本發(fā)明屬于智能網(wǎng)關(guān)協(xié)議領(lǐng)域，尤其涉及一種用于智能網(wǎng)關(guān)協(xié)議的數(shù)據(jù)處理方法。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)（iot）和智能設(shè)備的廣泛應(yīng)用，智能網(wǎng)關(guān)作為連接各種設(shè)備、傳感器和云平臺的關(guān)鍵節(jié)點，變得越來越重要。智能網(wǎng)關(guān)不僅需要處理來自不同設(shè)備的大量數(shù)據(jù)，還需支持多種通信協(xié)議以確保數(shù)據(jù)的無縫傳輸和交互。目前，智能網(wǎng)關(guān)技術(shù)已經(jīng)相對成熟，能夠支持多種協(xié)議（如modbus、mqtt、http/https、dl/t698、iec61850等），實現(xiàn)數(shù)據(jù)采集、協(xié)議轉(zhuǎn)換和傳輸。然而，現(xiàn)有的智能網(wǎng)關(guān)技術(shù)在實際應(yīng)用中仍然存在一些顯著的問題和不足。

2、首先，現(xiàn)有的智能網(wǎng)關(guān)在處理多種協(xié)議的數(shù)據(jù)時，常常需要預(yù)先配置好各種協(xié)議適配器和轉(zhuǎn)換規(guī)則，這種靜態(tài)配置方式難以應(yīng)對動態(tài)變化的網(wǎng)絡(luò)環(huán)境和設(shè)備需求，導(dǎo)致數(shù)據(jù)傳輸效率低下、資源利用率不高。其次，隨著智能設(shè)備數(shù)量和數(shù)據(jù)量的不斷增加，網(wǎng)絡(luò)負(fù)載和數(shù)據(jù)處理壓力急劇上升，現(xiàn)有網(wǎng)關(guān)難以有效進行負(fù)載均衡和資源管理，容易出現(xiàn)數(shù)據(jù)傳輸瓶頸和系統(tǒng)性能下降的問題。此外，智能網(wǎng)關(guān)的安全性也是一個重要的挑戰(zhàn)，現(xiàn)有的安全措施（如簡單的加密傳輸）在面對復(fù)雜的網(wǎng)絡(luò)攻擊時顯得不足，無法充分保障數(shù)據(jù)的安全性和完整性。最后，現(xiàn)有的智能網(wǎng)關(guān)在配置和維護上也存在較大難度，設(shè)備種類繁多、協(xié)議復(fù)雜，增加了配置和維護的復(fù)雜性和成本，難以實現(xiàn)自動化管理和高效運維。

3、因此，亟須一種新的數(shù)據(jù)處理方法，能夠動態(tài)適應(yīng)多變的網(wǎng)絡(luò)環(huán)境和設(shè)備需求，提供高效的協(xié)議轉(zhuǎn)換和負(fù)載均衡能力，確保數(shù)據(jù)傳輸?shù)陌踩裕⒑喕渲煤途S護過程。為了解決上述問題，本發(fā)明提出了一種基于自適應(yīng)深度學(xué)習(xí)、邊緣計算、增強學(xué)習(xí)和區(qū)塊鏈技術(shù)的智能網(wǎng)關(guān)數(shù)據(jù)處理方法，旨在克服現(xiàn)有技術(shù)的不足，提供一種更智能、更高效、更安全的解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提出一種用于智能網(wǎng)關(guān)協(xié)議的數(shù)據(jù)處理方法，通過引入自適應(yīng)深度學(xué)習(xí)、邊緣計算、增強學(xué)習(xí)、區(qū)塊鏈和智能代理技術(shù)，提供了一種創(chuàng)新的智能網(wǎng)關(guān)數(shù)據(jù)處理方法，能夠有效解決現(xiàn)有技術(shù)中的多種問題，提高數(shù)據(jù)傳輸效率、系統(tǒng)性能和安全性，簡化配置和維護過程，具有廣泛的應(yīng)用前景和實用價值。

2、為了達到上述目的，在本發(fā)明提供了一種用于智能網(wǎng)關(guān)協(xié)議的數(shù)據(jù)處理方法，所述方法包括：

3、s1、收集智能網(wǎng)關(guān)在不同協(xié)議下的數(shù)據(jù)傳輸數(shù)據(jù)，對收集到的數(shù)據(jù)進行預(yù)處理，構(gòu)建自適應(yīng)深度學(xué)習(xí)模型，分析不同協(xié)議的數(shù)據(jù)傳輸特性，同時根據(jù)網(wǎng)絡(luò)條件和數(shù)據(jù)流量的實時變化，動態(tài)優(yōu)化協(xié)議轉(zhuǎn)換策略；其中，所述自適應(yīng)深度學(xué)習(xí)模型的損失函數(shù)表示如下：

4、;

5、其中，?表示模型參數(shù)，表示實際性能指標(biāo)，?表示模型預(yù)測值，n表示樣本總數(shù)，i表示第i個樣本；

6、所述自適應(yīng)深度學(xué)習(xí)模型利用自適應(yīng)優(yōu)化算法調(diào)整學(xué)習(xí)率；所述自適應(yīng)優(yōu)化算法表示如下：

7、;

8、其中，?和分別表示時間t的動量項，表示梯度，表示學(xué)習(xí)率，和分別表示時間t-1的動量項，和表示指數(shù)衰減率，和表示指數(shù)衰減率的t次方，用于偏差修正；表示偏差修正后的動量項，表示偏差修正后的二階矩估計，表示更新后的模型參數(shù)，表示自適應(yīng)深度學(xué)習(xí)模型的模型參數(shù)，表示用于防止除零的常數(shù)；

9、s2、收集智能網(wǎng)關(guān)在不同時間段內(nèi)的負(fù)載數(shù)據(jù)并對進行負(fù)載數(shù)據(jù)特征提取，構(gòu)建負(fù)載預(yù)測模型構(gòu)建，利用負(fù)載預(yù)測模型根據(jù)實時監(jiān)控的網(wǎng)絡(luò)流量和數(shù)據(jù)負(fù)載，優(yōu)化協(xié)議轉(zhuǎn)換策略并動態(tài)分配網(wǎng)絡(luò)資源；

10、s3、構(gòu)建邊緣計算模型并對邊緣計算模型進行訓(xùn)練，利用邊緣計算模型的邊緣計算能力進行本地處理數(shù)據(jù)與決策；

11、s4、構(gòu)建協(xié)同控制模型和反饋機制，利用所述協(xié)同控制模型對智能網(wǎng)關(guān)設(shè)備進行實時協(xié)同控制，并利用所述反饋機制動態(tài)調(diào)整控制策略；其中，所述協(xié)同控制模型，表示如下：

12、;

13、其中，u(t)表示控制輸入，e(t)表示誤差信號，、和分別表示時間t的比例、積分和微分控制參數(shù)，表示積分運算，dt表示時間微分，de(t)表示誤差信號的微分，dt表示時間微分；

14、通過歷史數(shù)據(jù)和實時反饋，設(shè)計目標(biāo)優(yōu)化算法調(diào)整控制參數(shù)、和；其中，所述目標(biāo)優(yōu)化算法表示如下：

15、;

16、其中，表示目標(biāo)優(yōu)化函數(shù)，?表示權(quán)重系數(shù)，通過最小化目標(biāo)函數(shù)優(yōu)化控制參數(shù)；

17、s5、定義智能合約，利用區(qū)塊鏈技術(shù)對數(shù)據(jù)傳輸過程進行加密和驗證；

18、s6、設(shè)計智能代理技術(shù)，所述智能代理技術(shù)根據(jù)智能網(wǎng)關(guān)設(shè)備的應(yīng)用場景和類型自動選擇智能網(wǎng)關(guān)設(shè)備的最優(yōu)配置方案，同時實時監(jiān)控智能網(wǎng)關(guān)設(shè)備的狀態(tài)，預(yù)測并提前維護智能網(wǎng)關(guān)設(shè)備的潛在故障。

19、進一步地，所述預(yù)處理包括對缺失值使用均值填補或插值方法進行處理、使用iqr法去除異常值和標(biāo)準(zhǔn)化處理。

20、進一步地，所述深度學(xué)習(xí)模型包括長短期記憶網(wǎng)絡(luò)或卷積神經(jīng)網(wǎng)絡(luò)；在所述s1中，將智能網(wǎng)關(guān)的實時數(shù)據(jù)輸入訓(xùn)練好的深度學(xué)習(xí)模型，獲取協(xié)議轉(zhuǎn)換優(yōu)化策略，表示如下：

21、;

22、其中，表示實時輸入特征向量，表示模型輸出的優(yōu)化策略，表示深度學(xué)習(xí)模型；

23、根據(jù)訓(xùn)練好的深度學(xué)習(xí)模型輸出的優(yōu)化策略，實時調(diào)整智能網(wǎng)關(guān)的協(xié)議轉(zhuǎn)換參數(shù)，表示如下：

24、;

25、其中，表示優(yōu)化后的協(xié)議參數(shù)，g表示參數(shù)調(diào)整函數(shù)；

26、建立深度學(xué)習(xí)模型的反饋機制，實時監(jiān)控協(xié)議轉(zhuǎn)換效果，收集新的數(shù)據(jù)用以更新和訓(xùn)練模型，表示如下：

27、;

28、其中，表示新的數(shù)據(jù)集，用于模型的持續(xù)訓(xùn)練和優(yōu)化，表示不同協(xié)議下的傳輸特性，表示對應(yīng)的性能指標(biāo)，n表示樣本總數(shù)，m表示新收集的樣本數(shù)量。

29、進一步地，在s2中，構(gòu)建負(fù)載數(shù)據(jù)集l，設(shè)計負(fù)載預(yù)測模型的損失函數(shù)如下：

30、;

31、其中，表示負(fù)載預(yù)測模型的模型參數(shù)，表示負(fù)預(yù)測值，表示負(fù)真實負(fù)載值，t表示預(yù)測時間段內(nèi)的樣本總數(shù)；

32、利用自適應(yīng)優(yōu)化算法調(diào)整學(xué)習(xí)率，表示如下：

33、;

34、其中，和分別表示時間t的動量項，表示梯度，表示學(xué)習(xí)率，和分別表示時間t-1的動量項，和表示指數(shù)衰減率，和表示指數(shù)衰減率的t次方，用于偏差修正；表示偏差修正后的動量項，表示偏差修正后的二階矩估計，表示更新后的模型參數(shù)，表示負(fù)載預(yù)測模型的模型參數(shù)，表示用于防止除零的常數(shù)；

35、在智能網(wǎng)關(guān)上部署實時負(fù)載監(jiān)控系統(tǒng)，實時采集cpu的使用率、內(nèi)存的使用率、帶寬的使用率和i/o的使用率，定義實時負(fù)載向量；

36、將實時負(fù)載向量輸入訓(xùn)練好的負(fù)載預(yù)測模型，對未來一段時間內(nèi)的負(fù)載情況進行預(yù)測，表示如下：

37、;

38、其中，表示負(fù)載預(yù)測模型，表示負(fù)預(yù)測的負(fù)載值，表示負(fù)載預(yù)測結(jié)果；

39、根據(jù)負(fù)載預(yù)測結(jié)果，動態(tài)調(diào)整智能網(wǎng)關(guān)的資源分配策略，表示如下：

40、;

41、其中，表示資源分配策略，g表示資源分配函數(shù)；

42、設(shè)計負(fù)載均衡策略，調(diào)整各個任務(wù)的資源分配，表示如下：

43、;

44、其中，表示設(shè)定的資源使用閾值，?表示當(dāng)前cpu的使用率，表示當(dāng)前帶寬的使用率，表示當(dāng)前內(nèi)存的使用率，表示當(dāng)前i/o的使用率，表示重新分配cpu資源，表示重新分配內(nèi)存資源，表示重新分配寬帶資源，表示重新分配i/o的使用率資源。

45、進一步地，所述邊緣計算模型的損失函數(shù)表示如下：

46、;

47、其中，表示模型參數(shù)，表示預(yù)測值，表示真實數(shù)據(jù)值，m表示新收集的樣本數(shù)量；

48、將訓(xùn)練好的邊緣計算模型部署到邊緣計算節(jié)點，表示如下：

49、;

50、其中，表示邊緣計算模型，表示輸入數(shù)據(jù)，表示處理結(jié)果。

51、進一步地，將實時收集的邊緣設(shè)備數(shù)據(jù)輸入部署好的邊緣計算模型，進行本地處理和決策，表示如下：

52、;

53、其中，表示時間戳，表示實時輸入數(shù)據(jù)，表示實時數(shù)據(jù)集；

54、利用邊緣計算模型對實時輸入數(shù)據(jù)進行處理，輸出處理結(jié)果，表示如下：

55、;

56、其中，表示處理結(jié)果。

57、進一步地，在所述s4中，利用實時數(shù)據(jù)融合結(jié)果進行關(guān)聯(lián)分析，構(gòu)建各智能網(wǎng)關(guān)設(shè)備之間的關(guān)系，表示如下：

58、;

59、其中，表示設(shè)備關(guān)聯(lián)矩陣，表示設(shè)備i和設(shè)備j之間的關(guān)聯(lián)強度，通過計算相關(guān)系數(shù)得到；其中，所述相關(guān)系數(shù)計算如下：

60、;

61、其中，和分別表示設(shè)備i和設(shè)備j的數(shù)據(jù)均值，表示第i個時間點來自第k個數(shù)據(jù)源的數(shù)據(jù)，?表示第j個時間點來自第k個數(shù)據(jù)源的數(shù)據(jù)。

62、進一步地，實時監(jiān)控設(shè)備的運行狀態(tài)和控制效果，收集控制效果數(shù)據(jù)，表示如下：

63、;

64、其中，表示第i個時間點設(shè)備j的控制效果指標(biāo)，表示第i個時間點設(shè)備n的控制效果指標(biāo)，表示時間戳；

65、利用自適應(yīng)控制算法，通過實時數(shù)據(jù)反饋，優(yōu)化控制參數(shù)，表示如下：

66、;

67、其中，表示學(xué)習(xí)率，通過梯度下降法動態(tài)調(diào)整控制參數(shù)；、和分別表示時間t+1時的比例、積分和微分控制參數(shù)，表示目標(biāo)函數(shù)j的偏導(dǎo)數(shù)，表示偏導(dǎo)數(shù)運算符。

68、進一步地，所述s5，具體包括：

69、將智能網(wǎng)關(guān)產(chǎn)生的實時數(shù)據(jù)進行打包，形成待傳輸?shù)臄?shù)據(jù)塊b，并使用網(wǎng)關(guān)的私鑰對數(shù)據(jù)塊進行數(shù)字簽名；

70、將多個數(shù)據(jù)塊b打包生成區(qū)塊鏈中的區(qū)塊c，并將生成的區(qū)塊c分發(fā)到區(qū)塊鏈網(wǎng)絡(luò)中的各個節(jié)點進行驗證和存儲；

71、采用拜占庭容錯共識機制對各驗證節(jié)點對接收到的區(qū)塊c進行驗證；

72、在區(qū)塊鏈上定義智能合約自動執(zhí)行數(shù)據(jù)傳輸?shù)囊?guī)則；所述規(guī)則為當(dāng)數(shù)據(jù)傳輸符合智能合約的觸發(fā)條件時，自動執(zhí)行傳輸操作；

73、將經(jīng)過驗證的數(shù)據(jù)塊b和區(qū)塊c存儲在區(qū)塊鏈，并提供基于區(qū)塊鏈的數(shù)據(jù)查詢接口。

74、進一步地，所述s6，具體包括：

75、在智能網(wǎng)關(guān)和關(guān)聯(lián)設(shè)備上部署智能代理，并對初始化智能代理，同時將智能代理部署到智能網(wǎng)關(guān)和關(guān)聯(lián)設(shè)備上；其中，每個智能代理都包含初始配置參數(shù)和管理規(guī)則；

76、智能代理對智能網(wǎng)關(guān)和關(guān)聯(lián)設(shè)備進行實時監(jiān)控，收集智能網(wǎng)關(guān)和關(guān)聯(lián)設(shè)備運行狀態(tài)和性能數(shù)據(jù)，將收集到的監(jiān)控數(shù)據(jù)傳輸?shù)街悄艽磉M行處理和存儲，形成歷史數(shù)據(jù)集h；

77、基于歷史數(shù)據(jù)集h，智能代理構(gòu)建自適應(yīng)配置模型；其中，所述自適應(yīng)配置模型的目標(biāo)函數(shù)f表示如下：

78、;

79、其中，?表示關(guān)聯(lián)設(shè)備i在時間計算出的最佳配置參數(shù)，表示設(shè)備i在時間的實際監(jiān)控數(shù)據(jù)；

80、利用優(yōu)化算法動態(tài)調(diào)整關(guān)聯(lián)設(shè)備的配置參數(shù)，表示如下：

81、;

82、其中，表示速度向量，表示慣性權(quán)重，和?分別表示學(xué)習(xí)因子，和?表示隨機數(shù)，表示個體最優(yōu)位置，表示全局最優(yōu)位置，表示下一時刻的速度向量，表示下一時刻的個體位置；

83、智能代理利用監(jiān)控數(shù)據(jù)和自適應(yīng)配置模型，對關(guān)聯(lián)設(shè)備運行狀態(tài)進行異常檢測；當(dāng)智能代理檢測到異常時，立即觸發(fā)故障處理機制，執(zhí)行恢復(fù)操作；

84、智能代理根據(jù)監(jiān)控數(shù)據(jù)和異常檢測結(jié)果，實時調(diào)整關(guān)聯(lián)設(shè)備的配置參數(shù)，同時建立智能代理與關(guān)聯(lián)設(shè)備之間的反饋機制，通過實時監(jiān)控和數(shù)據(jù)分析，優(yōu)化關(guān)聯(lián)設(shè)備的配置參數(shù)。

85、本發(fā)明的有益技術(shù)效果至少在于以下：

86、（1）本發(fā)明采用自適應(yīng)深度學(xué)習(xí)算法，能夠動態(tài)分析和優(yōu)化不同協(xié)議（如modbus、mqtt、http/https、dl/t698、iec61850等）的傳輸性能，根據(jù)網(wǎng)絡(luò)條件和數(shù)據(jù)流量的變化，自主調(diào)整協(xié)議轉(zhuǎn)換策略，確保數(shù)據(jù)傳輸?shù)母咝院头€(wěn)定性。同時，通過智能負(fù)載均衡技術(shù)，實時監(jiān)控和動態(tài)分配網(wǎng)絡(luò)資源，避免過載和瓶頸，提高系統(tǒng)的整體性能。

87、（2）本發(fā)明利用智能網(wǎng)關(guān)的邊緣計算能力，實現(xiàn)本地數(shù)據(jù)處理和快速決策，減少對中心服務(wù)器的依賴，提高系統(tǒng)的響應(yīng)速度。邊緣計算不僅可以實現(xiàn)本地用能優(yōu)化和控制策略分解，還能與物聯(lián)網(wǎng)設(shè)備進行實時協(xié)同控制，根據(jù)實際需求動態(tài)調(diào)整控制策略，提升系統(tǒng)的靈活性和自主性。

88、（3）本發(fā)明引入增強學(xué)習(xí)算法，智能網(wǎng)關(guān)能夠根據(jù)歷史數(shù)據(jù)和實時反饋，自主調(diào)整和優(yōu)化數(shù)據(jù)處理策略，持續(xù)學(xué)習(xí)和適應(yīng)新的數(shù)據(jù)模式和網(wǎng)絡(luò)環(huán)境。增強學(xué)習(xí)的自優(yōu)化機制確保了智能網(wǎng)關(guān)在復(fù)雜和動態(tài)的環(huán)境中始終保持最佳的運行狀態(tài)，提高數(shù)據(jù)處理的效率和準(zhǔn)確性。

89、（4）本發(fā)明采用區(qū)塊鏈技術(shù)對數(shù)據(jù)進行加密和驗證，確保數(shù)據(jù)在傳輸過程中的完整性和防篡改。每個數(shù)據(jù)包在傳輸前被加密并記錄在區(qū)塊鏈中，接收方通過區(qū)塊鏈進行解密和驗證，確保數(shù)據(jù)的真實性和安全性。此外，通過區(qū)塊鏈實現(xiàn)智能網(wǎng)關(guān)的去中心化管理，減少單點故障的風(fēng)險，增強系統(tǒng)的健壯性和容錯能力。

90、（5）本發(fā)明利用智能代理技術(shù)，實現(xiàn)智能網(wǎng)關(guān)的自動配置和智能維護。智能代理根據(jù)不同的應(yīng)用場景和設(shè)備類型，自動選擇和應(yīng)用最優(yōu)配置方案，簡化配置過程，提高配置效率。同時，智能代理實時監(jiān)控系統(tǒng)狀態(tài)，預(yù)測潛在故障，并提前進行維護和修復(fù)，減少系統(tǒng)的停機時間和維護成本，提升系統(tǒng)的穩(wěn)定性和可靠性。