪生的多生产线任务自适应调度方法及系统；该专利在数字孪生环境中，基于强化学习算法，对任务调度模型进行离线预训练，随后再在现实工厂环境中，对离线预训练后的任务调度模型的参数进行微调，得到训练好的任务调度模型，可对根据多生产线任务订单构建的析取图特征进行调度，确定出多生产线任务订单每一工序的加工机器和每一加工机器处理工序的顺序；但该专利未考虑由于网络状态信息传输的差错和延迟导致数字孪生模型和实际操作中存在的误差。
技术实现思路
1、为了克服
技术介绍
中的不足，本专利技术公开了一种基于数字孪生的r2r分簇计算卸载方法。
2、为实现上述专利技术目的，本专利技术采用如下技术方案：
3、一种基于数字孪生的r2r分簇计算卸载方法，包含以下步骤：
4、s1、获取机器人的位置信息、任务信息、边缘节点的算力信息，构建机器人的数字孪生模型dt，并通过引入数字孪生层和物理层之间的偏差值，以减少两者之间的误差；
5、s2、获取机器人之间的工种相似度、历史协作成功率、任务完成时间的信息来确定机器人之间的协作关系值；
6、s3、在dt模型中，通过引入协作关系值得到改良算法，得到算法，对机器人进行分簇处理，以减少不必要的卸载决策；
7、s4、通过ddpg算法对机器人的计算任务及执行模式进行调度，计算任务及执行模式包括本地模式、r2m卸载模式和r2r卸载模式；通过最小化总消耗，更新迭代出最优的卸载决策，利用激活函数对总消耗进行归一化处理以得到更优的结果。
8、首选，所述步骤s1中，在边缘节点(edge node)en中构建机器人和微型边缘节点(micro edge node)men的数字孪生模型；
9、第个机器人的数字孪生模型表示为：
10、
11、其中，表示机器人中收集的数据，包含机器人的cpu频率数据、发射功率数据；表示机器人的运行状态信息和信道状态数据；表示数字孪生体和机器人的交互状态数据偏差；
12、第个men的数字孪生模型表示为：
13、
14、其中，表示men的状态数据，包含men的cpu频率数据；是men的运行状态信息、连接数据和信道状态数据；是数字孪生体和men的交互状态数据偏差。
15、所述s2步骤中，任意两个机器人之间的协作关系值：
16、
17、
18、
19、其中表示机器人的工种相似度，的值越大表示两个机器人的工种相似度越高；表示历史协作成功值，表示两个机器人之间曾经是否有协同完成任务的经历，表示曾经没有协作过，表示曾经协作过：表示两个机器人曾经协同完成任务的时间，时，时为任意值：
20、根据不同的协作关系值来确定其之间的协作关系的强弱，如下所示：
21、
22、其中为0.5。
23、所述s3步骤中，设机器人和机器人之间的协作关系值为；将所有机器人分成个聚合组；每个聚合组包含一个men和若干个机器人；使用机器人和机器人之间的欧式距离和协作关系值的加权和来进行分簇，定义如下:
24、
25、
26、
27、其中表示协作指数因子，与协作关系值成正比；表示基于距离因子，与机器人之间的距离成反比；和是权重系数，机器人之间的距离越近，的权重就越大；对于每个机器人，计算其与每个聚类中心（men）的距离和协作关系值的加权和，将其分配到距离最近的聚类中心所代表的簇中。
28、所述s4步骤中，使用当前的actor-network来与环境进行交互；状态空间是从dt中的信息中作本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的R2R分簇计算卸载方法，其特征是，包含以下步骤：
2.如权利要求1所述的基于数字孪生的R2R分簇计算卸载方法，其特征是：所述步骤S1中，在边缘节点(Edge Node)EN中构建机器人和微型边缘节点(Micro Edge Node)MEN的数字孪生模型；
3.如权利要求1所述的基于数字孪生的R2R分簇计算卸载方法，其特征是：所述S2步骤中，任意两个机器人之间的协作关系值：
4.如权利要求3所述的基于数字孪生的R2R分簇计算卸载方法，其特征是：所述S3步骤中，设机器人和机器人之间的协作关系值为；将所有机器人分成个聚合组；每个聚合组包含一个MEN和若干个机器人；使用机器人和机器人之间的欧式距离和协作关系值的加权和来进行分簇，定义如下:
5.如权利要求1所述的基于数字孪生的R2R分簇计算卸载方法，其特征是：所述S4步骤中，使用当前的actor-network来与环境进行交互；状态空间是从DT中的信息中作为actor-network的输入而获得的；actor-network负责根据当前状态选择当前动作，用于与环境交互以
...【技术特征摘要】
1.一种基于数字孪生的r2r分簇计算卸载方法，其特征是，包含以下步骤：
2.如权利要求1所述的基于数字孪生的r2r分簇计算卸载方法，其特征是：所述步骤s1中，在边缘节点(edge node)en中构建机器人和微型边缘节点(micro edge node)men的数字孪生模型；
3.如权利要求1所述的基于数字孪生的r2r分簇计算卸载方法，其特征是：所述s2步骤中，任意两个机器人之间的协作关系值：
4.如权利要求3所述的基于数字孪生的r2r分簇计算卸载方法，其特征是：所述s3步...
【专利技术属性】
技术研发人员：赵攀，陈柳元，蒋志良，杨森，韩江瑞，陈天飞，
申请(专利权)人：河南工业大学，
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。