一种人工智能边缘计算决策控制器的制作方法

本发明涉及边缘计算，尤其涉及一种人工智能边缘计算决策控制器。

背景技术：

1、随着物联网和人工智能技术的快速发展，传统的云计算中心处理数据的方式已无法满足实时性和安全性的需求，特别是在工业自动化和智能城市等领域。边缘智能作为解决这一挑战的新兴技术，通过在数据源附近的边缘设备上执行数据处理和分析，显著降低了延迟、提高了响应速度，并增强了数据隐私保护。然而，在极端环境下应用边缘智能时，如何确保系统的稳定性、可靠性以及算法的实时性和准确性，成为了技术发展面临的主要挑战。

2、中国专利申请公开号为cn114037094a的专利文献公开了一种用于边缘计算的智能决策支持系统，包括：边缘数据采集模块，其用于采集设备的实时运行数据；数据存储模块，其用于接收并存储所述实时运行数据；知识模块，其存储有维护知识；决策模块，其用于分析所述实时运行数据，并判断设备是否存在故障，若存在，则根据故障类型从所述知识模块中选取维护知识，并根据维护知识生成维护方案。

3、由此可见，该系统中的知识模块实时数据分析灵活性差，存在知识更新不够及时的问题；且缺乏自动调整和优化监测参数的能力，在处理大规模或多样化的数据时存在局限性。

技术实现思路

1、为此，本发明提供一种人工智能边缘计算决策控制器，用以克服现有技术中因数据采集和处理的局限性导致设备监测和维护效率低下的问题。

2、为实现上述目的，本发明提供一种人工智能边缘计算决策控制器，包括：

3、数据采集模块，用以监测通信信号塔上预设高度范围内各螺栓处的实时温度、实时风速以及实时位移，以及，螺栓接触面处的实时凹陷面积和实时摩擦力；

4、人工智能处理模块，其与所述数据采集模块连接，用以根据预设转换模型调整所述实时温度、实时位移以及实时摩擦力，形成修正温度、修正位移以及修正摩擦力；

5、异常分析模块，其分别与所述数据采集模块和所述人工智能处理模块连接，包括用以根据所述修正温度和所述修正位移确定形变异常情况的形变异常单元、根据形变异常情况下预设异常确定时长内的全部所述修正摩擦力确定若干异常螺栓的异常确定单元，以及，用以根据预设要素时长内的全部所述异常螺栓的高度、所述实时风速以及所述修正凹陷面积确定若干异常螺栓的异常要素的要素确定单元；

6、决策控制模块，其分别与所述要素确定单元和所述数据采集模块连接，包括用以根据基于所述异常要素获取的预设决策时长内的全部所述修正位移和所述修正凹陷面积确定波动一致度的一致度确定单元、用以根据波动一致度和预设标准一致度范围调整所述预设高度范围直至波动一致度处于预设标准一致度范围内，以形成修正高度范围的修正单元，以及，用以根据波动一致度和预设标准一致度范围发出警报的警报单元。

7、进一步地，所述形变异常单元包括：

8、温度对比子单元，用以根据所述修正温度和预设标准温度的比较结果确定温度异常结果；

9、位移对比子单元，用以根据所述修正位移和预设标准位移的比较结果确定位移异常结果；

10、临时异常确定子单元，其分别与所述温度对比子单元和所述位移对比子单元连接，用以根据所述温度异常结果和所述位移异常结果确定形变异常情况。

11、进一步地，所述异常确定单元包括：

12、异常计算子单元，用以计算所述修正摩擦力的标准差，形成摩擦力标准差；

13、异常确定子单元，其与所述异常计算子单元连接，用以根据所述摩擦力标准差和预设摩擦力标准差阈值的比较结果确定若干异常螺栓。

14、进一步地，所述要素确定单元包括：

15、高度波动计算子单元，其用以计算所述高度的标准差，得到高度分布度；

16、风速影响确定子单元，其与所述高度波动计算子单元连接，用以根据所述高度分布度和预设高度标准分布度的比较结果确定风速影响结果；

17、要素确定子单元，其与所述风速区域确定子单元连接，用以根据基于所述风速影响结果获得的实时风速和所述修正凹陷面积确定所述异常要素。

18、进一步地，所述要素确定子单元包括：

19、风速梯度曲线绘制子任务单元，用以根据垂直方向上预设数量的所述异常螺栓处的全部实时风速绘制风速梯度曲线；

20、凹陷梯度曲线绘制子任务单元，用以根据垂直方向上所述预设数量的所述异常螺栓处的全部修正凹陷面积绘制凹陷梯度曲线；

21、匹配系数计算子任务单元，其分别与所述风速梯度曲线绘制子任务单元和所述凹陷梯度曲线绘制子任务单元连接，用以根据所述风速梯度曲线和所述凹陷梯度曲线计算相关系数，得到匹配系数；

22、要素确定子任务单元，用以根据所述匹配系数和预设系数阈值的比较结果确定所述异常要素。

23、进一步地，所述一致度确定单元包括：

24、位移波动度计算子单元，用以计算所述修正位移的标准差，得到位移波动度；

25、凹陷波动度计算子单元，用以计算所述修正凹陷面积的标准差，得到凹陷波动度；

26、一致度计算子单元，其分别与所述位移波动度计算子单元和所述凹陷波动度计算子单元连接，用以计算所述位移波动度和所述凹陷波动度的相关系数，得到波动一致度。

27、进一步地，所述修正单元包括：

28、修正计算子单元，用以根据所述波动一致度和所述预设标准一致度范围的最大值的确定修正上限差值；

29、修正判定子单元，其与所述修正计算子单元连接，用以根据所述修正上限差值和预设标准修正差值的比较结果判定需要修正所述预设高度范围的最大值，形成修正上限判定结果；

30、调整子单元，其与所述修正判定子单元连接，用以根据所述修正上限判定结果增大所述预设高度范围的最大值，形成修正高度范围。

31、进一步地，所述修正计算子单元还用以根据所述波动一致度和所述预设标准一致度范围的最小值的确定修正下限差值；

32、所述修正判定子单元还用以根据所述修正下限差值和预设标准修正差值的比较结果判定需要修正所述预设高度范围的最小值，形成修正下限判定结果；

33、所述调整子单元还用以根据所述修正下限判定结果减小所述预设高度范围的最小值，形成修正高度范围。

34、进一步地，所述警报单元用以根据所述修正上限差值和预设标准修正差值的比较结果发出立即检修所述螺栓的警报。

35、进一步地，所述警报单元还用以根据所述修正下限差值和预设标准修正差值的比较结果发出定期维护的警报。

36、与现有技术相比，本发明的有益效果在于，通过高度自动化和智能化的监测能力，不仅能够实时收集和分析通信信号塔螺栓的关键性能指标，而且通过先进的算法对数据进行深度处理，从而精准地识别出潜在的结构异常和风险。这种实时监控和预警机制显著提高了通信信号塔的维护效率和响应速度，减少了因结构故障导致的通信中断和设备损坏，保障了通信网络的稳定性和可靠性，同时，智能决策支持功能为维护人员提供了科学的决策依据，并通过预防性维护减少了紧急维修的需求，延长了通信信号塔的使用寿命，有效解决了因数据采集和处理的局限性导致设备监测和维护效率低下的问题。

37、进一步地，通过对温度和位移两个关键参数的实时比较和分析，可以更早地发现螺栓的潜在形变问题，从而采取预防措施，避免可能的结构损伤或故障。

38、进一步地，通过及时的异常检测，有助于快速准确地识别螺栓的异常状态，提高通信信号塔的维护效率和安全性。

39、进一步地，通过高度分布度的计算，可以掌握螺栓位置的波动情况，通过风速影响的评估，可以了解环境因素对螺栓状态的影响；最终通过综合分析确定异常要素，提高了螺栓异常检测的准确性和效率。

40、进一步地，通过绘制风速梯度和凹陷梯度曲线，可以直观地观察到螺栓在不同高度处的物理状态变化。匹配系数的计算为螺栓的异常状态提供了一个量化的指标，有助于更精确地识别和定位异常螺栓。

41、进一步地，通过计算相关系数来评估两者之间的一致性。波动一致度高意味着位移和凹陷面积的变化趋势相似，表明螺栓的行为符合预期或者受到相似因素的影响。相反，低波动一致度可能表明存在某些异常或者不一致的因素影响螺栓的行为，有助于及时发现潜在的结构问题，提高通信信号塔的安全性和稳定性。

42、进一步地，通过修正流程，可以确保通信信号塔螺栓的监测更加精确和适应性强。当螺栓的波动一致度高，表明其稳定性好，可以适当增大监测的高度范围，以减少不必要的干预和维护。反之，如果波动一致度低于预设标准，修正单元可以及时调整监测策略，提高监测的频率或严格性，确保螺栓的安全性。

43、进一步地，修正流程允许系统动态地调整监测参数以适应实际的螺栓状态，从而提高监测的准确性和效率。当螺栓的波动一致度高，表明其状态比预期的要好，系统可以减小监测的高度范围，以减少不必要的监测资源浪费。反之，如果波动一致度低于预期，系统可以增加监测的高度范围，以确保螺栓的稳定性和安全性。

44、进一步地，通过实时监控螺栓的关键参数并及时发出警报，可以最大程度地减少因螺栓问题导致的信号塔故障或事故。此外，这种自动化的警报系统可以降低人工监测的工作量和成本，提高维护工作的效率。

45、进一步地，通过设置警报单元来监控螺栓的修正下限差值，可以确保螺栓的稳定性和安全性得到及时的关注。这种警报机制有助于实现预防性维护，即在螺栓可能出现问题之前就进行维护，从而避免紧急故障和意外停机。