System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据采集,具体为基于边缘网关和边缘计算的plc实时数据采集优化方法。
技术介绍
1、随着生产系统复杂度的提高,plc的功能逐渐扩展,从最初的开关逻辑控制,逐步涵盖了过程控制、运动控制等复杂的控制任务。plc的采集数据能力也从简单的传感器信号采集扩展到处理大量的工业数据。在工业控制场景中,实时数据采集的目的是为了监控生产过程、提高生产效率、保障设备运行安全,及优化整体生产流程。随着工业自动化的深入,尤其是工业4.0概念的提出,工厂对于数据采集的需求逐渐从简单的周期性采集扩展到对高频、动态变化的实时数据的采集。实时数据采集需要处理大量的传感器数据,保证其可靠性和实时性,同时要面对如何优化采集效率、降低延迟和减少资源消耗的挑战。随着工业物联网的发展,数据采集不仅局限于本地的控制系统,越来越多的工业系统需要将数据传输到云端进行大数据分析、人工智能预测和设备维护。然而,直接传输大量原始数据到云端会增加网络带宽和云计算的压力,并且在现今对数据采集时常常使用固定的采样频率,但plc的数据变化速率并不是一成不变的,经常导致采集的数据延迟,不够精准,或者采集得到许多同样的数据,极大消耗云端计算空间。
技术实现思路
1、本专利技术的目的在于提供基于边缘网关和边缘计算的plc实时数据采集优化方法,以解决现有技术中提出的的问题。
2、为实现上述目的,本专利技术提供如下技术方案:
3、基于边缘网关和边缘计算的plc实时数据采集优化方法,所述方法包括以下步骤:
5、进一步的,构建边缘数据采集网络的具体步骤为:
6、s101、在工业自动化生产区域内建立平面直角坐标系,将云端处理器作为原点,收集工业自动化生产中每个plc在坐标系中的位置坐标为{(x1,y1)、(x2,y2)、(x3,y3)、...、(xn,yn)},(x1,y1)、(x2,y2)、(x3,y3)、...、(xn,yn)表示工业自动化生产中第1、2、3、...、n个plc在坐标系中的位置坐标,n为正整数;在每个plc的坐标位置处部署数据采集器,结合云端处理器和n个数据采集器构建边缘数据采集网络;
7、s102、在构建边缘数据采集网络后,计算每个边缘数据采集器和云端处理器的数据传输距离,公式为:公式中,l表示工业自动化生产中每个边缘数据采集器和云端处理器的数据传输距离,x和y表示每个边缘数据采集器中plc的坐标位置,利用公式计算得到所有plc边缘数据采集器和云端处理器的数据传输距离为{l1、l2、l3、...、ln},l1、l2、l3、...、ln表示计算的工业自动化生产中第1、2、3、...、n个plc边缘数据采集器和云端处理器的数据传输距离。
8、在工业自动化生产中构建边缘数据采集网络不仅能收集和传输数据,还可以在本地对数据进行预处理、过滤和聚合,减少不必要的数据传输,从而降低带宽需求和云端处理压力;计算每个plc和云端处理器的数据传输距离可以更加清楚的计算数据传输时间,更精准的优化数据延迟。
9、s200、收集历史中云端处理器对每个plc的所有数据的采样频率和所有数据的变化数据,计算每种数据的变化速率和采样频率的关系,构建plc的数据采样频率优化模型;
10、进一步的,构建plc的数据采样频率优化模型的具体步骤为:
11、s201、收集历史中云端处理器对每个plc的所有数据进行收集时每种数据的变化值为{p1、p2、p3、...、pm},p1、p2、p3、...、pm表示收集的每个plc中第1、2、3、...、m种数据的变化值,m为正整数;并提取每种数据发生变化时的时间数据为{t1、t2、t3、...、tm},t1、t2、t3、...、tm表示plc中第1、2、3、...、m种数据发生变化时的时间数据;利用线性回归算法对每种数据的变化值和时间数据进行分析,构建plc每种数据变化值和时间的关联函数为p(t);对所有数据的关联函数均进行计算得到所有关联函数为{p(t)1、p(t)2、p(t)3、...、p(t)m},p(t)1、p(t)2、p(t)3、...、p(t)m表示计算的plc中第1、2、3、...、m种数据的关联函数;
12、s202、在计算得到plc中每种数据的关联函数后,对关联函数进行求导,计算得到每种数据的变化速率,公式为:公式中v表示计算数据的变化速率,表示对关联函数p(t)求t的导数;经过m次计算得到每种数据的变化速率为{v1、v2、v3、...、vm},v1、v2、v3、...、vm表示计算的plc中第1、2、3、...、m种数据的变化速率;
13、s203、提取历史中云端处理器对plc的数据进行收集时所达到的最低采样频率为fmin,根据历史中plc每种数据的变化速率设计构建每种数据变化速率对采样频率优化关系,公式为:
14、f(t)=fmin+k×v;
15、公式中,f(t)表示优化后的采样频率,v表示每种数据的变化速率,k表示数据变化速率对采样频率的影响系数;提取历史中云端处理器中对plc数据的最大采样频率fmax和历史中数据的最大变化速率vmax,计算数据变化速率对采样频率的影响系数
16、在计算得到每种数据变化速率对采样频率的优化关系后,设置每种数据采样频率优化限值为fmin和fmax,利用优化限制和优化关系构建每种数据的采样频率优化模型为:
17、f(t)=max(fmin,min(fmax,fmin+k×v));
18、公式中,f(t)表示优化后的采样频率,max表示提取括号内数据的最大值,min表示提取括号内数据的最小值,|v|表示每种数据变化速率的绝对值;对plc中每种数据的采样频率优化模型均进行构建。
19、利用历史数据分析plc数据变化速率和采样频率的关系,构建采样频率优化模型对plc的数据采样频率根据需求和实时情况进行优化,避免了不必要的高频采集,从而大幅减少了数据量。不仅降低了数据存储的压力,也减少了数据传输的负担,当系统数据变化缓慢或稳定时,降低采样频率可以减少对处理器、内存和带宽的使用,节省计算资源,降低系统负载;在数据变化较快或关键事件发生时,动态采样率调节可以迅速提高采样频率,捕捉更细致的变化,确保系统能够及时响应。这对工业控制、故障检测等实时性要求高的场景尤为重要。
20、s300、收集历史中云端处理器对plc进行数据收集,并判断plc发生不同种类异常时的数据值,对每种异常种类所采集的数据进行分析,查找影响plc发生异常的数据为重要数据,利用重要数据对plc发生的异常种类筛选,查找plc的重要事件;
21、进一步的,查找plc的重要事件的具体步骤为:
22、s301、收集历史中云端处理器对plc进行数据收集,并判本文档来自技高网...
【技术保护点】
1.基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:所述方法包括以下步骤:
2.根据权利要求1所述的基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:所述S100中构建边缘数据采集网络的具体步骤为:
3.根据权利要求1所述的基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:所述S200中构建PLC的数据采样频率优化模型的具体步骤为:
4.根据权利要求1所述的基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:所述S300中查找PLC的重要事件的具体步骤为:
5.根据权利要求3所述的基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:所述S400中对实时采样频率进行优化的具体步骤为:
6.根据权利要求1所述的基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:在S500中计算PLC的边缘预警阈值和深度判断阈值的具体步骤为:
7.根据权利要求6所述的基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:所述S600中判断PL
8.根据权利要求7所述的基于边缘网关和边缘计算的PLC实时数据采集优化方法,其特征在于:所述S700中利用深度判断阈值对初步预警的PLC进行二次深度异常判断的具体步骤为:
...【技术特征摘要】
1.基于边缘网关和边缘计算的plc实时数据采集优化方法,其特征在于:所述方法包括以下步骤:
2.根据权利要求1所述的基于边缘网关和边缘计算的plc实时数据采集优化方法,其特征在于:所述s100中构建边缘数据采集网络的具体步骤为:
3.根据权利要求1所述的基于边缘网关和边缘计算的plc实时数据采集优化方法,其特征在于:所述s200中构建plc的数据采样频率优化模型的具体步骤为:
4.根据权利要求1所述的基于边缘网关和边缘计算的plc实时数据采集优化方法,其特征在于:所述s300中查找plc的重要事件的具体步骤为:
5.根据权利要求3所述的基于边缘网关和边缘计...
【专利技术属性】
技术研发人员:徐永辉,李允恒,
申请(专利权)人:南京光进科技有限公司,
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。