论文部分内容阅读
随着网络信息技术的快速发展,工业制造模式正在发生巨大变化,传统制造业正朝着智能化、网络化、定制化、集成化等方向转型与升级。尤其是新兴技术的迅速崛起,进一步推动了工业化和信息化的深度融合,加速了智能制造领域的全面发展。实现产品全生命周期管理的智能制造技术,成为新一轮工业革命的核心,也是下一代制造业发展的重要方向。工业物联网作为智能制造领域关键性通用技术,能够提升制造业领域的自动化与智能化水平,是制造业领域智能化转型的基础与保障,也成为当前学术界与产业界的研究热点。当前,工业物联网迎来了与传统制造业融合发展的新时期,各类工业物联网应用案例在相关行业领域层出不穷,为工业物联网的广泛应用夯实了基础。然而工业物联网相关技术研究尚且处于发展初期,工业物联网协议本身并不成熟,工业现场依然存在大量信息孤岛问题亟待解决,面对海量数据的传输和越来越高的服务需求,工业网络对于不同时延容忍度数据区分服务能力表现较差,各类工业设备在复杂网络下通信服务质量难以得到保障。与此同时,基于工业物联网的智能生产线成为新一轮工业革命中智能制造领域的研究重点,如何实现智能生产线系统数据高实时、高可靠传输,保证生产线网络的高质量通信是工业物联网所面临的一大挑战。本论文充分分析了工业物联网通信技术国内外发展现状,在已有研究成果基础上,依托国家科技重大专项、国家重点研发计划以及兴辽英才计划等项目,针对目前工业物联网环境下智能生产线网络实时可靠通信领域亟待解决的理论和关键技术问题,开展面向智能生产线的工业物联网通信服务质量关键技术研究,重点围绕基于工业物联网的智能产线通信体系结构、多源异构数据实时传输调度、工业物联网分布式消息通信以及面向工业物联网的通信服务质量分析预测四个方面开展相关技术研究以及试验验证,主要工作包含以下几个方面:（1）设计了一种面向智能产线的工业物联网通信体系结构。本论文分析了工业物联网典型特征与运行模式,从智能产线系统通信需求出发,将OPC UA技术作为生产线现场设备通信手段,研究基于OPC UA的异构网络设备互联互通方法,并在此基础上构建了面向智能产线的工业物联网通信体系结构,阐述网络通信结构中各层次之间的数据交互模式以及工作原理,在分析各模块所实现的技术的同时,建立智能产线互联互通框架,为工业物联网智能产线通信服务质量研究提供支撑。（2）提出了一种多源异构数据实时传输调度方法。针对工业物联网环境下智能生产线网络数据无法根据时延容忍度提供高效的区分服务,导致时延敏感数据传输实时性低,难以满足设备数据实时可靠传输需求的问题,提出了一种面向智能生产线的OPC UA无线网络实时通信模型,将IEEE 802.15.4eTSCH作为无线通信基础架构,融合OPC UA协议实现工业无线网络设备间通信,满足复杂工业现场网络的互联互通需求。与此同时,本模型设计了基于负载感知的时隙调度算法,按照各节点网络拓扑结构和流量负载对时隙进行动态分配与调度,将底层设备数据及传感数据采集到无线网关,并分类存储于网关内多优先级消息队列中,根据系统需求定义高、中、低三种优先级数据类型,实现基于服务区分的动态抢占式资源调度策略。该模型实现了基于不同时延容忍度数据的区分服务,有效降低实时业务数据在网络资源受限情况下的传输时延,保证了工业无线网络环境下产线设备数据的传输效率,避免低优先级队列的饥饿现象,提高了智能产线通信网络的整体服务质量。（3）提出了一种工业物联网分布式消息通信方法。针对工业物联网智能生产线网络数据传输量剧增,传统数据通信方法存在紧耦合、性能瓶颈等缺陷,无法满足网络高吞吐量需求,导致数据传输时延变大,传输效率低等问题,提出了一种基于OPC UA的消息发布/订阅通信模型,在兼容C/S通信模式基础上,设计了发布/订阅模型总体结构,采用消息代理机制,实现了OPC UA的分布式通信,具备信息建模、地址空间构建、发布/订阅等功能。该模型兼容传统OPC UA通信模式,保证与传统OPC UA通信系统的兼容并存。同时,提出一种多优先级数据调度算法,设计了队列动态控制策略与感知时隙数据传输方法,将数据采集模块中获取的产线数据分优先级存储到不同队列,动态调控缓冲队列空间,然后按照不同优先级向上层推送,来提高分布式通信模型中时间敏感数据的实时传输,保证缓冲队列的稳定性。将该算法融合到发布/订阅通信模型中,来提升工业网络中实时数据的传输效率。（4）提出了一种面向工业物联网的通信服务质量分析预测方法。针对工业物联网环境下智能生产线网络动态多变,服务器动态QoS属性由于时间和空间因素表现出强烈的不稳定性,导致用户难以在候选服务集中选择符合需求的服务,增加通信节点任务处理延迟等问题,提出了一种基于EMD-mLSTM的增强型QoS预测模型（EMD-EmLSTM）,将EMD与LSTM方法相结合,建立多变量数据输入模式,从更细粒度级别挖掘QoS时序数据潜在信息。该方法采用孤立森林算法检测数据集异常值,同时构建基于LSTM的残差修正预测模型,通过残差预测来修正预测结果,以增强QoS预测准确度。该模型实现了工业物联网动态QoS属性的单步预测与多步预测,大大提高了复杂网络下QoS预测精度,满足了用户从候选服务集中选择合适服务的需求,有效降低了节点任务处理时延,保证了网络节点一定时间段内的最佳服务质量。