基于边缘计算的工业现场数据采集与实时异常检测控制系统设计.docxVIP

PAGE2

基于边缘计算的工业现场数据采集与实时异常检测控制系统设计

摘要

随着“工业4.0”与“中国制造2025”战略的深入推进，工业现场设备产生的数据量呈指数级增长，传统基于云计算的集中式处理模式在面对海量高频传感器数据时，往往面临高延迟、带宽瓶颈及隐私安全等严峻挑战。针对上述痛点，本课题设计并实现了一种基于边缘计算的工业现场数据采集与实时异常检测控制系统。该系统在工业网关侧部署边缘计算节点，通过轻量级异常检测算法，实现了数据的本地实时清洗、分析与报警，有效降低了云端压力并提升了系统响应速度。

本文首先分析了工业现场数据处理的现实需求，确立了系统需具备多协议兼容、低延迟处理及高可靠传输等核心指标。在总体设计阶段，构建了“端-边-云”协同的系统架构，将计算任务下沉至边缘侧，设计了包含数据采集模块、边缘计算引擎、异常检测模块及云端通信模块的软件系统。详细设计阶段，重点研究了基于滑动窗口统计特征与改进型孤立森林算法的轻量级异常检测模型，并针对嵌入式网关资源受限的特点进行了算法优化与裁剪。

系统实现阶段，基于ARM架构的工业网关硬件平台，采用Python与C语言混合编程方式完成了软件开发，实现了ModbusRTU/TCP协议数据的实时采集与解析。测试结果表明，系统在采样频率为1kHz的工况下，边缘端数据处理延迟低于50ms，异常检测准确率达到95%以上，且在断网环境下具备数据缓