買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉上海交通大學申請的專利感知和控制性能驅動的工業網絡系統智能傳輸調度方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119299319B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411390445.5，技術領域涉及：H04L41/14；該發明授權感知和控制性能驅動的工業網絡系統智能傳輸調度方法是由金天愷;陳彩蓮;關新平;馬葉涵設計研發完成，并于2024-09-30向國家知識產權局提交的專利申請。

本感知和控制性能驅動的工業網絡系統智能傳輸調度方法在說明書摘要公布了：本發明公開了一種感知和控制性能驅動的工業網絡系統智能傳輸調度方法，涉及工業網絡系統領域，包括如下步驟：1：優化問題構建及感知模型預學習；2：傳輸資源預留；3：基于強化學習的動態傳輸調度；4：感知與控制性能評估。本發明的方法主要解決了復雜工業生產中平衡系統性能和有限傳輸資源的實際需求，所采用的智能化傳輸調度方法匹配了當下不斷擴大的工業生產規模以及潛在的未知系統參數。按照本發明能夠在缺乏系統模型精確先驗信息的情況下方便快捷地部署傳輸調度方法，并依據實際生產需求調節各項性能和資源權重，以達到理想的生產效果，可以有效推廣至多種不同工業應用場景。

本發明授權感知和控制性能驅動的工業網絡系統智能傳輸調度方法在權利要求書中公布了：1.一種感知和控制性能驅動的工業網絡系統智能傳輸調度方法，其特征在于，上述方法包括如下步驟： 步驟S1：構建第一模型以刻畫工業對象系統動態，所述第一模型為： 其中，為時間范圍，、和分別為周期系統狀態、量測值和控制輸入，和分別為周期系統噪聲和量測噪聲；為未知系統模型；為量測模型；和分別為周期上行和下行傳輸成功指示矩陣，由動態傳輸調度的上行和下行數據傳輸次數和單次傳輸成功率決定； 針對工業網絡系統構建第一優化問題，以優化面向感知和控制的上下行數據傳輸調度，所述第一優化問題： 其中，為折現系數，不等式約束表示各周期內上行和下行數據傳輸次數總和需小于預留時隙數總數b；為代價函數，由公式表示為： 其中，為周期理想系統狀態，其軌跡方程為，為系統狀態估計；和分別為控制性能和控制用量權重，和分別為上行和下行傳輸代價權重，和分別為傳感器和執行器數量，為動態調度過程中周期內傳感器的傳輸次數，為動態調度過程中周期內邊緣計算單元至執行器的傳輸次數； 構建以參數表征的感知模型對工業系統狀態進行估計，并基于可獲取的歷史數據對感知模型參數進行迭代更新： 其中，為更新的學習率；,其中為系統狀態初始值均值，為系統狀態估計，為關于的梯度運算符號； 步驟S2：以選定的多個時間周期內系統可觀性指標和可控性指標為約束條件，通過求解第二優化問題，確定為后續動態傳輸調度過程中各周期預留的上行和下行傳輸時隙總數，所述第二優化問題為： 其中，和分別為可觀性和可控性指標約束值；為預留過程各周期內傳感器的傳輸次數，為預留過程各周期內邊緣計算單元至執行器的傳輸次數，分別影響和的結果； 步驟S3：將工業網絡系統動態傳輸調度過程建模為馬爾科夫決策過程； 定義決策狀態如下： 定義決策動作如下： 其中,為總體傳輸次數調度比率，和分別為傳感器和執行器的傳輸調度權重，則周期內傳感器和邊緣計算單元至執行器的傳輸次數分別為： 匹配優化目標地，定義周期回報為； 構建由參數表征的策略網絡，表示決策狀態下采用動作的概率，采用策略梯度類強化學習方法對參數迭代更新： 其中，為參數更新的學習率，為關于的梯度運算符號，為關于邊緣計算單元在每一輪交互結束后該輪內收集軌跡的期望運算符號； 同時，邊緣計算單元在每一輪交互結束后，依據收集的數據對系統感知模型參數進行學習更新： 其中，為感知性能； 步驟S4：在多輪強化學習訓練結束后，判斷若控制性能和感知性能滿足工業網絡系統生產精度要求，則保存訓練完成的策略網絡和感知模型參數；若控制或感知性能不滿足所需生產精度要求，則需要重新調整相關權重或約束值的取值，使系統傾向于更充分的上行和下行數據交互，并重新進行強化學習訓練過程，直至性能滿足要求。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海交通大學，其通訊地址為：200240 上海市閔行區東川路800號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。