基于雾计算的智能工厂网络资源调度策略研究

作     者：曾鹏 

作者单位：北京邮电大学 

学位级别：硕士

导师姓名：赵成林

授予年度：2020年

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 13[艺术学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主      题：智能工厂 雾计算 网络资源调度 任务卸载 动态优先级 

摘      要：近年来,智能工厂已成为最热门的工业概念之一。此外,工业物联网的发展也为智能工厂注入了新的活力。智能工厂的部署要求其网络架构具备数据实时通信、任务及时处理以及网络设备灵活编排的能力。然而,传统的基于云计算的智能工厂网络架构没有充分利用智能工厂中现有的网络资源,并且远距离的传输也导致了较高的传输时延。因此,以云计算为基础的工业物联网络无法再满足智能工厂中时延敏感任务对时延的需求。而雾计算的出现弥补了云计算的缺点,其通过将任务的处理迁移到靠近设备侧进行,拉近了物联网的终端设备数据与云中心之间的存储、传输和计算。通过利用雾计算架构的计算边缘化、编排灵活、分布式以及异构性等特点,能够更好地满足智能工厂中的各类应用,例如智能生产、设备预警、生产原料优化以及弹性工厂等。本文针对智能工厂网络架构中的关键问题,通过分析智能工厂应用的特点和需求,提出了一种基于雾计算的智能工厂网络架构,并且详细地介绍了该架构的结构及其网络管理方式。此外,基于提出的架构,为了降低任务处理时延、提高雾计算网络资源利用率,本文根据智能工厂中的网络资源(包括计算资源、存储资源、通信资源等)状态以及任务参数,提出了两种雾计算网络资源调度方案,即基于动态优先级的实时任务调度方案以及基于排队论的非实时任务调度方案。其中,实时任务调度方案是针对任务环境复杂、任务到达率变化频繁的工厂作业场景而设计的,此方案提出了一种动态优先级模型用作雾节点执行任务的机制,并且提出了一种持续性的任务卸载策略,该策略通过实时监控网络资源状态定期执行卸载策略,建立以任务最小处理时延以及任务完成总价值作为目标的动态任务卸载模型,并使用NSGA-II算法对模型进行求解,从而得到最佳任务卸载策略。而非实时任务调度方案是针对任务到达率平稳的工厂作业场景下设计的,该方案通过排队理论对网络资源状况以及任务处理进行建模,以最小时延为目标建立静态任务卸载模型,并通过提出的改进的离散猴群算法进行求解。通过实验证明,提出了两种任务调度方案在各自的应用环境下都有很好的适用性和有效性。最后,本文基于提出的两种任务调度方案,针对到达率平稳的任务以及到达率变化频繁的任务共存的作业环境,提出了一种基于资源预留策略的任务调度方案。该方案利用虚拟化技术为工厂提供弹性的计算、存储资源,将网络资源合理地划分为两部分,一部分用于到达率平稳任务的处理调度,另一部分用于到达率变化频繁任务的调度。仿真证明该方案可以充分利用智能工厂网络资源,极大程度地降低了任务处理时延,提高了网络架构对任务流的承载能力。