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！

龙图腾网获悉上海交通大学申请的专利感知和控制性能驱动的工业网络系统智能传输调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119299319B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411390445.5，技术领域涉及：H04L41/14；该发明授权感知和控制性能驱动的工业网络系统智能传输调度方法是由金天恺;陈彩莲;关新平;马叶涵设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本感知和控制性能驱动的工业网络系统智能传输调度方法在说明书摘要公布了：本发明公开了一种感知和控制性能驱动的工业网络系统智能传输调度方法，涉及工业网络系统领域，包括如下步骤：1：优化问题构建及感知模型预学习；2：传输资源预留；3：基于强化学习的动态传输调度；4：感知与控制性能评估。本发明的方法主要解决了复杂工业生产中平衡系统性能和有限传输资源的实际需求，所采用的智能化传输调度方法匹配了当下不断扩大的工业生产规模以及潜在的未知系统参数。按照本发明能够在缺乏系统模型精确先验信息的情况下方便快捷地部署传输调度方法，并依据实际生产需求调节各项性能和资源权重，以达到理想的生产效果，可以有效推广至多种不同工业应用场景。

本发明授权感知和控制性能驱动的工业网络系统智能传输调度方法在权利要求书中公布了：1.一种感知和控制性能驱动的工业网络系统智能传输调度方法，其特征在于，上述方法包括如下步骤： 步骤S1：构建第一模型以刻画工业对象系统动态，所述第一模型为： 其中，为时间范围，、和分别为周期系统状态、量测值和控制输入，和分别为周期系统噪声和量测噪声；为未知系统模型；为量测模型；和分别为周期上行和下行传输成功指示矩阵，由动态传输调度的上行和下行数据传输次数和单次传输成功率决定； 针对工业网络系统构建第一优化问题，以优化面向感知和控制的上下行数据传输调度，所述第一优化问题： 其中，为折现系数，不等式约束表示各周期内上行和下行数据传输次数总和需小于预留时隙数总数b；为代价函数，由公式表示为： 其中，为周期理想系统状态，其轨迹方程为，为系统状态估计；和分别为控制性能和控制用量权重，和分别为上行和下行传输代价权重，和分别为传感器和执行器数量，为动态调度过程中周期内传感器的传输次数，为动态调度过程中周期内边缘计算单元至执行器的传输次数； 构建以参数表征的感知模型对工业系统状态进行估计，并基于可获取的历史数据对感知模型参数进行迭代更新： 其中，为更新的学习率；,其中为系统状态初始值均值，为系统状态估计，为关于的梯度运算符号； 步骤S2：以选定的多个时间周期内系统可观性指标和可控性指标为约束条件，通过求解第二优化问题，确定为后续动态传输调度过程中各周期预留的上行和下行传输时隙总数，所述第二优化问题为： 其中，和分别为可观性和可控性指标约束值；为预留过程各周期内传感器的传输次数，为预留过程各周期内边缘计算单元至执行器的传输次数，分别影响和的结果； 步骤S3：将工业网络系统动态传输调度过程建模为马尔科夫决策过程； 定义决策状态如下： 定义决策动作如下： 其中,为总体传输次数调度比率，和分别为传感器和执行器的传输调度权重，则周期内传感器和边缘计算单元至执行器的传输次数分别为： 匹配优化目标地，定义周期回报为； 构建由参数表征的策略网络，表示决策状态下采用动作的概率，采用策略梯度类强化学习方法对参数迭代更新： 其中，为参数更新的学习率，为关于的梯度运算符号，为关于边缘计算单元在每一轮交互结束后该轮内收集轨迹的期望运算符号； 同时，边缘计算单元在每一轮交互结束后，依据收集的数据对系统感知模型参数进行学习更新： 其中，为感知性能； 步骤S4：在多轮强化学习训练结束后，判断若控制性能和感知性能满足工业网络系统生产精度要求，则保存训练完成的策略网络和感知模型参数；若控制或感知性能不满足所需生产精度要求，则需要重新调整相关权重或约束值的取值，使系统倾向于更充分的上行和下行数据交互，并重新进行强化学习训练过程，直至性能满足要求。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。