一种基于迁移学习的边缘数字孪生体部署方法技术

本发明专利技术提供一种基于迁移学习的边缘数字孪生体部署方法，包括以下步骤：利用KM算法制定新建工厂边缘服务器和现有工厂边缘服务器的匹配，利用模拟退火算法制定新建工厂内边缘服务器和IIoT设备的匹配；每个新建工厂内的边缘服务器与一个现有工厂边缘服务器匹配；将现有工厂边缘服务器中的神经网络模型传输到对应的新建工厂边缘服务器上；新建工厂内的边缘服务器将接收到的神经网络模型迁移到匹配的IIoT设备上，为IIoT设备构建神经网络模型；在新建工厂内，边缘服务器利用神经网络模型，结合IIoT设备上传的数据，为匹配的IIoT设备构建数字孪生体。本发明专利技术为缺乏数据的新建工厂部署边缘数字孪生体，在满足系统延迟的前提下为数字孪生体构建准确度较高的神经网络模型。

【技术实现步骤摘要】

本专利技术涉及工业物联网数字孪生领域，特别是基于迁移学习、kuhn-munkres算法和模拟退火算法的边缘数字孪生体部署方法；具体涉及一种基于迁移学习的边缘数字孪生体部署方法。

技术介绍

1、作为物联网(internet of things，iot)在制造业领域中的关键应用，工业物联网(industrial internet of things，iiot)的发展促进制造业向工业4.0转型；在工业物联网中，服务器连接大量移动数字iiot设备、生产机械和工业iiot设备，iiot设备不断产生丰富的数据和信息，使生产人员能够进行监控、系统维护和分析；实现对工业环境的动态感知和生产状态的实时监控是工业物联网发展的关键，然而生产车间内数量众多的异构iiot设备，复杂的工业状况以及动态变化的通信环境是通往该实现路上的重要难题；

2、数字孪生认为是解决这一难题的有效工具；数字孪生是现实世界中物理实体在数字空间中的虚拟镜像，实时反映物理实体的状态和变化；基于iiot设备历史信息和实时传感数据所构建的数字孪生体，准确且全面地映射生产制造的全过程，并通过ar、vr本文档来自技高网...

【技术保护点】

1.一种基于迁移学习的边缘数字孪生体部署方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，将边缘数字孪生体部署方法分为三部分：

3.根据权利要求2所述的方法，其特征在于，所述端-边匹配模型为：将新工厂边缘服务器n和IIoT设备进行匹配，匹配关系记为：

4.根据权利要求3所述的方法，其特征在于，所述边-边匹配模型为：将新工厂边缘服务器n和现有工厂边缘服务器l的匹配关系记为：

5.根据权利要求4所述的方法，其特征在于，为求解边-边匹配AE2E，采用KM算法搜索最优的边-边匹配AE2E；假设端-边匹配AE2D已知，则负载...

【技术特征摘要】

1.一种基于迁移学习的边缘数字孪生体部署方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，将边缘数字孪生体部署方法分为三部分：

3.根据权利要求2所述的方法，其特征在于，所述端-边匹配模型为：将新工厂边缘服务器n和iiot设备进行匹配，匹配关系记为：

4.根据权利要求3所述的方法，其特征在于，所述边-边匹配模型为：将新工厂边缘服务器n和现有工厂边缘服务器l的匹配关系记为：

5.根据权利要求4所述的方法，其特征在于，为求解边-边匹配ae2e，采用km算法搜索最优的边-边匹配ae2e；假设端-边匹配ae2d已知，则负载均衡b确定，边-边匹配问题是一个一对多匹配问题且优化目标为将边-边匹配模型转换为二分图最大完备匹配问题，定义该二分图的权值，采用km算法解决该匹配问题；

6.根据权...

【专利技术属性】
技术研发人员：蒋丽，李嘉柱，赖健鑫，钟泽涛，常乐，谢胜利，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：