CN112153795A - 一种执行设备的控制方法及其*** - Google Patents

Abstract

本发明提供了一种执行设备的控制方法及其***，应用于雾计算网络，雾计算网络包括雾端控制中心、带有传感装置的执行设备和第一网络。方法包括：雾端控制中心通过第一网络监控执行设备；若监控到执行设备运行异常，雾端控制中心获取在异常执行设备一定范围内的正常执行设备的传感数据，根据正常执行设备的传感数据对异常执行设备进行控制。本发明通过构建雾计算网络，使执行设备具备边缘计算能力，解决传感装置异常对执行设备带来的系列影响。本发明应用到城市照明领域，可实现对路灯的监控、告警、纠正、运维等系列流程，减轻了云端的负载压力，降低了成本，同时解决了光控异常带来的系列问题。

Description

一种执行设备的控制方法及其***

技术领域

本发明涉及设备控制领域，具体而言，涉及一种执行设备的控制方法及其***。

背景技术

雾计算(Fog Computing)，在该模式中传感数据、(传感数据)处理和应用程序集中在网络边缘的设备中，而不是几乎全部保存在云中，是云计算(Cloud Computing)的延伸概念。雾计算是一种对云计算概念的延伸，它主要使用的是边缘网络中的设备，传感数据传递具有极低时延。雾计算具有辽阔的地理分布，带有大量网络节点的大规模传感装置网络。雾计算移动性好，手机和其他移动设备可以互相之间直接通信，信号不必到云端甚至基站去绕一圈，支持很高的移动性。雾计算并非是些性能强大的服务器，而是由性能较弱、更为分散的各种功能计算机组成，雾计算是介于云计算和个人计算之间的，是半虚拟化的服务计算架构模型，强调数量，不管单个计算节点能力多么弱都要发挥作用。与云计算相比，雾计算所采用的架构更呈分布式，更接近网络边缘。雾计算将传感数据、传感数据处理和应用程序集中在网络边缘的设备中，而不像云计算那样将它们几乎全部保存在云中，传感数据的存储及处理更依赖本地设备，而非服务器。雾计算是新一代分布式计算，符合互联网的“去中心化”特征。

路灯是服务于城市照明不可或缺的公共载体，也是关于一个城市或地区公共形象的“门面”之一。随着全球城市化的发展，路灯的数量预计将会在2025年达到3.5亿盏，路灯将成为智慧城市互联IoT设备的关键平台。

现有技术中，路灯普遍装配有光线传感装置，依托传感装置实现路灯的亮度调节等自动控制。但传感装置容易收到环境影响，阴雨天气、雾霾天气等恶劣天气情况下，路灯的传感装置的工作效果会降低。随着工业化和城市化进程的加快，各种灰尘等大颗粒物悬浮物会积聚到路灯上，影响光线传感装置对外界环境亮度的识别。路灯普遍设置在道路两旁，各种外界因素会使路灯的光控***收到影响，一旦光控***受到影响，路灯的亮度调节能力丧失，只能依托维修人员进行修理。维修过程复杂，且修理时间长，耗费大量的人力成本和时间成本，修理过程中路灯的照明情况受到影响，影响对周边环境的照明效果，增加意外发生的概率，严重影响城市照明***的运行。

路灯的光线传感装置需长时间运行，使用寿命降低，维修成本增加。城市照明需要基数庞大的路灯，云端控制难以实现控制基数巨大的执行设备，基于执行设备自身的属性，无需太多的传感数据传输，会造成云端资源的浪费。

因此，需要一种路灯的控制方法或***，来解决路灯异常带来的系列问题。

发明内容

基于现有技术存在的问题，本发明提供了一种执行设备的控制方法及其***。具体技术方案如下所示：

一种执行设备的控制方法，其特征在于：应用于雾计算网络，所述雾计算网络包括雾端控制中心、执行设备和第一网络构成；方法包括：所述雾端控制中心通过所述第一网络监控包括带有传感装置的执行设备；若监控到所述执行设备的传感数据异常，则确定所述执行设备为异常执行设备，所述雾端控制中心获取在所述异常执行设备一定范围内的正常执行设备的传感数据，根据所述正常执行设备的传感数据对所述异常执行设备进行控制；所述正常执行设备包括传感数据不异常的所述执行设备。

进一步，还包括云端控制中心和第二网络；所述云端控制中心通过所述第二网络向所述雾端控制中心发送指令，通过所述第二网络接收所述雾端控制中心发送的信息；所述信息包括所述异常执行设备的信息。

进一步，还包括移动终端；所述雾端控制中心监控到所述异常执行设备后，将所述异常执行设备的信息发送给所述移动终端，所述移动终端展示所述异常执行设备的信息，及在获取到对所述异常执行设备的处理信息后，将所述处理信息反馈给所述云端控制中心；或所述雾端控制中心监控到所述异常执行设备后，将所述异常执行设备的信息发送给所述云端控制中心，所述云端控制中心将接收到的所述异常执行设备的信息发送给所述移动终端，所述移动终端展示所述异常执行设备的信息，及在获取到对所述异常执行设备的处理信息后，将所述处理信息反馈给所述云端控制中心。

进一步，所述雾端控制中心通过所述第一网络监控多个执行设备，所述多个执行设备中包括带有传感装置的第一执行设备和不带有传感装置的第二执行设备；所述雾端控制中心在确定需要控制的所述第二执行设备后，通过获取在所述第二执行设备一定范围内的所述第一执行设备的传感数据，根据所述第一执行设备的传感数据进行传感数据模拟，预测出所述第二执行设备所需的传感数据，进而控制所述第二执行设备。

进一步，所述“根据所述正常执行设备的传感数据对所述异常执行设备进行控制”包括，根据所述正常执行设备的传感数据对所述异常执行设备的传感数据进行纠正处理或替代处理。

更进一步，所述执行设备包括路灯；如果同一路灯在限定时间内存在多次异常，所述雾端控制中心记录异常次数，判断监控的异常路灯的传感数据是否与邻近正常路灯的传感数据存在相近线性关系；若存在，则确定所述异常路灯的传感装置的传感部分受到影响，所述雾端控制中心对所述异常路灯的传感数据进行纠偏均值标定处理；若不存在，则确定所述异常路灯的传感装置存在机械故障，将所述邻近正常路灯的传感数据经过加权平均处理后替代所述异常路灯的传感数据。

进一步，所述第一网络包括带有拓扑结构的网络；和/或所述雾端控制中心设置有微控制单元，可进行分布式部署；和/或所述云端控制中心包括具有微服务架构的公共云、私有云或混合云；和/或所述执行设备包括需要边缘计算的设备；和/或所述第二网络包括：2G、3G、4G、5G网络中的一个或多个的任意组合。

一种执行设备的控制***，应用于雾计算网络，包括雾端控制中心、第一网络和执行设备；所述雾计算网络包括所述雾端控制中心、所述第一网络和所述执行设备构成；所述雾端控制中心用于监控所述执行设备，若监控到执行设备的传感数据异常，则确定所述执行设备为异常执行设备，所述雾端控制中心获取在所述异常执行设备一定范围内的正常执行设备的传感数据，根据所述正常执行设备的传感数据对所述异常执行设备进行控制；所述第一网络分别与所述雾端控制中心和所述执行设备连接，用于为所述雾端控制中心和所述执行设备提供通信。

进一步，还包括云端控制中心和第二网络，所述第二网络分别连接所述雾端控制中心和所述云端控制中心，用于为所述云端控制中心与所述雾端控制提供通信；所述云端控制中心用于控制所述雾端控制中心，接收所述雾端控制中心发送的异常执行设备的信息。

更进一步，还包括移动终端，用于接收所述雾端控制中心或所述云端控制中心发送的所述异常执行设备的信息，并对所述异常执行设备的信息进行展示，及在获取到对所述异常执行设备的处理信息后，将所述处理信息反馈给所述云端控制中心。

本发明具有如下有益效果：

本发明根据现有技术的不足，提出一种执行设备的控制方法及其***，通过构建雾计算网络，使执行设备具备边缘计算能力，解决传感装置异常对执行设备的带来的不利影响，同时减轻了云端负载；将本发明应用到城市照明领域，通过构建一整套针对路灯光控***监控、替代、告警、运维流程，提高对异常路灯的维修效率，不仅解决路灯光线传感器异常带来的系列负面问题，而且可减少光线传感器的使用，降低使用成本和运营成本。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明实施例提出的执行设备控制方法流程示意图；

图2是本发明实施例提出的执行设备控制***示意图；

图3是本发明实施例提出的路灯的具体控制方法流程示意图；

图4是本发明实施例提出的执行设备控制***扩展流程图。

具体实施方式

实施例1

针对现有技术的不足，本实施例提供了一种执行设备的控制方法，引入雾计算网络框架，通过雾端控制中心对存在问题的传感装置进行纠正处理或替代处理，保证执行设备在传感装置异常的情况下也能使用。具体方案如下所示：

一种执行设备的控制方法，基于雾计算网络对执行设备进行控制，其中，雾计算网络包括雾端控制中心、第一网络和带有传感装置的执行设备。方法流程如说明书附图1所示，方法包括：101、雾端控制中心通过第一网络监控多个带有传感装置的执行设备；102、若监控到执行设备的传感装置运行异常，导致生成的传感数据异常，则确定该执行设备为异常执行设备；103、雾端控制中心获取在异常执行设备一定范围内的正常执行设备的传感数据，根据正常执行设备的传感数据对异常执行设备进行控制。结构如说明书附图2所示。其中，正常执行设备包括传感数据不异常的执行设备。其中，正常执行设备在异常执行设备一定范围内，“一定范围”包括与异常执行设备相邻、与异常执行设备间隔若干个执行设备、以异常执行设备为圆心辐射出的圆形区域，“一定范围”的取值范围与具体的执行设备有关，以路灯为例，在异常路灯一定范围内的正常路灯包括：与异常路灯相邻的路灯、与异常路灯间隔有至多10个路灯的路灯、以异常路灯为中心2公里范围内的所有路灯。其中，雾端控制中心、执行设备和第一网络构成雾计算网络，以此可以满足执行设备的边缘计算需求，减轻云端负载的压力。还包括云端控制中心和第二网络，第二网络分别连接云端控制中心和雾端控制中心，云端控制中心通过第二网络与雾端控制中心进行通信，云端控制中心可以控制雾端控制中心，对其进行调参和配置，雾端控制中心接收云端控制中心的指令，向云端控制中心发送异常执行设备的信息。通过在云端控制中心与执行设备之间加入雾端控制中心，实现云端控制中心分级控制执行设备，减轻了云端控制中心的压力。此外，还包括移动终端，移动终端与云端控制中心或雾端控制中心进行通信，接收云端控制中心或雾端控制中心发送的异常执行设备的信息，移动终端的维修人员根据移动终端展示出的异常执行设备的信息对该异常执行设备进行处理，并将处理信息通过移动终端反馈给云端控制中心进行记录存档。例如在路灯领域，当雾端控制中心监控到某一个路灯传感数据异常时，调取周边正常路灯的传感数据对异常路灯的传感数据进行纠正或替换，同时将异常路灯的位置、状况等信息发送给云端控制中心，云端控制中心收到异常路灯的信息后，做出处理，将信息发送给对应的移动终端，移动终端对异常路灯的信息进行展示，维修人员获取到异常路灯的信息后，对路灯进行维修处理，并将处理信息通过移动终端发送给云端控制中心，云端控制中心接收到异常路灯的反馈情况进行记录存档；或雾端控制中心将异常路灯的信息发送给移动终端，移动终端的维修人员根据信息对异常路灯进行维修处理，并将处理信息通过移动终端反馈给云端控制中心，云端控制中心接收异常路灯的反馈处理信息，并进行存档。

雾端控制中心作为雾计算网络框架的一个雾节点，负责边缘计算，为执行设备提供边缘计算能力；使用雾节点对执行设备的运行情况进行监控，若监控发现执行设备的传感数据异常，确定该执行设备为异常执行设备，查找一定范围内的正常执行设备，获取正常执行设备的传感数据，根据正常执行设备的传感数据对该异常执行设备的传感数据进行纠正处理或替代处理；云端控制中心通过第二网络对雾端控制中心进行调参与配置，进而实现控制执行设备。本发明适用于执行设备基数庞大、但数据传输量小、计算能力弱的***。优选地，本实施例以路灯为执行设备进行详细阐述。路灯上设置有光线传感装置，光线传感装置通过感知外界环境的亮度，调节路灯自身的亮度，但光线传感装置自身存在一定的局限性，如寿命短、抗干扰能力差等，一旦光线传感装置受损，就会影响到路灯的正常运行。通过加入雾端控制中心和第一网络，构成雾计算网络框架，使路灯具备一定的边缘计算能力，不必受光线传感装置的局限。

具体地，雾端控制中心通过第一网络对多个路灯进行监控，当监控到路灯的传感装置传感数据异常时，雾端控制中心确定该设备为异常路灯，获取在异常路灯一定范围内的正常路灯的传感数据，根据正常路灯的传感数据对异常路灯的传感数据进行纠正处理或替换处理，保障路灯在传感装置异常的情况下也能够维持正常的照明效果。雾端控制中心将异常路灯的信息上报至云端控制中心进行运维处理，云端控制中心将信息发送给移动终端，移动终端的维修人员根据信息对路灯进行维修，并将维修情况反馈给云端控制中心；雾端控制中心也可将异常路灯的信息直接发送给移动终端，移动终端的维修人员根据信息对异常路灯进行维修，并将维修情况上报至云端控制中心。

其中，雾端控制中心为含有微控制单元、可进行分布式部署的边缘设备，包括智能网关，具备通讯管理、传感数据接收、协议转换、传感数据处理转发等功能。优选地，本实施例选用的智能网关搭载Cortex-A7及以上性能处理器，支持多网同时在线及扩展，集成LoRa、BLE(Bluetooth Low Energy)、4G、以太网，支持透明传输、MODBUS RTU(RemoteTerminal Unit)转TCP(Transmission Control Protocol)、MQTT(Message QueuingTelemetry Transport)等协议。特别地，智能网关部署KubeEdge作为边缘计算框架，提供雾计算能力，通过Docker部署完成微服务架构以及轻量级应用服务实现。KubeEdge是一个开源的***，可将本机容器化应用编排和管理扩展到边缘设备，为网络和应用程序提供核心基础架构支持，并在云端和边缘端部署应用，同步元传感数据。在本实施例中，雾端控制中心包括路灯智能网关，该智能网关具有微控制单元和微服务架构，可以实现微服务集群的部署与应用，在小规模计算需求的基础上可以完全替代云端控制中心，同时具有临时存储功能，可存储异常路灯的信息。

其中，执行设备，包括用于自动驾驶或智慧农业等其他需要边缘计算的领域，在照明领域执行设备包括路灯与光线传感装置、空气传感装置、摄像头等感知设备构成的互联控制***。通过感知设备采集的信息可以实现路灯控制、窨井告警等功能。例如，执行设备选择智慧路灯，智慧路灯通过应用先进、高效、可靠的电力线载波通信技术和无线GPRS/CDMA通信技术等，实现对路灯的远程集中控制与管理的路灯，包括控制器、光线传感装置、穿孔、无线通信模块、路灯驱动控制电路、灯头等，可以通过MQTT等协议与智能网关连接，并定时发送光线传感装置的传感数据。

其中，第一网络包括带有拓扑结构的网络，应用于各种物联网组网方式，包括但不限于PLC(Programmable Logic Controller)、NB-IoT(Narrow Band Internet ofThings)、LoRa、ZigBee等，可根据情况选择不同的协议，用来同雾端控制中心如智能网关进行通信。

其中，云端控制中心包括具有微服务架构公共云、私有云或混合云，可以是云模式部署的GIS(Geographic Information System)路灯管理***，B/S(Browser/Server)架构或C/S(Client-Serve)架构或其他合适的架构均可。

更具体地，构建雾计算路灯控制网络包括：

Step1、以智能网关作为雾节点，使用KubeEdge架构的IoT平台做边缘化部署，与智慧路灯连接；

Step2、在智能网关Docker上部署并运行路灯光控方法；

Step3、路灯终端按MQTT协议向网关按***设定时间上报传感数据，智能网关接受传感数据，并使用区域邻近位置获取方法获取邻近路灯终端的传感装置的传感数据，通过路灯光控方法自动化完成工作；

Step4、在路灯光控方法运行时如果出现传感装置故障问题，网关生成消息通过4G网络推送云平台，云平台记录状态，生成工单推送运维APP终端；

Step5、维修人员接受消息，完成运维，APP终端确认，平台状态恢复。

更具体地，实现基于雾计算的路灯光控模型流程如说明书附图3所示，步骤如下所示：

Step1、在一次传感装置传感数据上传后，通过传感装置经纬度参数计算得到距离该灯最近的4个传感装置，并通过设定的阈值计算该传感装置是否存在传感数据异常，如果存在传感数据异常则进行记录；

Step2、如果在一天内如果存在多次传感数据异常，记录异常次数。判断获取到的异常传感数据是否同正常传感数据一样保持相近线性关系。若线性关系存在，则判断传感装置存在污渍或其他问题影响到正常照度，***进入参数纠偏均值标定过程；若线性关系不存在，则判定为该传感装置故障较大，使用邻近传感装置传感数据根据距离加权平均代替；

Step3、重复Step1、Step2实现光线传感装置基于区域传感数据的动态调优运行。

本实施例首先构建雾计算网络，雾端控制中心通过第一网络监控执行设备的运行状态，若发现传感数据异常，则确定异常执行设备，雾端控制中心获取在异常执行设备一定范围内的正常执行设备的传感数据，然后使用正常执行设备的传感数据对异常执行设备的传感数据进行纠正处理或替代处理，进而控制异常执行设备，保障执行设备的正常工作，同时雾端控制中心将异常执行设备的信息上报至云端控制中心进行运维通知，该通知通过移动终端下发，运维结束后，移动终端获取运维情况并将运维情况反馈给云端控制中心，雾端控制中心也可直接将异常执行设备的信息发送给移动终端进行运维。本实施例基于雾计算实现了对执行设备的监控、告警、纠正、运维等一系列操作。

实施例2

针对现有技术的不足，本实施例提供了一种执行设备的控制***。具体方案如下：

控制***用于雾计算网络，雾计算网络包括雾端控制中心、第一网络和带有传感装置的执行设备，雾端控制中心用于监控执行设备，并对异常执行设备进行控制；第一网络用于为雾端控制中心和执行中心提供通信；执行设备上带有传感装置；雾端控制中心、执行设备和第一网络构成雾计算网络。

还包括云端控制中心和第二网络，云端控制中心通过第二网络与雾端控制中心进行通信。

还包括移动终端，云端控制中心接收到雾端控制中心发送的异常执行设备的信息后，将异常执行设备的信息发送给移动终端，维修人员根据移动终端接收到的异常执行设备的信息对异常执行设备进行处理，并将处理信息通过移动终端反馈给云端控制中心。具体***结构如说明书附图4所示。

雾端控制中心通过第一网络对多个执行设备进行监控，当监控到执行设备的传感数据异常时，雾端控制中心获取在异常执行设备一定范围内的正常执行设备的传感装置的传感数据，根据正常执行设备的传感数据对异常执行设备的传感数据进行纠正处理或替换处理，保障执行设备能够维持正常的运行。其中，正常执行设备在异常执行设备一定范围内，“一定范围”包括与异常执行设备相邻、与异常执行设备间隔若干个执行设备、以异常执行设备为圆心辐射出的圆形区域，“一定范围”的取值范围与具体的执行设备有关，以路灯为例，在异常路灯一定范围内的正常路灯包括：与异常路灯相邻的路灯、与异常路灯间隔有至多10个路灯的路灯、以异常路灯为中心2公里范围内的所有路灯。雾端控制中心将异常执行设备信息上报至云端控制中心进行运维处理，云端控制中心将信息发送给移动终端，移动终端的维修人员根据信息对异常执行设备进行维修，并将维修情况反馈给云端控制中心；雾端控制中心也可直接将异常执行设备的信息发送给移动终端，移动终端的维修人员根据信息对异常执行设备进行运维处理。

其中，雾端控制中心为含有微控制单元、可进行分布式部署的边缘设备，包括智能网关，具备通讯管理、传感数据接收、协议转换、传感数据处理转发等功能。优选地，本实施例选用的智能网关搭载Cortex-A7及以上性能处理器，支持多网同时在线及扩展，集成LoRa、BLE(Bluetooth Low Energy)、4G、以太网，支持透明传输、MODBUS RTU(RemoteTerminal Unit)转TCP(Transmission Control Protocol)、MQTT(Message QueuingTelemetry Transport)等协议。特别地，智能网关部署KubeEdge作为边缘计算框架，提供雾计算能力，通过Docker部署完成微服务架构以及轻量级应用服务实现。KubeEdge是一个开源的***，可将本机容器化应用编排和管理扩展到边缘设备，为网络和应用程序提供核心基础架构支持，并在云端和边缘端部署应用，同步元传感数据。在本实施例中，雾端控制中心包括路灯智能网关，该智能网关具有微控制单元和微服务架构，可以实现微服务集群的部署与应用，在小规模计算需求的基础上可以完全替代云端控制中心，同时具有临时存储功能，可存储异常路灯的信息。

其中，执行设备，包括用于自动驾驶或智慧农业等其他需要边缘计算的领域，在照明领域执行设备包括路灯与光线传感装置、空气传感装置、摄像头等感知设备构成的互联控制***。通过感知设备采集的信息可以实现路灯控制、窨井告警等功能。例如，执行设备选择智慧路灯，智慧路灯通过应用先进、高效、可靠的电力线载波通信技术和无线GPRS/CDMA通信技术等，实现对路灯的远程集中控制与管理的路灯，包括控制器、光线传感装置、穿孔、无线通信模块、路灯驱动控制电路、灯头等，可以通过MQTT等协议与智能网关连接，并定时发送光线传感装置的传感数据。

其中，第一网络包括带有拓扑结构的网络，应用于各种物联网组网方式，包括但不限于PLC(Programmable Logic Controller)、NB-IoT(Narrow Band Internet ofThings)、LoRa、ZigBee等，可根据情况选择不同的协议，用来同雾端控制中心如智能网关进行通信。

其中，云端控制中心包括具有微服务架构的公共云、私有云或混合云，可以是云模式部署的GIS(Geographic Information System)路灯管理***，B/S(Browser/Server)架构或C/S(Client-Serve)架构或其他合适的架构均可。

其中，第二网络包括万维网，可以实现云端控制中心和雾计算中心以及移动终端的远距离互联与信息传递，网络构架包括但不限于2G、3G、4G、5G中的一个或多个的任意组合。

其中，移动终端，包括但不限于手机、PAD、专用终端等设备，并且软件包括但不限于微信、小程序、三方APP等。移动终端接收云端控制中心的运维指令，完成运维后由运维人员对指令进行反馈，最终在云端控制中心记录存档。

本实施例以雾端控制中心、拓扑网络和执行设备构建雾计算网络框架，加上云端控制中心、第二网络、移动终端构建整套物联网运维***，实现对执行设备的监控、替代、告警、运维流程。

实施例3

针对现有技术的不足，本实施例在上述实施例的基础上进行拓展，利用虚拟执行设备，实现雾端控制中心对无传感装置的执行设备进行控制。

雾端控制中心通过第一网络监控多个执行设备，多个执行设备中包括带有传感装置的第一执行设备和不带有传感装置的第二执行设备；雾端控制中心确定需要进行控制的第二执行设备后，通过获取在第二执行设备一定范围内的第一执行设备的传感数据，根据第一执行设备的传感数据进行传感数据模拟，预测出第二执行设备所需的传感数据，根据预测出的传感数据对第二执行设备进行控制，进而实现一个雾端控制中心控制多个第二执行设备。

具体地，雾端控制中心对执行设备进行数字化模拟，根据模拟产生的传感数据对执行设备进行控制。若雾端控制中心监控到执行设备存在传感数据异常，雾端控制中心根据对执行设备的数字化模拟，得出需要的传感数据，利用该传感数据对异常执行设备的传感数据进行纠正处理或替代处理。本实施例适用于执行设备的传感装置异常但未损毁的情况，如路灯的光线传感装置被灰尘遮盖，影响光线传感装置对外界环境的亮度传感；也可适用于执行设备传感装置损坏或缺失的情况，例如，一盏路灯没有光线传感装置模块，通过雾端控制中心选择与之邻近的路灯光线传感装置的传感数据进行模拟，使没有光线传感装置的路灯也能具有光控功能。

进而，本实施例可以进行扩展。在路灯领域，通过一个雾端控制中心控制若干个路灯，只需要保证若干个路灯中至少具备一个正常的传感装置，就可实现对整个区域路灯的调控，大大减少对光线传感装置的使用。例如，一个雾端控制中心控制20个路灯，每5个路灯设置一个有光线传感装置的路灯，雾端控制中心通过4个有光线传感装置的路灯进行数字化模拟，根据距离加权平均处理，得出其余路灯所需的传感数据，根据传感数据控制路灯，实现雾端控制中心控制未设置光线传感装置的路灯，减少光线传感装置的使用，降低路灯的制造成本、使用成本和维修成本。

本实施例通过雾端控制中心的数字模拟控制路灯，减少云端资源的占用，降低负载，对于无大量存储需求的服务可以在边缘进行，提高效率，节省资源。利用雾端控制中心的边缘计算能力，可以构建一个区域的光控中心，负责这个区域的光控工作，减少不必要的光控模块的安装，降低成本。同时可以在光控中心上添加合适的清洁功能例如清洗、刮擦等，便于统一维护，保障光控有效性的同时，进一步降低成本。

本发明构建以路灯为载体的边缘计算网络，以此可以满足执行设备如路灯的边缘计算需求，在减轻云端负载的同时，降低延时。使用智能网关采集其他路灯的正常传感数据对光控传感数据异常的路灯进行控制，解决光控异常带来的系列问题。构建整套针对路灯光控的监控、替代、告警、运维等一系列流程，提高效率。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种执行设备的控制方法，其特征在于：应用于雾计算网络，所述雾计算网络包括雾端控制中心、带有传感装置的执行设备和第一网络构成；方法包括：

所述雾端控制中心通过所述第一网络监控所述执行设备；

若监控到所述执行设备的传感数据异常，则确定所述执行设备为异常执行设备，所述雾端控制中心获取在所述异常执行设备一定范围内的正常执行设备的传感数据，根据所述正常执行设备的传感数据对所述异常执行设备进行控制；所述正常执行设备包括传感数据不异常的所述执行设备。

2.根据权利要求1所述的方法，其特征在于：还包括云端控制中心和第二网络；

所述云端控制中心通过所述第二网络向所述雾端控制中心发送指令，通过所述第二网络接收所述雾端控制中心发送的所述异常执行设备的信息。

3.根据权利要求1或2所述的方法，其特征在于：还包括移动终端；

所述雾端控制中心监控到所述异常执行设备后，将所述异常执行设备的信息发送给所述移动终端，所述移动终端展示所述异常执行设备的信息，及在获取到对所述异常执行设备的处理信息后，将所述处理信息反馈给所述云端控制中心；

或所述雾端控制中心监控到所述异常执行设备后，将所述异常执行设备的信息发送给所述云端控制中心，所述云端控制中心将接收到的所述异常执行设备的信息发送给所述移动终端，所述移动终端展示所述异常执行设备的信息，及在获取到对所述异常执行设备的处理信息后，将所述处理信息反馈给所述云端控制中心。

4.根据权利要求1所述的方法，其特征在于：所述雾端控制中心通过所述第一网络监控多个执行设备，所述多个执行设备中包括带有传感装置的第一执行设备和不带有传感装置的第二执行设备；

所述雾端控制中心在确定需要控制的所述第二执行设备后，通过获取在所述第二执行设备一定范围内的所述第一执行设备的传感数据，根据所述第一执行设备的传感数据进行传感数据模拟，预测出所述第二执行设备所需的传感数据，进而控制所述第二执行设备。

5.根据权利要求1所述的方法，其特征在于：所述“根据所述正常执行设备的传感数据对所述异常执行设备进行控制”包括，所述雾端控制中心根据所述正常执行设备的传感数据对所述异常执行设备的传感数据进行纠正处理或替代处理。

6.根据权利要求5所述的方法，其特征在于：所述执行设备包括路灯；

如果同一路灯在限定时间内存在多次异常，所述雾端控制中心记录异常次数，判断监控的异常路灯的传感数据是否与邻近正常路灯的传感数据存在相近线性关系；

若存在，则确定所述异常路灯的传感装置的传感部分受到影响，所述雾端控制中心对所述异常路灯的传感数据进行纠偏均值标定处理；

若不存在，则确定所述异常路灯的传感装置存在机械故障，将所述邻近正常路灯的传感数据经过加权平均处理后替代所述异常路灯的传感数据。

7.根据权利要求1-6中任一项所述的方法，其特征在于：所述第一网络包括带有拓扑结构的网络；

和/或所述雾端控制中心设置有微控制单元，可进行分布式部署；

和/或所述云端控制中心包括具有微服务架构的公共云、私有云或混合云；

和/或所述执行设备包括需要边缘计算的设备；

和/或所述第二网络包括：2G、3G、4G、5G网络中的一个或多个的任意组合。

8.一种执行设备的控制***，其特征在于：用于雾计算网络，包括雾端控制中心、第一网络和带有传感装置的执行设备；

所述雾计算网络包括所述雾端控制中心、所述第一网络和所述执行设备构成；

所述雾端控制中心用于监控所述执行设备，若监控到所述执行设备的传感数据异常，则确定所述执行设备为异常执行设备，获取在所述异常执行设备一定范围内的正常执行设备的传感数据，根据所述正常执行设备的传感数据对所述异常执行设备进行控制。

所述第一网络分别连接所述雾端控制中心和所述执行设备，用于为所述雾端控制中心和所述执行设备提供通信。

9.根据权利要求8所述的***，其特征在于：还包括云端控制中心和第二网络；

所述第二网络分别连接所述雾端控制中心和所述云端控制中心，用于为所述云端控制中心与所述雾端控制中心提供通信；

所述云端控制中心用于控制所述雾端控制中心，接收所述雾端控制中心发送的所述异常执行设备的信息。

10.根据权利要求8或9所述的***，其特征在于：还包括移动终端，用于接收所述雾端控制中心或所述云端控制中心发送的所述异常执行设备的信息，并对所述异常执行设备的信息进行展示，及在获取到对所述异常执行设备的处理信息后，将所述处理信息反馈给所述云端控制中心。

Images