【技术实现步骤摘要】
一种面向6G移动网络的数字孪生功能虚拟化方法
[0001]本专利技术涉及数字孪生
,尤其是涉及一种面向6G移动网络的数字孪生功能虚拟化方法。
技术介绍
[0002]随着5G移动网络的逐步退出,6G移动网络已逐渐崭露头角。6G网络被认为可以通过毫秒级延迟、超过100GB/s的数据传输速率和超高的可靠性来为许多创新服务(如自动驾驶、自动化生产和元宇宙)提供支持。然而,随着万物互联(IoE)的持续发展,未来移动网络往往更加密集,网络的微小变化也会导致宕机和故障。因此,6G网络需要预测性维护和快速的故障反应来保持最佳的移动网络运营。在这一背景下,数字孪生移动网络被认为有利于6G网络的开发和运营。数字孪生被认为是实现自演化复杂系统的一种有前景的技术。与数字孪生技术集成,数字孪生网络可以为6G移动网络提供连续原型开发、测试和优化,以更好地支持新兴的6G服务。移动网络设备在边缘网络侧的数字孪生体可以看作是一种特殊的资源,可以在数字孪生即服务(DTaaS)市场中交易。数字孪生资源的可交易性实现了在数字孪生移动网络中按需且个性化的数字孪生辅助的移动服务。然而,6G中移动设备和服务请求数量的增加给DTMN的服务需求响应带来了潜在的挑战。首先,频繁的DT迁移导致边缘数字孪生资源分布的变化,这对数字孪生资源管理和编排具有挑战性。其次,由于应用场景复杂,6G移动网络服务通常具有随机和动态的数字孪生资源需求。优化全局QoS和自适应地响应海量服务请求是具有挑战性的。因此,数字孪生移动网络中服务响应的性能被不同的边缘数字孪生资源分布和不可预测 ...
【技术保护点】
【技术特征摘要】
1.一种面向6G移动网络的数字孪生功能虚拟化方法,其特征在于,包括以下步骤:构建基于SDN的6G数字孪生功能虚拟化核心架构,所述架构由6G物理网络层、6G孪生网络层、数字孪生功能虚拟化层和6G服务层组成,其中,所述数字孪生功能虚拟化层使用集中式的SDN控制器提供6G孪生网络层中数字孪生资源的虚拟化管理并响应6G服务层提出的服务需求;基于6G物理网络层中的移动终端设备,在6G孪生网络层中构建异构的移动终端设备的基本数字孪生体,并建立基本数字孪生体与对应的移动终端设备的通信连接,保持二者实时同步;数字孪生功能虚拟化层将基本数字孪生体解耦成硬件资源和孪生体资源,并通过数据识别和模型结构分析,将具有最近相似度得分的资源放在相同的虚拟资源池中,基于虚拟资源池中的资源重构虚拟数字孪生体,实现数字孪生资源的虚拟化管理;当6G服务层提出服务需求时,数字孪生功能虚拟化层利用基于深度强化学习的虚拟化数字孪生资源编排算法对数字孪生资源进行最佳编排,以实时、自适应地响应具有动态需求的6G服务请求。2.根据权利要求1所述的一种面向6G移动网络的数字孪生功能虚拟化方法,其特征在于,所述6G孪生网络层包括边缘服务器,所述基本数字孪生体托管于边缘服务器上且随移动终端设备迁移。3.根据权利要求1所述的一种面向6G移动网络的数字孪生功能虚拟化方法,其特征在于,所述基本数字孪生体的功能包括数据同步、模型更新和物理控制功能,虚拟数字孪生体基于虚拟化资源重构并扩展了所述功能,其中,对于孪生数据同步功能,虚拟数字孪生体通过关联的基本数字孪生体之间的数据共享来实现,每一对基本数字孪生体的数据都会实时同步到其他被关联的基本数字孪生体中,从而实现了孪生数据同步功能的增强;孪生模型更新功能由被虚拟数字孪生体关联的所有基本数字孪生体共同进行,基本数字孪生体之间共享硬件资源来支持模型更新计算;孪生物理控制功能由虚拟数字孪生体为每个基本数字孪生体制定单独的控制决策实现。4.根据权利要求1所述的一种面向6G移动网络的数字孪生功能虚拟化方法,其特征在于,所述基于深度强化学习的虚拟化数字孪生资源编排算法包括以下步骤:S41:持续捕获边缘用户的动态服务需求,将数字孪生移动网络中的服务响应过程划分成若干时隙T={t1,t2,
…
,t
|T|
},并使用泊松过程描述服务请求到达;S42:在任意时隙t,部署在SDN控制器上的智能体相继为已到达的服务请求进行资源编排,其中,数字孪生移动网络中每一个到达的服务都会被分配一个虚拟数字孪生体进行需求响应;S43:智能体从环境中收集环境状态信息s
t
;S44:智能体按照既定策略将当前环境状态作为输入,为每一个虚拟数字孪生体选择边缘服务器上的基本数字孪生体进行关联,对于特定的虚拟数字孪生体请求,智能体每次输出一个边缘基本数字孪生体的序号a
t
并更新该虚拟数字孪生体的剩余资源请求,直到已关联的基本数字孪生体资源总量大于虚拟数字孪生体的资源请求量时视为编排结束;
S45:智能体在做出编排动作之后,计算在该动作下的服务成本和服务收益,其中,所述服务成本包括孪生数据同步成本、孪生关联成本和服务器运营成本;S46:智能体根据服务成本和服务收益,计算当前动作下的奖励:r(s
t
,a
t
)=w0E
s
‑
(w1C
syn
+w2C
aso
+w3C
opt
)其中,w0,w1,w2,w3为权重,E
s
为服务收益,C
syn
为孪生数据同步成本,C
aso
为孪生关联成本,C
opt
为服务器运营成本;S47:智能体根据预配置时间间隔内采集的由状态、动作、奖励构成的经验(S,A,R),使用AM
‑
PPO算法进行在线策略更新,策略更...
【专利技术属性】
技术研发人员:林夕,伍军,陶祎航,申小朋,
申请(专利权)人:工博士机器人技术有限公司,
类型:发明
国别省市:
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。