工业技术在国家综合生产能力体系中占有举足轻重的地位，工业和制造业的发展是一个国家经济实力的重要体现。近年来，随着我国工业化进程的加快和中国“智能制造2025”的推进，工业互联网成为重要的网络基础设施，众多新型工业计算密集型应用也开始涌现，如工业目标检测(Object Detection)，人脸识别(Face Recognition)，多媒体(Multimedia)传输等等。同时，伴随移动互联网和无线通信技术的进步，工业物联网(Industrial Internet of Things，IIoT)也面临巨大机遇和挑战。越来越多的设备访问，使网络基础架构承受着巨大的压力，例如现有的云计算(Cloud Computing)技术，在工业物联网的场景下，很多传感器与云平台物理上相距甚远，不能满足延迟敏感应用的低时延高质量需求，服务质量(Quality of Service，QoS)令人不满。作为云计算的重要补充，边缘计算(Edge Computing)通过将应用、数据和服务从集中式节点推向网络边缘，在靠近移动设备和数据源头的地方，融合网络、存储和计算，同时应用具有核心能力的开放平台，就近提供智能服务，推动物联网(Internet of Things，IoT)的发展。但是，高计算消耗型应用也开始向边缘计算的嵌入式环境迁移，巨大的负载使得边缘有时不能满足需求且性能又不如云平台好。所以，在工业互联网中，需要结合云计算的强大存储、计算能力和边缘计算的实时灵活部署等优势，构建新型边缘-云协同网络架构，即边-云协同(Edge-Cloud Collaboration，ECC)。
　　本文基于工业互联网，首先研究设计了一种边缘-云协同架构，其次提出了一种时延约束下的边缘-云优化功率卸载机制，最后将所提出的架构实际构建了新型边缘-云协同平台，并结合实际工业生产线，部署边缘-云协同架构，以提升生产效率，优化网络性能。主要工作如下:
　　(1)在多任务场景下，提出了一种新型边缘-云协同架构并搭建实际演示平台。为了避免节点间的异构问题，统一采用树莓派(Raspberry Pi，RP)卡片计算机作为工作节点，设计了一个面向边缘计算的边缘-云协同框架，该框架主要分为三层，分别是边缘节点树莓派层(Edge Raspberry Pi，ERP)，任务监控调度树莓派层(Monitoring&Scheduling Raspberry Pi，MSRP)和云中心层(Cloud Center，CC)。层与层之间可以在无线网络连接下，实现不同树莓派之间、树莓派与云中心之间的协作通信。通过架构各个功能部分的耗时分析，进行架构总体时延问题建模，目的是使该边缘-云协同架构的工作时间最小化。通过MSRP的调度，ERP能够与CC协同工作，充分利用了边缘端和云端的计算资源。ERP层运行了人脸识别、目标检测这两种具有代表性的边缘任务。
　　(2)在时延约束场景下，提出了一种最优功率查找的边缘-云匹配算法。首先，考虑信道状态、时延约束和效用函数，提出了一个在边缘-云卸载条件下，具有时延约束惩罚机制的最小能耗任务执行系统模型。然后，基于该建模问题，在边缘向云端卸载任务时，提出了一种最优发射功率的二分搜索算法和一种快速权值匹配的任务卸载算法，用来寻找边缘-云协作的边缘最优发射功率和快速合适的边缘-云匹配。
　　(3)在实际生产线中，结合物联网节点和5G基础网络架构，搭建了物联网端-边缘-云协同工业智能检测平台，将快速深度学习算法融合高速工业互联网，使边缘计算、边缘-云协同技术得以以物联网设备为载体落地实施于实际工业生产线，具有良好的现实意义和应用前景。