工厂内网中基于数据融合动态建模的需求预测网络资源分配

Flexible and efficient factory intranet technology is an important network foundation for realizing intelligent manufacturing goals. The current static configuration and rigid organization of the factory intranet is difficult to meet the intelligent production needs of future user customization and flexible production, and the academic field lacks targeted research accumulation. This project focuses on resource demand prediction, and studies the efficient solution of network resource allocation in the factory intranet: 1. Using the strong correlation of industrial data, breaking through the limitations of existing demand prediction methods using single data, using industrial database offline analysis and online adaptive sampling, online multi-layer linear structure parameter estimation, research on data fusion dynamic modelling method for real-time high-precision prediction of network resource demand in factory intranet; 2. Based on the demand prediction result of the data fusion dynamic model, aiming at the inter-device differences and high dynamics of network resource demand in factory intranet, using rolling time domain resource allocation optimization, researching network resource pre-allocation mechanism, dynamic priority adjustment mechanism, improving resource allocation flexibility and resource utilization efficiency; 2. Aiming at the error in demand prediction, research on the robust performance guarantee mechanism and error feedback correction mechanism for resource allocation in high reliability factory intranet. The project will provide a set of efficient resource allocation theories and methods for the new generation of plant intranet technology.

灵活高效的工厂内网络技术是实现智能制造目标的重要网络基础，当前工厂内网静态配置、刚性组织的方式难以满足未来用户定制、柔性生产等智能生产需要，学术领域也缺乏针对性的研究积累。本项目以资源需求预测为核心，研究工厂内网中的网络资源分配高效解决方案，包括：1）利用工业数据的强关联性，突破现有需求预测方法使用单一数据的局限，采用工业数据库离线分析与在线自适应采样、多层线性结构在线参数估计，研究面向工厂内网中网络资源需求实时高精度预测的数据融合动态建模方法；2）基于数据融合动态模型的需求预测结果，针对工厂内网中网络资源需求的设备间差异和高动态性特点，采用滚动时域资源分配优化，研究网络资源预分配机制、动态优先级调整机制，提高资源分配灵活性和资源利用效率；3）针对需求预测误差，研究面向高可靠性工厂内网的资源分配鲁棒性能保障机制、误差反馈矫正机制。项目将为新一代工厂内网技术提供一整套高效资源分配理论与方法。

灵活高效的工厂内网技术是实现智能制造目标的重要基础，其中大数据技术和资源分配问题是两个十分重要的研究方向，本项目针对这两个方向展开了一系列研究。首先，针对工业内网场景中的多源数据融合实时建模问题，本项目研究了一种基于多层线性结构的多变量在线系统辨识算法，与现有在线建模算法相比，该算法具有较好的收敛性和较高的精度。其次，本项目对工业场景中的资源分配需求进行了调查研究，根据实际需求和文献调研结果，具体研究了两类资源分配问题：1）可充电传感器网络的能量分配问题，提出了两种面向可充电传感器网络中随机事件检测的帕累托最优能量分配算法；2）劳动密集型产业流水车间的人力资源调度问题，提出了一种基于离散化藤壶交配优化算法的稳定高效人力资源调度算法。再次，针对工厂内网中普遍存在的工业无线网络可靠性传输问题，本项目研究了一种具有概率可靠性保障的确定性异步调度算法，该算法消除了硬件成本较高、通信开销较大的网络同步需求，并且与现有异步调度算法相比在传输可靠性方面有明显的提高。此外，本项目在研究过程中遇到了合作企业具有较多的工业大数据及工业人工智能算法的研究需求，针对这些需求本项目也进行了一些研究，取得的成果包括：一种面向复杂背景图像中缺陷检测的基于像素级自适应多尺度特征融合的缺陷检测算法；一种基于反向传播神经网络和改进麻雀搜索算法的光谱反射率重建算法；一种针对非常规尺寸瑕疵的瓷砖表面瑕疵检测算法。