一种硬件设备灵活更新迭代的物联网边缘智能实现方法技术

本发明专利技术公开了一种硬件设备灵活更新迭代的物联网边缘智能实现方法，本发明专利技术提供的方法，利用了物联网的边设备的运算能力针对端设备的实际性能数据执行模型计算从而确定端设备是否需要进行硬件或软件的升级，不需要运维人员实地巡查，同时也不需要云端针对所有同类型的目标端设备都统一下发更新软件，实现了端设备的自适应灵活更新。设备的自适应灵活更新。设备的自适应灵活更新。

【技术实现步骤摘要】
一种硬件设备灵活更新迭代的物联网边缘智能实现方法


[0001]本专利技术涉及物联网
，特别涉及一种硬件设备灵活更新迭代的物联网边缘智能实现方法。

技术介绍

[0002]在现有技术中，已存在电力物联网用于电网管理，然而，针对电网中各个电力终端设备，例如电表、变压器等，虽然已经逐步智能化，在物联网中作为物联网的端设备与云端进行交互，但是目前这些设备的硬件更新迭代，还是依赖于运维人员的巡检来实现，软件更新迭代还是依赖于云端针对同一种终端设备，批量地下发更新软件，无法实现自动根据终端设备的实际情况进行灵活的更新迭代。
[0003]因此，现有技术还有待改进和提高。

技术实现思路

[0004]针对现有技术的上述缺陷，本专利技术提供一种硬件设备灵活更新迭代的物联网边缘智能实现方法，旨在解决现有技术中无法自动根据终端设备的实际情况进行灵活的更新迭代的问题。
[0005]为了解决上述技术问题，本专利技术所采用的技术方案如下：本专利技术的第一方面，提供一种硬件设备灵活更新迭代的物联网边缘智能实现方法，所述方法包括：目标端设备采集预设时间段内的目标数据，所述目标数据包括服务数据和性能数据，所述服务数据包括所述目标端设备对应的服务终端的数量、种类、以及运行信息，所述性能数据包括对从所述服务终端采集到的运行信息进行处理的处理过程信息、以及所述目标端设备的各个性能指标的当前值；边设备接收所述目标端设备发送的所述目标数据，根据所述服务数据确定所述目标端设备对应的目标第一神经网络模型，将所述性能数据输入至所述目标第一神经网络模型中，获取所述目标第一神经网络模型输出的性能适应性判别结果；所述边设备根据所述性能适应性判别结果向所述目标端设备下发第一指令或第二指令，其中，所述第一指令用于指示所述目标端设备进行硬件升级，所述第二指令用于指示所述目标端设备进行软件升级；所述目标端设备根据所述第一指令或所述第二指令获取升级资源。
[0006]所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其中，所述目标第一神经网络模型是由多组训练数据训练完成的，每组训练数据包括样本性能数据和样本性能数据对应的性能适应性判别结果标注信息。
[0007]所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其中，所述边设备根据所述服务数据确定所述目标端设备对应的目标第一神经网络模型，包括：所述边设备根据所述目标端设备和各个样板端设备对应的所述服务数据确定所
述目标端设备分别和每个所述样板端设备的相似性；所述边设备根据所述目标端设备分别和每个所述样板端设备的相似性在各个所述样板端设备中确定目标样板端设备；所述边设备将所述目标样板端设备对应的第一神经网络模型作为所述目标第一神经网络模型。
[0008]所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其中，所述边设备根据所述目标端设备分别和每个所述样板端设备的相似性在各个所述样板端设备中确定目标样板端设备，包括：若所述目标端设备分别和各个所述样板端设备之间的相似性中有高于相似性阈值的，则所述边设备将相似性最高的所述样板端设备作为所述目标样板端设备。
[0009]所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其中，所述边设备根据所述服务数据确定所述目标端设备对应的目标第一神经网络模型，包括：若所述目标端设备分别和各个所述样板端设备之间的相似性均不高于所述相似性阈值，则所述边设备发送采集指令至目标终端，所述采集指令用于提示实地采集所述目标端设备的性能适应性判别结果；所述边设备获取实地采集的所述目标端设备的性能适应性判别结果，将实际采集的所述目标端设备的性能适应性判别结果和所述目标端设备发送的所述性能数据组成训练数据，并将所述训练数据发送至云服务器；所述云服务器根据所述训练数据对预设模型训练得到所述边设备对应的所述目标第一神经网络模型，并将所述目标端设备标记为所述样板端设备。
[0010]所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其中，所述边设备根据所述目标端设备和各个样板端设备对应的所述服务数据确定所述目标端设备分别和每个所述样板端设备的相似性，包括：所述边设备将目标端设备和所述样板端设备对应的所述服务数据整理得到输入数据，将所述输入数据转换为输入向量后输入至已训练的第二神经网络模型，获取所述第二神经网络模型输出的所述目标端设备和所述样板端设备的相似性；其中，所述输入数据包括第一输入数据和第二输入数据，所述第一输入数据包括多组第一分数据，相邻的所述第一分数据之间设置有间隔符号，每组所述第一分数据包括一种所述目标端设备对应的所述服务终端的种类、数量、运行信息的种类和运行信息数据，所述第二输入数据包括多组第二分数据，相邻的所述第二分数据之间设置有所述间隔符号，每组所述第二分数据包括所述样板端设备对应的所述服务终端的种类、数量、运行信息的种类和运行信息数据，所述第一输入数据和所述第二输入数据中的种类信息使用文字形式表示。
[0011]所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其中，所述边设备将目标端设备和所述样板端设备对应的所述服务数据整理得到输入数据，将所述输入数据转换为输入向量后输入至第二神经网络模型，获取所述第二神经网络模型输出的所述目标端设备和所述样板端设备的相似性，包括：所述边设备将所述第一输入数据中的文字数据转换为嵌入向量后与数字数据连接，形成第一输入向量，将所述第二输入数据中的文本数据转换为嵌入向量后与数字数据
连接，形成第二输入向量；所述边设备将所述第一输入向量和所述第二输入向量分别输入至所述第二神经网络模型中的第一特征提取模块，通过所述第一特征提取模块对所述第一输入向量中的每个所述第一分数据对应的向量部分进行特征提取，得到第一初始特征，所述第一初始特征中每个所述第一分数据对应的特征部分尺寸一致，通过所述第一特征提取模块对所述第二输入向量中的每个所述第二分数据对应的向量部分进行特征提取，得到第二初始特征，所述第二初始特征中每个所述第二分数据对应的特征部分尺寸一致，所述第一初始特征和所述第二初始特征的尺寸一致；所述边设备将所述第一初始特征和所述第二初始特征分别输入至所述第二神经网络模型中的第一注意力模块，通过所述第一注意力模块对所述第一初始特征中每个所述第一分数据对应的特征部分执行注意力机制，得到第一局部注意力特征，通过所述第一注意力模块对所述第二初始特征中每个所述第二分数据对应的特征部分执行注意力机制，得到第二局部注意力特征；所述边设备将所述第一局部注意力特征和所述第二局部注意力特征分别输入至所述第二神经网络模型中的第二注意力模块，通过所述第二注意力模块对所述第一局部注意力特征中的所述第一分数据的特征部分和所述间隔符号的特征部分执行注意力机制，得到第一全局注意力特征，通过所述第二注意力模块对所述第二局部注意力特征中的所述第二分数据的特征部分和所述间隔符号的特征部分执行注意力机制，得到第二全局注意力特征；所述边设备将所述第一局部注意力特征和所述第一全局注意力特征进行融合，得到第一连接特征，将所述第二局部注意力特征和所述第二全局注意力特征进行融合，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种硬件设备灵活更新迭代的物联网边缘智能实现方法，其特征在于，所述方法包括：目标端设备采集预设时间段内的目标数据，所述目标数据包括服务数据和性能数据，所述服务数据包括所述目标端设备对应的服务终端的数量、种类、以及运行信息，所述性能数据包括对从所述服务终端采集到的运行信息进行处理的处理过程信息、以及所述目标端设备的各个性能指标的当前值；边设备接收所述目标端设备发送的所述目标数据，根据所述服务数据确定所述目标端设备对应的目标第一神经网络模型，将所述性能数据输入至所述目标第一神经网络模型中，获取所述目标第一神经网络模型输出的性能适应性判别结果；所述边设备根据所述性能适应性判别结果向所述目标端设备下发第一指令或第二指令，其中，所述第一指令用于指示所述目标端设备进行硬件升级，所述第二指令用于指示所述目标端设备进行软件升级；所述目标端设备根据所述第一指令或所述第二指令获取升级资源。2.根据权利要求1所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其特征在于，所述目标第一神经网络模型是由多组训练数据训练完成的，每组训练数据包括样本性能数据和样本性能数据对应的性能适应性判别结果标注信息。3.根据权利要求1所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其特征在于，所述边设备根据所述服务数据确定所述目标端设备对应的目标第一神经网络模型，包括：所述边设备根据所述目标端设备和各个样板端设备对应的所述服务数据确定所述目标端设备分别和每个所述样板端设备的相似性；所述边设备根据所述目标端设备分别和每个所述样板端设备的相似性在各个所述样板端设备中确定目标样板端设备；所述边设备将所述目标样板端设备对应的第一神经网络模型作为所述目标第一神经网络模型。4.根据权利要求3所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其特征在于，所述边设备根据所述目标端设备分别和每个所述样板端设备的相似性在各个所述样板端设备中确定目标样板端设备，包括：若所述目标端设备分别和各个所述样板端设备之间的相似性中有高于相似性阈值的，则所述边设备将相似性最高的所述样板端设备作为所述目标样板端设备。5.根据权利要求4所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其特征在于，所述边设备根据所述服务数据确定所述目标端设备对应的目标第一神经网络模型，包括：若所述目标端设备分别和各个所述样板端设备之间的相似性均不高于所述相似性阈值，则所述边设备发送采集指令至目标终端，所述采集指令用于提示实地采集所述目标端设备的性能适应性判别结果；所述边设备获取实地采集的所述目标端设备的性能适应性判别结果，将实际采集的所述目标端设备的性能适应性判别结果和所述目标端设备发送的所述性能数据组成训练数据，并将所述训练数据发送至云服务器；
所述云服务器根据所述训练数据对预设模型训练得到所述边设备对应的所述目标第一神经网络模型，并将所述目标端设备标记为所述样板端设备。6.根据权利要求3所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其特征在于，所述边设备根据所述目标端设备和各个样板端设备对应的所述服务数据确定所述目标端设备分别和每个所述样板端设备的相似性，包括：所述边设备将目标端设备和所述样板端设备对应的所述服务数据整理得到输入数据，将所述输入数据转换为输入向量后输入至已训练的第二神经网络模型，获取所述第二神经网络模型输出的所述目标端设备和所述样板端设备的相似性；其中，所述输入数据包括第一输入数据和第二输入数据，所述第一输入数据包括多组第一分数据，相邻的所述第一分数据之间设置有间隔符号，每组所述第一分数据包括一种所述目标端设备对应的所述服务终端的种类、数量、运行信息的种类和运行信息数据，所述第二输入数据包括多组第二分数据，相邻的所述第二分数据之间设置有所述间隔符号，每组所述第二分数据包括所述样板端设备对应的所述服务终端的种类、数量、运行信息的种类和运行信息数据，所述第一输入数据和所述第二输入数据中的种类信息使用文字形式表示。7.根据权利要求6所述的硬件设备灵活更新迭代的物联网边缘智能实现方法，其特征在于，所述边设备将目标端设备和所述样板端设备对应的所...

【专利技术属性】
技术研发人员：宋佳骏，卢有飞，王嘉延，陆慧，梁雪青，洪慧君，索智鑫，任帅辉，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：