【技术实现步骤摘要】
本专利技术涉及智能楼宇监控，尤其涉及基于边缘计算的嵌入式智能楼宇监控系统及监控方法。
技术介绍
1、随着嵌入式技术，通讯技术和数字图像技术的发展和人民生活水平的提高，人们对居住环境的要求也向着安全舒适、智能化和自动化的方向发展，智能楼宇监控系统可有效的提高人员居住过程中的安全性，其越来越受到人们的欢迎，现有技术中的嵌入式智能楼宇监控系统，其在使用过程中存在以下不足：1、在数据传输过程中，存在有因数据量较大，导致网络延迟的情况，从而可能导致数据传输的延迟和速度受限，影响实时监控和响应能力；2、缺少对边缘设备进行实施监控的功能，在边缘设备出现故障时不能够自动及时修复并提醒人员，进而存在因边缘设备故障导致监控工作停滞的情况，不能满足使用需求，综合上述情况，因此我们提出了基于边缘计算的嵌入式智能楼宇监控系统及监控方法。
技术实现思路
1、基于
技术介绍
存在的技术问题，本专利技术提出了基于边缘计算的嵌入式智能楼宇监控系统及监控方法。
2、本专利技术提出的基于边缘计算的嵌入式智能楼宇监控系统，包括与边缘设备相配合的边缘计算网关和中心服务器，所述边缘计算网关包括数据处理和分析模块、报警通知模块、设备管理监测模块、故障排查模块、边缘缓存压缩模块、智能任务调度模块以及数据分流和优化模块；
3、所述中心服务器包括远程监控模块和数据储存模块；
4、所述数据处理和分析模块连接有云储存端，数据处理和分析模块与设备管理监测模块、故障排查模块、边缘缓存压缩模块以及智能任务调度模
5、所述报警通知模块与故障排查模块相连接，设备管理监测模块与边缘设备相连接；
6、所述智能任务调度模块与数据分流和优化模块相连接，数据分流和优化模块与中心服务器相连接。
7、优选地，所述数据处理和分析模块负责对采集到的数据进行处理、分析和挖掘，其包括实时数据处理、异常检测、行为分析、预测分析等功能，其可以基于边缘计算进行部署，减少对中心服务器的依赖；所述设备管理监测模块用于对边缘设备进行远程管理和配置，实时监测设备的状态，包括连接状态、温度、功耗等，来了解设备的运行情况，同时还用于对边缘设备监控的信息进行采集，并将采集的数据储存在云储存端，从而减轻边缘计算网关的负担。
8、优选地，所述报警通知模块用于检测异常情况，可以设定阈值和规则，当设备的运行状态超过预设的阈值或发生故障时，自动触发报警通知，其可以通过短信、邮件、推送等方式提醒相关人员，以便及时处理设备故障或其他异常情况，其使用阈值检测函数自动触发报警同时，其表达式为：checkthreshold(value,threshold)，其中value代表需要进行阈值检测的值，如设备的温度、湿度等；threshold表示预设的阈值，需要检测是否超过阈值时，若value>threshold，则返回true表示超过阈值，若value<＝threshold，则返回false表示未超过阈值；需要检测是否低于阈值时，若value<threshold，则返回true表示低于阈值，若value>＝threshold，则返回false表示未低于阈值。
9、优选地，所述故障排查模块可以集成故障排查机制，自动检测故障原因，并尝试自动解决故障，其在解决故障时，可通过重启设备、软件补丁更新等自动化方式解决常见的故障，其中故障排查机制可以采用远程诊断函数：remotediagnostic(deviceid)，远程通过网络连接到故障设备，进行诊断和故障排查，可以使用ssh、远程桌面等协议进行远程连接，执行命令、查看日志等操作，同时使用故障定位函数：locatefailure(deviceid)，根据设备的状态信息、日志记录、故障模式等，尝试定位故障发生的具体位置或模块，并使用自动修复函数：autorepair(deviceid)：对于一些常见的故障类型，可以尝试通过自动化方式进行修复，其修复的方法包括重启设备、重新加载固件和应用软件补丁等的一种。
10、优选地，所述边缘缓存压缩模块在边缘设备上使用缓存技术，将频繁访问的数据存储在本地，以减少与中心服务器的通信频率，同时使用数据压缩算法缩小传输的数据量大小，提高网络传输效率，其中数据压缩算法使用压缩比计算函数进行计算，计算压缩比，即压缩前后数据大小的比值，其表达式为compression_ratio＝input_size/compressed_size，其中input_size表示压缩前的数据大小，即原始数据的大小，compressed_size表示压缩后的数据大小，即压缩后的数据的大小，通过计算这两个数值的比值，可以得到压缩比，较高的压缩比表示数据被有效地压缩，占用的存储空间较小。
11、优选地，所述智能任务调度模块使用智能任务调度算法，在边缘设备和中心服务器之间合理分配任务和计算资源，降低网络传输的负载和延迟，其使用到的函数为资源利用率函数，其表达式为：resourceutilization(resource)＝f(resource)，其中resource是资源对象，f(resource)是根据资源的使用情况进行计算的函数；
12、同时将部分决策和处理任务下放到边缘设备上进行，并通过边缘智能算法对数据进行实时处理和分析，只将重要的结果传输到中心服务器，减少对中心服务器的依赖，中心服务器通过数据储存模块对收到的重要信息进行储存，并通过远程监控模块进行监控。
13、优选地，所述数据分流和优化模块可针对实时监控场景，将视频流分割为多个小块进行传输，以减少单次传输的数据量和延迟，同时，使用流媒体传输协议和优化技术，可以提高视频流的传输效率和实时性，其中优化模块使用数据分割算法fragment data(data,fragment size)，可以根据指定的分割大小(fragment size)，将原始数据(data)分割成多个等大小或不等大小的数据块。
14、本专利技术还提出了基于边缘计算的嵌入式智能楼宇监控方法，包括以下步骤：
15、s1：通过边缘计算网关实现边缘设备与中心服务器之间的连接；
16、s2：设备管理监测模块对边缘设备进行远程管理和配置，他那个是对监控的信息进行采集，并实时监测设备的状态，并将数据传递给数据处理和分析模块对数据进行分析；
17、s3：通过数据处理和分析模块分析出故障的设备，并通过故障排查模块分析出设备故障的原因并尝试自动解决故障，若故障无法解决则通过报警通知模块提醒人员；
18、s4：通过边缘缓存压缩模块使用缓存技术，将频繁访问的数据储存在本体，以减小与中心服务器的通信频率，并使用数据压缩算法缩小传输的数据大小；
19、s5：智能任务调度模块通过边缘智能算法对数据进行实时处理和分离，并对数据任务进行合理分配，将重要的结果传输到中心服务器，中心服务器对传输的数据进行监控和储存；
20、s6：数据分流和优化模块针对实时监控场景，将视频流本文档来自技高网...
【技术保护点】
1.基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，包括与边缘设备相配合的边缘计算网关和中心服务器，所述边缘计算网关包括数据处理和分析模块、报警通知模块、设备管理监测模块、故障排查模块、边缘缓存压缩模块、智能任务调度模块以及数据分流和优化模块；
2.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述数据处理和分析模块负责对采集到的数据进行处理、分析和挖掘，其包括实时数据处理、异常检测、行为分析、预测分析等功能，其可以基于边缘计算进行部署，减少对中心服务器的依赖；所述设备管理监测模块用于对边缘设备进行远程管理和配置，实时监测设备的状态，包括连接状态、温度、功耗等，来了解设备的运行情况，同时还用于对边缘设备监控的信息进行采集，并将采集的数据储存在云储存端，从而减轻边缘计算网关的负担。
3.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述报警通知模块用于检测异常情况，可以设定阈值和规则，当设备的运行状态超过预设的阈值或发生故障时，自动触发报警通知，其可以通过短信、邮件、推送等方式提醒相关人员，以便及时处理设备故
4.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述故障排查模块可以集成故障排查机制，自动检测故障原因，并尝试自动解决故障，其在解决故障时，可通过重启设备、软件补丁更新等自动化方式解决常见的故障，其中故障排查机制可以采用远程诊断函数：remoteDiagnostic(deviceID)，远程通过网络连接到故障设备，进行诊断和故障排查，可以使用SSH、远程桌面等协议进行远程连接，执行命令、查看日志等操作，同时使用故障定位函数：locateFailure(deviceID)，根据设备的状态信息、日志记录、故障模式等，尝试定位故障发生的具体位置或模块，并使用自动修复函数：autoRepair(deviceID)：对于一些常见的故障类型，可以尝试通过自动化方式进行修复，其修复的方法包括重启设备、重新加载固件和应用软件补丁等的一种。
5.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述边缘缓存压缩模块在边缘设备上使用缓存技术，将频繁访问的数据存储在本地，以减少与中心服务器的通信频率，同时使用数据压缩算法缩小传输的数据量大小，提高网络传输效率，其中数据压缩算法使用压缩比计算函数进行计算，计算压缩比，即压缩前后数据大小的比值，其表达式为compression_ratio＝input_size/compressed_size，其中input_size表示压缩前的数据大小，即原始数据的大小，compressed_size表示压缩后的数据大小，即压缩后的数据的大小，通过计算这两个数值的比值，可以得到压缩比，较高的压缩比表示数据被有效地压缩，占用的存储空间较小。
6.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述智能任务调度模块使用智能任务调度算法，在边缘设备和中心服务器之间合理分配任务和计算资源，降低网络传输的负载和延迟，其使用到的函数为资源利用率函数，其表达式为：resourceUtilization(resource)＝f(resource)，其中resource是资源对象，f(resource)是根据资源的使用情况进行计算的函数；
7.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述数据分流和优化模块可针对实时监控场景，将视频流分割为多个小块进行传输，以减少单次传输的数据量和延迟，同时，使用流媒体传输协议和优化技术，可以提高视频流的传输效率和实时性，其中优化模块使用数据分割算法fragment Data(data,fragment Size)，可以根据指定的分割大小(fragment Size)，将原始数据(data)分割成多个等大小或不等大小的数据块。
8.基于边缘计算的嵌入式智能楼宇监控方法，其特征在于，包括以下步骤：
9.根据权利...
【技术特征摘要】
1.基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，包括与边缘设备相配合的边缘计算网关和中心服务器，所述边缘计算网关包括数据处理和分析模块、报警通知模块、设备管理监测模块、故障排查模块、边缘缓存压缩模块、智能任务调度模块以及数据分流和优化模块；
2.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述数据处理和分析模块负责对采集到的数据进行处理、分析和挖掘，其包括实时数据处理、异常检测、行为分析、预测分析等功能，其可以基于边缘计算进行部署，减少对中心服务器的依赖；所述设备管理监测模块用于对边缘设备进行远程管理和配置，实时监测设备的状态，包括连接状态、温度、功耗等，来了解设备的运行情况，同时还用于对边缘设备监控的信息进行采集，并将采集的数据储存在云储存端，从而减轻边缘计算网关的负担。
3.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述报警通知模块用于检测异常情况，可以设定阈值和规则，当设备的运行状态超过预设的阈值或发生故障时，自动触发报警通知，其可以通过短信、邮件、推送等方式提醒相关人员，以便及时处理设备故障或其他异常情况，其使用阈值检测函数自动触发报警同时，其表达式为：checkthreshold(value,threshold)，其中value代表需要进行阈值检测的值，如设备的温度、湿度等；threshold表示预设的阈值，需要检测是否超过阈值时，若value>threshold，则返回true表示超过阈值，若value<＝threshold，则返回false表示未超过阈值；需要检测是否低于阈值时，若value<threshold，则返回true表示低于阈值，若value>＝threshold，则返回false表示未低于阈值。
4.根据权利要求1所述的基于边缘计算的嵌入式智能楼宇监控系统，其特征在于，所述故障排查模块可以集成故障排查机制，自动检测故障原因，并尝试自动解决故障，其在解决故障时，可通过重启设备、软件补丁更新等自动化方式解决常见的故障，其中故障排查机制可以采用远程诊断函数：remotediagnostic(deviceid)，远程通过网络连接到故障设备，进行诊断和故障排查，可以使用ssh、远程桌面等协议进行远程连接，执行命令、查看日志等操作，同时使用故障定位函数：locatefailure(deviceid)，根据设备的状态信息、日志记录、故障模式等，尝试定位故障发生的具体位置...
【专利技术属性】
技术研发人员：陈杞城，
申请(专利权)人：厦门狄耐克智能科技股份有限公司，
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。