工业物联网边缘计算应急任务卸载方法研究.pdfVIP

工业物联网边缘计算应急任务卸载方法研究

45

工业物联网利用物联网技术和信息化手段，以工业设备为核心，实现工业数据的

采集、传输、分析和应用，从而提高工业生产效率。在工业物联网中，工业设备产生

的任务需要进行大量计算。云计算可以为工业物联网提供充足算力，但其时延较高限

制了工业物联网技术性能的提升。边缘计算作为传统云计算的扩展和补充，将计算资

源部署到靠近工业智能设备的网络边缘，能够提高计算效率，降低任务时延，满足了

工业物联网在数据分析和实时控制等方面的需求。然而，工业物联网边缘网络面临着

诸多安全威胁，例如网络攻击、自然灾害和硬件设备故障等。这些潜在的安全威胁可

能让部分计算设备失效，使边缘网络资源受到限制。严重情况会导致工业系统无法正

常运行，从而造成巨大经济损失。如何设计高效的应急任务卸载策略使工业物联网边

缘网络最大程度的维持运行，成为了重要问题。为了解决此问题，本文针对资源受限

的工业物联网边缘计算任务卸载方法进行深入研究，分别对高并发任务应急卸载、任

务缓存优化、关键任务执行保障和应急资源分配等关键技术进行讨论。具体内容如下：

（1）针对资源受限情况下，高并发任务卸载效率低且应急任务卸载没有标准流程

的问题，提出了面向高并发工业任务的应急卸载方法。首先，该研究考虑应急事件从

发生到结束的全过程，根据业务功能与数据流向设计了多个模块，包括任务构造模块、

应急管理模块、应急任务卸载模块、数据分发模块和数据存储模块；然后，在应急任

务卸载模块中进行任务分类算法设计，提出基于路径时延分析的任务调度性预分类算

法。该算法在应急卸载前将任务进行分类，以便筛选出无需进行应急调度的任务，从

而提高应急任务卸载效率；最后，实验结果表明，极端情况下所提方法的任务完成率

比对照方法提高了29.6%，且任务时延降低了28.3%。

（2）针对资源受限情况下，边缘服务器缓存资源紧缺导致系统整体时延升高的问

题，提出了基于任务场景感知的任务缓存与卸载联合优化方法。首先，该方法将任务

缓存与卸载联合优化问题解耦为任务缓存和任务卸载两个子问题，并分别设计了优化

目标函数；然后，针对任务缓存子问题，设计了基于任务场景感知的任务缓存算法。

针对任务卸载子问题，设计了基于任务缓存结果和任务卸载偏好的任务卸载算法；最

后，通过实验证明所提方法的任务执行时间比对照方法最多降低了21.5%。

（3）针对资源受限情况下，关键任务的执行无法保障，系统难以维持基本运行的

问题，提出了基于云边端协同的应急任务队列调度方法。首先，设计了云边端协同的

I

哈尔滨工程大学博士学位论文

任务卸载架构，该架构充分考虑了系统关键任务的执行优先级；然后，该方法以总任

务执行时延与关键任务执行时延组成目标函数，使用快速化学反应优化算法进行求解；

最后，实验结果表明所提方法的平均任务实验比对照方法最多降低了15.9%，关键任

务完成率提高了8%。

（4）针对资源受限情况下，公有与私有属性资源调度过程复杂低效，且用户收益

难以保证的问题，提出基于联盟博弈的应急资源调度方法。首先，该方法对边缘云与

远程云的属性进行区分，将资源调度过程建模为联盟间的资源交易博弈；然后，将资

源交易划分为两个阶段，联盟间博弈阶段和用户-联盟博弈阶段。该方法分别对两阶段

中各方收益进行定量分析，并提出基于联盟博弈的两阶段拍卖算法求解最优交易策略，

同时证明了该交易过程存在纳什均衡解；最后，实验结果表明所提方法的任务交易时

间比对照方法最多降低32.6%，交易成功率最多提高了17%。

!#：工业物联网；边缘计算；应急任务卸载

II

工业物联网边缘计算应急任务卸载方法研究

Abstract

TheIndustrialInternetofThingsutilize