一种应用于刀具预测性维护领域的任务卸载方法技术

本发明专利技术涉及数控制造领域，具体的说是一种应用于刀具预测性维护的边缘计算任务卸载方法

【技术实现步骤摘要】
一种应用于刀具预测性维护领域的任务卸载方法


[0001]本专利技术属于刀具的预测性维护领域，涉及到边缘计算任务卸载问题，具体的说是一种应用于刀具预测性维护领域的任务卸载方法
。

技术介绍

[0002]在机床加工过程中，刀具作为加工过程的直接执行者，其健康状态直接影响加工的质量和精度
。
刀具的磨损有许多可能的干扰因素，每一种刀具都有特定的磨损曲线
。
在传统切削加工过程中，主要依靠加工人员主观经验判断刀具磨损情况进行换刀，这会造成刀具磨损量未超过正常磨损范围却被卸下，或刀具剧烈磨损却未更换刀具的情况
。
随着边缘计算
、
人工智能等技术的快速发展，以深度神经网络
(DNN)
为代表的机器学习算法被广泛应用于刀具的磨损诊断及预测
。
[0003]目前，边缘计算任务卸载方法是将复杂的
DNN
模型部署到计算资源有限的车间设备上的主要方式之一
。
在刀具预测性维护领域，降低时延是现有任务卸载策略的主要目标，得到了学者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于刀具预测性维护领域的任务卸载方法，其特征在于，包括以下步骤：基于神经网络构建刀具磨损诊断与预测模型，并基于神经网络层次结构划分不同的子任务；根据子任务之间的切分点，将子任务卸载到边缘节点和边缘服务器中，构建系统模型；计算各候选切分点对应的服务器最大可接入节点数量；根据系统模型计算各候选切分点对应的吞吐率；在满足吞吐率要求的同时，选择服务器可接入节点数最大的切分点，得到卸载策略
。2.
根据权利要求1所述的一种应用于刀具预测性维护领域的任务卸载方法，其特征在于，所述根据子任务之间的切分点，将子任务卸载到边缘节点和边缘服务器中，具体为：将切分点之前的子任务在边缘节点执行，将切分点之后的子任务卸载到服务器，边缘节点并行执行子任务，服务器串行执行子任务，边缘节点和边缘服务器为多对一关系
。3.
根据权利要求1所述的一种应用于刀具预测性维护领域的任务卸载方法，其特征在于，所述系统模型包括：边缘节点执行时延
t
node
、
边缘服务器执行时延
t
server
和数据在节点与服务器间传输时延
t
tran
：：
t
tran
＝
D
i
/B log2(1+p
i
|h
i
|2/
σ2)
其中：
R
i
为第
i
个子任务，
i
＝1，2，
...
，
n
，
j
为切分点，
f
node
(R
i
)
与
f
server
(R
i
)
分别表示边缘节点和边缘服务器执行子任务
R
i
的时延预测模型，
D
i
表示子任务
R
i
执行...

【专利技术属性】
技术研发人员：郭锐锋，王楚婷，胡毅，于皓宇，张曦阳，刘国泰，
申请(专利权)人：沈阳中科数控技术股份有限公司，
类型：发明
国别省市：