一种云边端赋能的装备决策及安全空中升级装置和方法制造方法及图纸

技术编号:31311410 阅读:13 留言:0更新日期:2021-12-12 21:43
本发明专利技术公开了一种云边端赋能的装备决策及安全空中升级装置和方法,以方法的实现为例,包括收集装备设计阶段产生的文本型数据及运行阶段产生的数值型数据;基于云边端架构实现知识图谱和深度神经网络的分层构建及分层决策;基于云边端架构、网络技术及分割技术,实现决策模型的优化及快速版本迭代。本发明专利技术能够科学、高效地实现装备的决策制定,其突出特点是可实现可量化决策和不可量化决策的制定;兼顾了决策的实时性和准确性;可快速、安全地实现装备中决策模型的空中升级,单个边缘节点的数据泄露不会造成隐私泄露。数据泄露不会造成隐私泄露。数据泄露不会造成隐私泄露。

【技术实现步骤摘要】
一种云边端赋能的装备决策及安全空中升级装置和方法


[0001]本专利技术涉及一种云边端赋能的装备决策及安全空中升级装置和方法,更具体地,涉及一种基于知识图谱、深度学习、网络技术、云边端协同技术的装备决策及安全空中升级装置和方法。

技术介绍

[0002]装备在运行过程中外部环境可能发生剧烈变化,例如无人驾驶汽车行驶路况的变化、飞行器飞行过程中天气的变化等,装备中部署的决策算法需要对外部环境的变化具有适应性。
[0003]对于装备运行过程中的决策问题,目前的方法主要分为基于模型和基于规则两类,存在着如下局限性:(1)模型保真度有限:装备运行过程中的外部环境可能极为复杂,建模过程需要在模型保真度和复杂性之间做一定的取舍,同时,当前技术条件下,存在部分影响机理不明确,难以进行建模的因素。因此,难以通过数学模型完整描述实际问题。(2)易受人为因素的影响:规则库通常由设计人员以离线的方式制定,制定过程依赖数学模型及设计人员的经验,易受到设计人员个人因素的影响。(3)难以利用大数据中蕴含的知识:装备制造的全生命周期产生了海量数据,但由于数据异构等原因,其中的知识难以被有效利用。(4)灵活性和适应性较低:影响决策的因素发生变化后,已有的决策系统可能难以进行准确的判断,需要进行算法的升级。通常情况下,决策算法由设计师提前设计,并固化于装备中,因此,装备在制造完成后,难以进行程序、算法的版本更迭;(5)安全性问题:通过空中升级技术可实现快速的算法迭代,但传统空中升级方法存在隐私泄露的问题。
[0004]除了装备运行过程中采集的实时数据外,装备在设计、制造阶段产生的海量数据中蕴含的知识同样可为决策提供帮助。随着移动互联网、大数据、云计算、物联网、人工智能等新一代信息技术的飞速发展,产品生命周期内的大量数据可以被深度挖掘并加以利用,为装备的决策制定带来了新的解决思路。
[0005]针对上述问题,迫切需要一种云边端赋能的装备决策及安全空中升级装置和方法,以实现科学、高效的决策制定以及安全、快速的版本迭代。

技术实现思路

[0006]本专利技术要解决的技术问题是提供一种云边端赋能的装备决策及安全空中升级装置和方法,以实现科学的决策制定及快速程序版本迭代。
[0007]为了解决上述技术问题,本专利技术提供了一种云边端赋能的装备决策及安全空中升级装置,包括:
[0008]人机交互设备:以电脑/移动终端等交互设备为载体,实现人机交互,完成算法设计、决策模型设计及自动升级策略的制定等操作;
[0009]云服务器:用来实现装备设计、制造等阶段数据的采集,运行阶段实时数据的汇总,知识图谱的构建,神经网络的训练,升级包加密分发等;
[0010]边缘节点:分布于不同位置的多个边缘节点,用于承载无线通讯服务,实现云服务器与设备间的数据缓冲,基于局部数据训练神经网络;
[0011]装备:包括分布于不同位置的多个装备;
[0012]实时数据采集模块:位于装备中。用于实时采集装备运行阶段传感器感知到的相关信息,如雷达、图像、声音、温度、距离等信息;
[0013]异构数据采集模块:位于云服务器中。用于采集装备设计、制造阶段产生的外部的不可量化数据,包括设计人员长期以来总结的,以文本形式存储的各类设计准则、设计手册、异常处置手册、处置预案、历史故障分析报告等。同时,对各个装备中实时数据采集模块中采集到的数据进行汇总;
[0014]数据预处理模块:位于云服务器和边缘节点中,用于对采集到的数据进行清洗,减小数据噪声。必要时,对数据进行降维,从而降低数据冗余程度;
[0015]模型构建模块:位于云服务器中。云服务器基于装备设计、制造等阶段产生的不可量化数据,如设计规则与经验的文本类数据,借助多种自然语言智能处理技术,包括知识抽取、知识融合、知识加工、事件抽取与知识更新等方法,构建出知识图谱。根据各个装备运行阶段产生的实时数据,训练深度神经网络;
[0016]模型分割模块:位于云服务器中。用于对云服务器中的深度神经网络及知识图谱进行分割;
[0017]局部模型训练模块:位于边缘节点。用于根据边缘节点获取的部分装备的实时数据,训练深度神经网络;
[0018]分层决策模块:位于云服务器、边缘节点、装备中。用于在云服务器、边缘节点、装备中,根据深度神经网络和知识图谱完成决策制定。装备根据实时性、准确性的需求,动态选择装备/边缘/云服务器中的模型进行相应的决策;
[0019]加密模块:位于云服务器中。用于实现分布式加密;
[0020]解密模块:位于装备中。用于将加密后的文件还原;
[0021]网络模块:位于云服务器、边缘节点、装备中。用于支持装备、边缘节点、云服务器间的无线通讯。
[0022]为了解决上述技术问题,本专利技术提供了一种云边端赋能的装备决策及安全空中升级方法,包括:
[0023]在装备中,基于实时数据采集模块,动态收集装备运行过程中产生的大数据,并通过无线网络传输至云边缘节点;
[0024]在边缘节点中,基于数据清洗模块,对装备回传的数据进行初步清洗;
[0025]在云服务器中,基于异构数据采集模块,对装备设计、制造等阶段产生的异构数据进行采集,同时,对各个装备上传的实时运行数据进行汇总;
[0026]在云服务器中,基于数据预处理模块,对装备运行过程中产生的大数据进行清洗。必要时,对清洗后的数据进行降维;
[0027]在云服务器中,通过模型构建模块,基于装备设计等阶段产生的不可量化数据构建知识图谱,基于各个装备运行阶段产生的实时数据,构建深度神经网络;
[0028]将小规模知识图谱和深度神经网络部署于装备中,在装备的运行阶段,根据实时性、准确性要求,选择选择部署于装备/边缘/云端的模型进行决策。基于知识图谱,实现不
可量化决策;基于深度神经网络,实现可量化决策;
[0029]在云服务器中,基于模型分割模块,对训练好的模型进行分割,生成中等规模知识图谱、中等规模深度神经网络、小规模知识图谱、小规模深度神经网络;
[0030]将完整神经网络部署于云服务器,中等规模知识图谱、中等规模深度神经网络部署于边缘节点。在云服务器中,将小规模知识图谱和小规模深度神经网络整合成更新包;
[0031]装备不断回传数据至边缘节点,边缘节点基于数据预处理模块对数据进行初步清洗,并转发至云服务器,云服务器根据回传的新数据,定期对知识图谱和神经网络模型进行更新。
[0032]云服务器基于加密模块,计算升级包的完整性校验码,对升级包进行加密,并基于分割算法,根据分割序列O,将加密后的升级包分割为n个分卷(n为正整数);
[0033]综合考虑网络延迟、信号强度、边缘节点负载等因素,选择n个边缘节点,将升级包的 n个分卷分别发送至n个边缘节点,在上述n个节点中随机选择两个节点,发送分割序列O 和完整性校验码;
[0034]边缘节点基于网络模块,与装备进行通讯,将完整性校验码、分割序列O和本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种云边端赋能的装备决策及安全空中升级装置,其特征在于,包括:人机交互设备,用于实现人机交互;云服务器,用于承载存储、计算、决策等任务;云服务器中具有网络模块、异构数据采集模块、数据预处理模块、模型构建模块、模型分割模块、分层决策模块、加密模块;边缘节点,用于承载通讯、计算、数据缓冲、决策等任务;边缘节点中具有网络模块、数据预处理模块、局部模型训练模块、分层决策模块;装备,用于实现一定功能的机电一体化装备,其工作环境较为复杂;装备中具有网络模块、实时数据采集模块、分层决策模块、解密模块。2.一种云边端赋能的装备决策及安全空中升级方法,其特征在于:包括以下步骤:云服务器采集装备设计等阶段产生的文本型数据,并整合各装备运行阶段采集的数值型数据;云服务器对上述数据进行预处理,包括数据清洗,可选地,基于复相关分析对数值型数据进行降维;云服务器基于预处理后的数据构建深度神经网络、知识图谱;云服务器通过模型裁剪,裁剪出中等规模知识图谱、中等规模深度神经网络、小规模知识图谱、小规模深度神经网络;将中等规模知识图谱和神经网络部署于边缘节点,小规模知识图谱和神经网络模型部署于装备;装备采集实时数据和知识图谱相关数据,根据实时性、准确性的要求,分层进行决策;基于云边端架构及无线通讯技术,云服务器定期将优化后的新模型下发至装备,实现装备中程序、模型的快速版本迭代。3.根据权利要求2所述方法,其特征在于:所述采集装备设计等阶段产生的文本型数据及运行阶段的数值型数据包括:云服务器采集装备设计、制造等阶段产生的外部的非结构化数据,包括设计人员长期以来总结的,以文本形式存储的各类设计准则、设计手册、异常处置手册、处置预案、历史故障分析报告等;装备实时采集运行过程中内部及环境中的相关数值型数据,包括雷达、图像、声音、温度、距离等,云服务器对各个装备采集的数值型数据进行整合。4.根据权利要求2所述方法,其特征在于:所述知识图谱构建包括以下步骤:对采集到的产品设计等阶段产生的文本型数据进行初步清洗;借助知识抽取、知识融合、知识加工...

【专利技术属性】
技术研发人员:杨晨兰舒琳赖鄹付斯琴禹航
申请(专利权)人:中国科学院大学北京电子工程总体研究所
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 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。

1