面向智能制造的雾计算关键技术研究

【摘要】：雾计算为智能制造相关任务提供了分布式、近距离的计算、存储与网络资源。作为云计算的扩展与提升,雾计算具有低延时、低能耗等特征,是实现海量制造数据实时分析以及复杂任务实时处理的新兴技术。智能终端设备、雾节点以及云服务器为智能制造提供了不同粒度的计算资源,有效地利用这些计算资源来提高智能制造相关任务的实时性、能效性以及可靠性,是实施雾计算的主要目的。与传统制造相比,智能制造的智能化、柔性化等特征使其相关任务具有异构特性。异构任务的高性能处理给雾计算带来了挑战,对其关键技术提出了更高的要求。本论文从提高智能制造相关任务的实时性、能效性以及可靠性三个性能指标出发,对雾计算环境中的雾节点部署、计算模式选择以及雾计算任务调度等关键技术进行了研究,主要研究内容和创新点如下:(1)对智能工厂中雾计算架构的有效分析是实现任务高实时、高能效处理的先决条件。搭建了智能工厂中雾计算架构,对雾计算架构中的三种计算模式,即本地计算模式、云计算模式、雾计算模式进行了分析与建模。对不同计算模式下的任务处理进行了研究,建立了任务的时延、能耗以及可靠性数学模型。仿真结果表明,三种计算模式在时延、能耗以及可靠性方面具有不同的性能结果。(2)雾节点的有效部署是搭建雾计算平台的基础。分析了智能制造系统在时间以及空间方面的特性,提出了一种基于时空特性的雾节点部署策略。建立了雾节点部署目标函数,以最小化响应时间以及实现负载均衡为优化目标,采用了离散差分进化算法进行求解。仿真结果表明,所提出的雾节点部署策略实现了降低响应时间、负载均衡的目标。(3)在本地计算模式、雾计算模式以及云计算模式融合的雾计算环境中,为任务制定最佳的计算模式选择方案是确保任务低时延、低能耗、高可靠执行的关键。提出了一种基于任务优先级的自适应计算模式选择策略,在雾服务器中设计了计算模式选择模块。采用了遗传算法来解决计算模式选择优化问题,通过该策略为任务制定最优的计算模式选择方案。为了保证并提高雾计算模式下延时敏感型任务的实时性与可靠性,提出了基于任务优先级的执行顺序调整机制。根据任务优先级调整任务队列,从而实现了优先级高的任务率先获取雾计算服务。另外,采用归并排序算法实现了任务队列的快速调整,该算法解决了传统算法排序时间长、准确度低的问题。仿真结果表明,所提出的计算模式选择策略在实时性、能效性、可靠性方面具有明显的优势。(4)针对雾计算任务存在高时延、高能耗等问题,考虑雾计算任务与雾节点的异构特性,提出了一种基于等级映射混合启发式算法的雾计算任务调度策略。根据雾计算任务的性能要求确定雾计算任务优先级,实现了基于优先级的雾计算任务等级划分。根据雾节点的属性计算雾节点执行力,完成了基于执行力的雾节点等级划分。相同等级的雾计算任务集与雾节点集建立映射关系,有效降低了优化算法的响应时间,提高了雾计算任务调度的执行效率。采用混合启发式算法求得雾计算任务调度最优解。仿真结果表明,通过所提调度策略,雾计算任务的时延、能耗与可靠性均得到有效的改进。以实验室个性化生产糖果包装智能产线为基础,搭建了面向智能制造的雾计算实施平台,在该平台上验证了本文所提出的模型与策略。通过对时延、能耗以及可靠性等性能指标的测试与分析,所得实验结果与仿真结果一致。雾计算关键技术研究为雾计算在智能制造领域的应用提供了理论参考。