具有边缘缓存与计算特性的新型工业互联网关键方法研究

As a key infrastructure supporting the development of industrial intelligence, Industrial Internet has received great attention from academia and industry. The network architecture has also brought new challenges since the huge number of machine-type communication devices (MTCDs) and the amount of data to transfer or computing. The technology of mobile edge computing (MEC) can create a network environment service of high-performance and low-latency by bringing computing and storage closer to edge of network. Therefore, in this project, we will introduce MEC into Industrial Internet, and focus on network model and key methods that supporting network edge caching and computing, the main research contents are listed as follow. At first, based on the users’ characteristics of Industrial Internet, this project is intended to design the Industrial Internet scenarios that support MEC, and build the network architecture model that has the function of edge caching and computing. Then, according to the network state, and centred on some sensitive issues in Industrial Internet such as network access, data transmission, latency of caching and computing, energy efficiency, etc., this project will theoretically analyze the main performance indicators in the Industrial Internet. Besides, based on the proposed main performance indicators, this project will jointly optimize the resource of networking, caching and computing in Industrial Internet, to realize the dynamic resource management. This project will form a whole of network model architecture design, system performance analysis and method of resource optimization allocation for the Industrial Internet, and provide forward-looking theoretical basis and technical support for the development of Industrial Internet.

工业互联网作为支撑工业智能化发展的关键基础设施，受到学术界与工业界广泛关注。其庞大的用户数和数据传输计算量给网络架构带来新的挑战。移动边缘计算技术通过将计算和存储拉近到网络边缘，可创造高性能、低延迟的服务环境。因此，本项目拟将移动边缘计算引入工业互联网，重点研究支持网络边缘缓存与计算的工业互联网模型及关键方法，主要包括：首先，拟对支持移动边缘计算的工业互联网场景进行设计，构建具有边缘缓存与计算功能的网络架构模型；其次，基于网络状态并围绕工业互联网中网络接入、数据传输、缓存与计算时延及系统能效性等敏感问题，拟对工业互联网的核心性能指标进行理论分析；最后，以性能指标分析为基础，拟对工业互联网中的网络、缓存与计算资源进行联合优化，实现资源的动态管理。本项目将面向工业互联网从理论上形成一套完整的网络模型架构设计、系统性能分析和资源优化分配方法，为工业互联网的发展提供具有前瞻性的理论依据和技术支撑。

本项目在执行期间，针对工业互联网应用场景，围绕软件定义网络、网络功能虚拟化、移动边缘计算以及无人机辅助的数据缓存和计算等开展了相关研究工作，分别提出了融合网络功能虚拟化和软件定义网络的工业互联网系统模型研究、基于强化学习的工业互联网计算资源卸载策略研究、融合移动边缘计算和区块链的工业互联网计算资源智能调度策略研究以及移动边缘计算和无人机辅助的工业互联联网计算与缓存资源优化调度方法研究等工作。. 首先，针对海量用户数的工业互联网场景，本项目引入软件定义网络和网络功能虚拟化技术，并提出了一种基于部分可观测马尔科夫决策过程和反馈控制策略的随机接入与虚拟资源分配优化方法，通过动态调整虚拟网络间资源块的数量，从而满足工业设备用户网络接入速率的需求，研究成果为工业互联网资源部署提供了有效的理论支撑。其次，本项目研究了基于强化学习的工业互联网计算资源卸载策略方案，通过提出一种面向工业互联网的数据计算任务卸载系统架构，并结合强化学习方法调整计算资源配置，获得可服务于工业互联网系统计算卸载的智能调度优化方法。再次，利用深度强化学习理论，本项目进一步考虑了融合移动边缘计算和区块链的工业互联网计算资源智能调度策略，提出了一种融合移动边缘计算和区块链的工业互联网系统架构模型，以降低系统计算开销和提升数据安全可靠性作为优化目标，并采用更适合高维场景的深度强化学习方法对所建优化问题进行迭代求解。最后，本项目提出了一种基于移动边缘计算和无人机辅助的工业互联网系统模型，通过无人机将收集到的任务进行辅助缓存和计算，从而有效降低数据处理的时延。. 截至项目结题，项目组发表了高水平学术论文24篇，其中SCI检索论文9篇，EI检索论文11篇，中文核心期刊论文2篇；申请国家发明专利12项，已授权4项；申请并获批软件著作权4项；青年教师晋升副高级职称2人，协助培养博士研究生2人，硕士研究生9人。按照项目计划书的要求，已按时完成预期任务。