买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:安世数擎(杭州)信息科技服务有限公司
摘要:本发明公开了一种基于边缘计算的3D打印工艺优化终端及优化方法,涉及大数据处理技术领域,解决了现有打印工艺优化终端中数据处理效率低,传输能力滞后、计算复杂的问题;通过边缘计算数据自适应模块动态分配任务并行处理,提高数据处理效率;通过增量式算法更新系统简化了新流程并提升了系统的灵活性;通过数据一致性维护模块确保数据的可追溯性和一致性;通过量子通信模型确保数据传输的安全性和隐私性;最后,通过边缘设备通讯标准制定模块实现边缘设备间通信协议和数据格式的自动学习和调整,推动统一标准的建立和遵循;本发明大大提高了现有3D打印工艺优化终端的工作效率。
主权项:1.一种基于边缘计算的3D打印工艺优化终端,其特征在于:所述终端包括:数据预处理模块;所述数据预处理模块通过基于机器学习的实时数据处理方法进行数据清洗、降噪与特征提取;数据质量监控模块;所述数据质量监控模块通过基于深度学习的异常检测模型实现对数据质量的实时监测和预警;边缘计算数据自适应模块;所述边缘计算数据自适应模块通过边缘计算数据自适应框架实现任务的分发和并行处理;所述边缘计算数据自适应框架通过基于深度强化学习的动态任务分配算法根据各设备的实时计算资源状态动态分配任务;边缘计算算法更新模块;所述边缘计算算法更新模块通过增量式算法更新系统将算法更新任务分布在边缘节点设备上进行并行更新;数据一致性维护模块;所述数据一致性维护模块通过基于区块链的边缘计算数据一致性协议确保数据可追溯性和一致性;所述基于区块链的边缘计算数据一致性协议通过工作量证明、形式化验证和安全多方计算方法实现边缘计算环境下数据一致性维护;安全加密传输模块;所述安全加密传输模块通过量子通信模型保障数据传输的安全性和隐私性;边缘设备通讯标准制定模块;所述边缘设备通讯标准制定模块通过基于图神经网络的自组织学习算法实现边缘设备间通信协议和数据格式的自动学习和调整;边缘设备监控模块;所述边缘设备监控模块通过实时数据库IDB和实时数据流处理引擎AK实现对边缘设备在打印过程的实时监控和数据反馈;所述数据预处理模块的输出端与所述数据质量监控模块的输入端连接;所述数据质量监控模块的输出端与所述边缘计算数据自适应模块的输入端连接;所述边缘计算数据自适应模块的输出端与所述边缘计算算法更新模块的输入端连接;所述边缘计算算法更新模块的输出端与所述数据一致性维护模块的输入端连接;所述数据一致性维护模块的输出端与所述安全加密传输模块和所述边缘设备通讯标准制定模块的输入端连接;所述边缘设备通讯标准制定模块的输出端与所述边缘设备监控模块的输入端连接;所述边缘计算数据自适应框架通过基于深度强化学习的动态任务分配算法根据各设备的实时计算资源状态动态分配任务的方法为:步骤1,状态价值函数评估每个状态的长期回报预期值,所述状态价值函数的公式表达式为: 在公式1中,X为状态m的价值,用于表示在状态m下的长期回报预期值;g为期望操作符,用于计算给定事件的期望值;m为系统所处的具体状态;为折扣因子,用于衡量未来奖励的重要性;yi为时间步i的奖励,用于表示在时间步i执行动作后所获得的奖励;步骤2,利用策略网络参数更新公式通过当前策略的期望回报梯度更新策略网络参数,并通过学习率控制参数更新的步长大小;所述策略网络参数更新公式的公式表达式为: 在公式2中,K为更新后的策略网络参数;v为当前策略网络参数;u为学习率,用于控制参数更新的步长大小;x为策略函数的期望回报;根据执行动作后的效益和成本,所述基于深度强化学习的动态任务分配算法通过奖励函数引导学习过程;所述奖励函数的公式表达式为: 在公式3中,S为状态b下执行动作r的奖励;h为执行动作b的成本;τ为执行动作b后的效益;步骤3,根据所述状态价值函数的评估结果和所述策略网络参数更新,指导任务分配决策。
全文数据:
权利要求:
百度查询: 安世数擎(杭州)信息科技服务有限公司 一种基于边缘计算的3D打印工艺优化终端及优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。