【2021EdgeX中国挑战赛精选】智慧水文,基于新华三蜂巢边缘系统(HES)的创新应用

EdgeX中文社区 2022-03-24 15:23:31

近年来随着物联网设备激增,大量异构设备产生的数据量呈指数级扩大,给从端到云的数据量传输带来巨大带宽压力,使云计算的集中处理不堪重负。云计算在业务实时响应、数据安全等方面已无法满足行业现场的业务需求。

 

通过分析行业现场数字基础设施需求,面向场景感知、实时决策和预测分析等业务场景,新华三提出了基于数字化技术融合的行业边缘智能技术方案。即基于云边协同部署边缘应用,同时边缘提供AI算力和本地物联接入,将云原生能力拓展到行业现场,使能边缘业务落地。新华三的方案恰好与EdgeX的云边协同的突出优势相契合,此次2021EdgeX中国挑战赛,新华三特意组织了HES物联边缘计算团队携相关应用案例参与比赛。

本次参赛的项目是基于新华三蜂巢边缘系统(HES)的智慧水文方案,本方案通过新华三绿洲物联系统和蜂巢边缘系统(HES),结合HES Agent软件实现对水位、雨量等水文信息的监控,同时结合摄像头和边缘网关上的AI处理能力实现对危险区域人员监控和水上漂浮物识别等创新应用。

 

(图示:方案结构图)

 

传统水利行业都是通过RTU直接采集传感数据上报给水文中心站,采集的数据也仅限于雨量、水位、流速等传统的水文信息,通过新华三蜂巢边缘系统(HES)可以支撑起对传统的方案进行创新改造,不仅能够采集传统的水文信息,而且还可以通过对摄像头采集的视频数据进行推理,识别一些如水上漂浮物、电子围栏、人员监测等创新的方案应用。同时通过HES平台的云边协同,可以实现对不同水利场景进行动态的方案应用,并实现推理模型的动态更新。方案包含如下主要功能:

  • 边缘节点管理

通过蜂巢边缘系统(HES)动态生成安装脚本并一键安装HES Agent软件实现边缘节点的纳管,同时对边缘节点的运行状态、应用信息、边缘接入设备、函数运行情况、节点日志信息进行监控。

 

  • 边缘应用管理

通过蜂巢边缘系统(HES)可动态下发容器应用,并对容器运行状态进行监控,同时可支持远程控制容器的启停、升级等操作。

  • 水文信息采集&监控

通过蜂巢边缘系统(HES)配置Modbus终端属性和协议信息,并在IG580边缘智能网关上使用Modbus采集水文终端数据,通过数据的云边协同在智慧水务应用中统一呈现。

  • 危险区域人员监测等AI处理

IG580边缘智能网关基于intel 酷睿i3 CPU,内置GPU功能,提供3Tops算力,可支持在IG580设备上接入摄像头,通过并对视频流进行推理识别并在智慧水务应用中统一呈现。本地智能AI应用可基于容器的方式通过蜂巢边缘系统动态下发运行并对其进行监控。同时后续可通过蜂巢边缘系统动态更新本地应用模型,实现模型的迭代升级。

 

新华三智慧水文方案是基于新华三绿洲物联系统和蜂巢边缘系统(HES)的应用方案之一,新华三绿洲物联系统和蜂巢边缘系统(HES)是物联接入和边缘接入的基础平台,以开放的架构南向对接多协议终端,北向统一接口为应用提供数据支撑。后续计划移植使用EdgeX接入服务集中的onvif服务。新华三也期待后续能够在AIOT方面能够得到EdgeX更多的支持,比如intel openvino和EII平台的使用和内部原理,还有EdgeX的onvif服务以及AI应用模型的动态更新等功能。

 

智慧水文方案是EdgeX在水利水务行业的成功尝试,凭借这一创新突破,新华三HES物联边缘计算团队获得2021EdgeX中国挑战赛的行业影响力大奖。

 

面向未来,智慧水利的立体化监测、精准化管理、规范化监督、智能化决策和便捷化服务等业务创新都需要广泛的数字化技术支撑,新华三将在智慧水利的创新和发展上持续领航前行,依托“数字大脑”实现数字化和物联网技术与水利水务建设场景的深化融合,在“数字中国”的布局和推进之下,全面助力智慧水利的高质量发展,期待与更多的合作伙伴一起共建物联生态。

 

 

 

 

 

...全文
9580 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文介绍了如何利用 GitHub Copilot 辅助进行程序调试与 Bug 分析,强调 Copilot 不仅可用于代码生成,更是强大的代码分析与调试工具。文章详细阐述了 Copilot 在调试复杂问题、老旧项目维护和难以复现 Bug 场景下的优势,提出了“先分析、再修改”的四步流程:分析原因→评估风险→提出方案→修改代码,并推荐结合错误日志、用户操作等信息精准提问,提升 AI 回答质量。同时展示了如何通过 Copilot 增强调试能力,如自动加日志、异常保护、生成测试数据和性能分析。最后通过游戏拾取系统的实际案例,说明如何结构化描述问题以获得有效反馈。; 适合人群:具备一定开发经验,正在参与项目调试或维护工作的程序员,尤其是面对复杂逻辑、历史代码或难复现 Bug 的 1-3 年开发者;也适合希望提升 AI 协作能力的技术人员。; 使用场景及目标:①快速定位偶发性崩溃、数据异常等问题根源;②理解无文档或结构混乱的老代码模块;③优化调试流程,借助 AI 生成诊断建议、修复方案与测试用例;④构建更具健壮性的程序,提前发现潜在缺陷。; 阅读建议:学习者应结合自身项目中的真实问题,按照文中提供的结构化提问模板实践,逐步训练与 Copilot 的协作能力,重视问题描述的完整性与准确性,避免直接要求修改代码,优先通过分析提升对系统的理解。
内容概要:本文针对高精度电流控制下的永磁同步电机(PMSM)参数辨识难题,提出一种基于粒子群优化算法(PSO)的多参数辨识模型,并在Simulink环境中完成系统级仿真实现。研究旨在克服传统控制中因电机参数(如定子电阻、交直轴电感、永磁磁链等)随温度、负载变化而失配所导致的电流控制性能下降问题。通过构建以电流跟踪误差为核心的适应度函数,利用PSO算法全局寻优能力强的特点,实现对关键电机参数的在线或离线精确辨识。文中详述了PSO算法的实现机制、参数初始化策略、收敛判据设计以及与PMSM矢量控制系统的集成方法,验证了该方案在不同运行工况下的辨识精度、收敛速度与鲁棒性,显著提升了电流环的动态响应品质与稳态控制精度。; 适合人群:具备电机驱动控制、现代控制理论及优化算法基础,熟悉MATLAB/Simulink仿真平台,从事高性能PMSM控制系统研发的研究生、高校科研人员及自动化、电力电子领域的工程师;特别适合正在开展参数自适应、智能控制算法应用等相关课题的研究者。; 使用场景及目标:①应用于高端制造装备、电动汽车驱动系统、精密伺服系统等对电流控制精度要求严苛的场合;②解决实际工程中因电机温升、老化等因素引发的参数漂移问题,提升系统长期运行稳定性;③作为智能优化算法与电机控制深度融合的教学案例,帮助理解PSO在复杂非线性系统参数辨识中的应用逻辑与实现路径。; 阅读建议:建议读者结合提供的Simulink仿真模型进行复现实验,重点剖析PSO算法模块与电机控制模型的接口设计、适应度函数的构建原则及参数敏感性分析方法,可进一步尝试引入其他先进优化算法(如GWO、HHO)进行性能对比,以深入掌握不同智能算法在工程辨识问题中的适用性与优劣。

23,642

社区成员

发帖
与我相关
我的任务
社区描述
EdgeX Foundry 是一个由Linux基金会主持,供应商中立的边缘计算开源项目,旨在为物联网边缘计算提供开放、可扩展的平台。
人工智能edge边缘计算 企业社区 上海·浦东新区
社区管理员
  • EdgeX中文社区
  • 亿琪软件
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
EdgeX Foundry 微信官方公众号 (EdgeXFoundryCN) 【优质内容,全站网罗】 持续聚集沉淀来自社区的 EdgeX Foundry 专业内容和资源,点击首页右侧“关注社区”,参与到社区里来吧! 【进阶学习,技术交流】 欢迎在社区的“问答”频道发帖提问,优质回答者将有机会登上社区光荣榜,获得 CSDN 积分,EdgeX 社区头衔等奖励! 【投稿贡献,成为大牛】 我们诚挚邀请你成为社区贡献者,发布优质的自产内容或翻译内容,优质投稿者将有机会登上社区光荣榜,获得 CSDN 积分,EdgeX 社区头衔等奖励!

试试用AI创作助手写篇文章吧