[发明专利]一种边云协同数字孪生智能排产应用运行位置适配方法

权利要求书

1.一种边云协同数字孪生智能排产应用运行位置适配方法，所应用的数字孪生智能排产系统架构包括设备层、边缘层和云层，边缘层包括在工厂每个车间设置的边缘计算节点；其特征在于，所述方法包括如下步骤：

步骤1，在边缘计算节点设置边缘层数字孪生系统，在云服务器上设置云层数字孪生系统；边缘层数字孪生系统和云层数字孪生系统都包括数字孪生体模块、预测仿真模块以及智能排产应用；在边缘计算节点的数字孪生体模块生成车间数字孪生体，在云服务器的数字孪生体模块生成工厂全局数字孪生体；在云服务器上还设置有适配策略控制器；适配策略控制器接收云层数字孪生系统的应用属性以及订单属性、云服务器上的计算和通信资源状，以及边缘层数字孪生系统的应用属性、边缘计算节点上的计算和通信资源状态；

步骤2，适配策略控制器以最小化数字孪生智能排产决策周期延迟为目标，实时适配切换数字孪生智能排产应用的运行位置；

根据适配策略控制器能感知和不能感知智能排产应用运行所需算力的两种情况，分为确定环境以及非确定环境，对数字孪生智能排产应用运行位置进行适配；

(2.1)在确定环境下，分别计算基于边缘的智能排产应用所带来的延迟t_n(t₁)和基于云端的智能排产应用所带来的延迟t_c(t₁)，适配策略控制器选取其中较小延时对应的位置为数字孪生智能排产应用的运行位置；其中，t₁为订单下达时刻，智能排产任务开始时间；

其中，t_n(t₁)由工业设备向边缘计算节点发送数据的传输延迟，以及边缘计算节点进行智能排产带来的计算延迟组成；t_c(t₁)由工业设备发送的数据经边缘计算节点转发到云服务器的传输延迟，以及控制决策回传延迟组成；

(2.2)在非确定环境下，采用神经网络对智能排产应用运行延迟进行拟合预测，基于预测结果和实时CPU占用率对智能排产应用所需算力进行估算；然后基于估算的智能排产应用所需算力计算基于边缘的智能排产应用所带来的延迟t_n(t₁)，计算基于云端的智能排产应用所带来的延迟t_c(t₁)，选取t_n(t₁)和t_c(t₁)其中较小延时对应的位置为数字孪生智能排产应用的运行位置；

所述神经网络的输入为根据订单的需求矩阵得到的设备数和零件数，输出为预测的智能排产应用运行延迟；对所述神经网络进行训练，优化输入样本和输出的智能排产应用运行延迟的非线性函数关系；然后利用训练好的神经网络根据订单的需求矩阵输出预测的智能排产应用运行延迟。

2.根据权利要求1所述的方法，其特征在于，所述的(2.1)中，t_n(t₁)如下计算获得：

t_n(t₁)＝t_u,n(t₁)+t_n(t₂)

其中，t_u,n(t₁)代表工业设备在t₁时刻向边缘计算节点n发送数据的传输延迟，t_n(t₂)代表边缘计算节点进行智能排产带来的计算延迟，t₂为数据到达边缘计算节点的时间；

所述计算延迟其中，O_u为智能排产应用所需算力大小，f_n(t₂)表示t₂时刻边缘计算节点的计算能力。