[发明专利]一种用于工业现场边云协同的数据分析系统及实现方法

权利要求书

1.一种用于工业现场边云协同的数据分析系统及实现方法，其特征在于：

所述数据分析系统由数据采集节点、边缘数据处理节点和云服务中心三部分构成。其中，数据采集节点搭载传感器或通用数据接口，实时采集工业现场数据；边缘数据处理节点使用一般性能CPU和轻量AI芯片，搭载分布式人工智能模型，对工业数据进行预处理和实时分析，得到分析结果，对结果进行实时显示，并将预处理后的数据和分析结果发送至云端；云服务中心使用高性能云主机，搭载大数据人工智能模型，汇总分布式边缘节点的分析结果和数据，依靠自身的高性能计算能力，通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新，另外对分析结果进行记录，并将分析结果通过网页直接展示给用户。

2.根据权利要求1所述的数据采集节点，其特征在于：

所述数据采集节点负责数据采集，安装于工业现场的设备上，具有体积小、功耗低、可靠性高的特点，包括控制模块、数据接口模块、通信模块和电源模块；所述控制模块选用性能和功耗较低的控制芯片，负责控制数据接口和通信模块；所述数据接口模块选用工业通用的数据接口，也可以选用传感器模块，数据接口模块的选择根据工业现场的数据采集需求而定；所述通信模块，其作用在于与边缘数据处理节点建立数据连接，将数据包发送至边缘数据处理节点，可采用无线或有线的通信方式。

3.根据权利要求2所述的数据包，其特征在于：

所述数据包内容包括数据包类型、数据包长度、数据类型、数据内容、数量单位和数据包结束标志，各类内容之间以“///”划分；其中数据包类型规定数据内容的类型，包括一段时间内采集的时间序列、单次采集数值、图片、视频等类型；数据包长度为整个数据包的长度，单位为Byte；数据类型声明所获取数据表示的物理量名称，如数量、电压、温度、光强等；数据内容根据类型不同设置不同的规定方式，方便边缘计算中心处理；数量单位标明所测数据使用的物理单位，如件、伏特、摄氏度等；数据包结束标志用来表明数据包的结束。

4.根据权利要求1所述的边缘数据处理节点，其特征在于：

所述边缘数据处理节点，首先对工业数据进行预处理，之后通过分布式人工智能模型完成工业数据的实时分析，得到分析结果，在本地对分析结果进行实时显示，并将处理后的数据和分析结果发送至云端；包括控制模块、AI模块、显示模块、边缘通信模块、互联网通信模块和电源模块；所述控制模块可使用性能较高的ARM芯片，负责控制AI模块和通信模块的运作；所述AI模块，可使用小型轻量化的AI芯片，用较强的计算能力支撑边缘智能算法的运行；所述显示模块，负责对边缘数据处理结果进行实时显示。所述边缘通信模块，负责与数据采集节点建立通信连接，可根据采集节点通信方式选择模块类型；所述互联网通信模块，负责为设备提供联网功能，并通过互联网实现与云服务中心的连接。

5.根据权利要求1所述的云服务中心，其特征在于：

所述云服务中心，协调控制多个边缘数据处理节点的数据上传，汇总分布式边缘节点的数据和分析结果，依靠自身的高性能计算能力，通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新；另外对分析结果进行记录，并将分析结果通过网页直接展示给用户；云计算中心使用高性能云主机，搭建数据库和服务器后台，集成协同算法，以实现上述功能。

6.根据权利要求1所述的边云协同方法，其特征在于：

所述数据分析系统首次工作时，边缘端搭载初始分布式人工智能模型，在工业现场完成数据预处理和数据分析，并将处理后的数据和分析结果上传云端；云端搭载深度学习或增量式人工智能模型，通过人工干预或智能判断的方式对结果进行修正，并以多个边端上传的数据和修正后的结果扩大训练数据集，定期训练边缘分布式模型并将新的模型下发至边缘端；边缘端装载新模型继续进行数据分析工作，并重复以上过程即可实现边缘分布式模型的持续更新和优化。