23、边缘智能系统的数据传输与远程监控挑战-CSDN博客

本文链接：https://blog.csdn.net/ipfs8storage/article/details/152869531

边缘智能系统的数据传输与远程监控挑战

1. 数据传输到云端

1.1 控制台访问

要访问控制台，需要用户名（默认为 debug）和密码。可以使用 get-debug-password 命令获取密码，示例命令及输出如下：

# sudo /greengrass/v2/bin/greengrass-cli get-debug-password
Sep 10, 2022 6:52:10 AM software.amazon.awssdk.eventstreamrpc.
EventStreamRPCConnection$1 onConnectionSetup
INFO: Socket connection /greengrass/v2/ipc.socket:8033 to 
server result [AWS_ERROR_SUCCESS]
Sep 10, 2022 6:52:10 AM software.amazon.awssdk.eventstreamrpc.
EventStreamRPCConnection$1 onProtocolMessage
INFO: Connection established with event stream RPC server
Username: debug
Password: 2SJ4oF6ibB6xTIfvy3208AXD_RXEEHD0WLyfwQmzyUk
Password expires at: 2022-09-10T14:52:10.625413894-07:00

控制台可以显示组件的运行状态，还能直接更新配置并重启失败的组件。

1.2 数据处理与传输目标

在 AWS 平台上，将数据传输到云端有不同的设计和实现方式，主要取决于最终目标：
- 本地处理数据 ：需要构建自定义组件，监听特定主题的响应。例如，主题 modbus/response/conveyer 对应 ModbusTCP 组件配置中的名称。在线示例中有此类组件的代码，可参考请求组件的开发流程。
- 数据转发到云端 ：若仅需将数据转发到 IoT Core，可使用预构建组件，直接从本地 Greengrass IPC 消息将数据发送到云端。

实际应用中，通常是两者结合，先在本地进行一定的数据处理，再将处理后的数据发送到云端进行存储和评估。Greengrass MQTT 桥接组件可在不同区域（如客户端之间或到 AWS IoT Core）中继消息。

1.3 MQTT 桥接组件配置

为了将本地发布/订阅消息中继到 IoT Core，需要为 MQTT 桥接组件添加映射配置。以下是一个简单的配置示例，将本地系统的所有消息发送到云端：

{
    "reset": [],
    "merge": {
        "mqttTopicMapping": {
            "AllLocalMessages": {
                "topic": "#",
                "source": "Pubsub",
                "target": "IotCore"
            }
        }
    }
}

大多数公共组件需要进行一些定制，如权限设置或参数调整，以实现所需功能。在部署时，可选择组件并查看其配置。对于大规模工业边缘部署，使用通配符参数监听特定主题并非总是最安全的做法，应考虑零信任或最小权限原则。

1.4 数据发送验证

部署 MQTT 桥接组件后，它应将消息发送到云端。若未看到数据，需检查 Greengrass 服务角色的权限，添加向 IoT Core 发送数据的策略。在 AWS IoT MQTT 客户端中，应能看到原始请求和响应。ModbusTCP 适配器有多个写命令，如 WriteSingleCoil ，可用于设置生产系统的值。

1.5 Sparkplug 协议

数据发送到 IoT Core 的是简单的 MQTT 数据，而 Sparkplug 协议由 Eclipse 基金会管理（https://sparkplug.eclipse.org/），在 MQTT 协议基础上增加了额外信息，包括更详细的命名空间和状态管理。目前 AWS IoT Core 不原生支持 Sparkplug 协议，可通过 AWS SiteWise 等方式处理此类消息。

2. 远程监控的必要性

2.1 远程监控的概念与优势

远程系统监控是指以系统和可量化的方式监控远离用户的系统行为。通过集中平台获取运营数据和现场传感器数据，实现了远程监控。它将传统的手动记录系统行为和事后响应故障的模式，转变为更主动和预防性的服务与维护方式。特别是对于位于偏远、难以访问位置的系统，远程监控能确保系统的持续运行。

2.2 有无远程监控的用户旅程对比

对比项	无远程监控	有远程监控
故障处理方式	故障发生时，系统功能停止，团队匆忙评估问题，在缺乏历史数据和模式的情况下寻找根本原因，提出解决方案。若需更换故障组件，有采购的前置时间，修复后系统重新运行，平均修复时间（MTTR）长，机会损失大，维护人员压力大。	持续获取运营和控制系统、现场传感器及辅助系统的数据，通过数据分析算法预测潜在故障场景和单个组件的平均故障时间（MTTF）。提前调配备件和服务人员，选择非高峰时段进行计划内停机维护，系统提前预防问题，投资回报率易量化。

2.3 无人机和机器人在管道监测中的应用

石油管道及其基础设施分布广泛，需要频繁检查以确保维护和安全标准。静态监测基础设施复杂、昂贵且会影响运营，无人机和移动自主机器人可扫描数百公里的管道，检测异常和破坏并立即修复。无人机上的先进传感器和成像设备可识别问题，地面的轮式机器人可标记和解决可解决的问题（如拧紧阀门）。

3. 长距离数据采集挑战

3.1 数据采集的重要性与现状

数据采集是数据处理流程中的关键问题。尽管技术和通信机制有了很大发展，但不同地区的适用性、覆盖范围和规模仍不一致，用户对协议的采用也影响其普及程度，形成了一个相互制约的局面。

3.2 无线传输技术对比

不同的无线传输技术在传输距离和数据带宽上有不同表现，以下是一个简单的示意表格（实际情况更复杂）：
| 技术类型 | 传输距离 | 数据带宽 |
| ---- | ---- | ---- |
| 5G | 相对较短，适合城市等人口密集区域 | 高带宽 |
| 卫星 | 长距离，可覆盖全球 | 带宽因卫星类型和配置而异 |
| 长距离无线 | 长距离，但带宽相对较低 |

3.3 边缘与云端处理决策

在架构设计中，需要在边缘和云端之间做出处理和推理的决策。以下是一些常见场景的对比：
| 场景 | 边缘处理 | 云端处理 |
| ---- | ---- | ---- |
| 实时响应决策（如因警报停机） | 通常由边缘控制器处理 | 不适用 |
| 自主系统控制 | 整个控制由边缘负责 | 结果和决策记录到云端 |
| 多实例集中管理和人工决策 | 数据推理可通信到云端或在云端计算 | 适用 |

3.4 自适应比特率相机

IP 相机现在能够运行机器学习模型，具有智能响应和自适应行为的能力：
- 识别感兴趣区域 ：使用计算机视觉模型，相机可识别视野内的活动区域，进行变焦或裁剪，仅传输相关数据。
- 节省带宽 ：检测到不活动期时，相机可切换到低比特率模式，减少每秒帧数。还能仅发送变化的帧数据，通过边缘的重建算法恢复完整帧。

4. 太阳能农场远程监控案例

4.1 太阳能农场概述

太阳能农场地理分布广泛，将太阳能转化为直流电。每个农场由多个串联的太阳能电池板阵列组成，电池板由光伏电池构成。光伏电池受光时，其电学性质（电流、电压和电阻）会发生变化。此外，太阳能农场还包括电表、交流隔离器、保险丝盒、电池存储、逆变器、直流隔离器、电缆、支架、太阳跟踪系统和电网传输系统等基础设施。

4.2 远程监控的必要性

由于太阳能农场基础设施昂贵且通常位于偏远地区，人工监控几乎不可能。远程智能监控是一种可行的商业解决方案，可集成清洁系统、运营监控和周边监控系统。其优点包括避免计划外停机、减少现场检查和维护成本，同时符合环境可持续性原则。

4.3 太阳能农场面临的风险

太阳能农场面临以下四种主要风险：
- 火灾风险 ：太阳能热捕获和高电流通过会产生大量热量，导致高电阻接头和组件退化。若不及时检测热点并更换老化组件，可能引发火灾。分布式传感器系统可监测电流、温度和湿度，及时采取控制措施。
- 破坏和盗窃风险 ：太阳能基础设施昂贵，且农场位置偏远，易受盗窃和破坏。需要一个 24x7x365 无缝运行的强大监控系统，结合音频、视觉和热成像技术保障周边安全。考虑带宽限制，可采用数据智能技术，如将推理和纠正措施卸载到边缘或采用自适应数据传输机制。
- 高运营成本风险 ：太阳能农场通常位于干旱地区，面板易积尘，降低能源转换效率，需要定期清洁。农场还需经常除草，以防止植物生长在面板上。若资产健康监测未自动化，将是一项劳动密集型工作，增加运营成本和碳足迹。
- 网络攻击风险 ：太阳能农场可能受到网络攻击，恶意设备可进入物理网络。由于大多数农场连接到公用电网，攻击面增加，需要加强防护以防止网络威胁。

4.4 解决方案架构设计

太阳能农场远程监控解决方案采用边缘重心架构，将计算、推理和决策过程卸载到现场，以确保在网络不可用时系统仍能正常运行。主要组件包括传感器、边缘设备、通信网络和云端平台。以下是一个简单的 mermaid 流程图，展示数据从传感器到云端的流动：

graph LR
    A[传感器] --> B[边缘设备]
    B --> C{数据处理与决策}
    C -->|本地决策| D[本地控制]
    C -->|数据上传| E[通信网络]
    E --> F[云端平台]
    F -->|分析与存储| G[数据存储]
    F -->|远程控制| H[远程操作]

该架构基于开放标准和模块化组件，便于未来集成新服务。单个聚合监控平台可服务多个太阳能农场。

5. 碳捕获与存储单元远程监控案例

5.1 碳捕获与存储单元概述

碳捕获与存储（CCS）单元旨在捕获工业过程中产生的二氧化碳，并将其安全地存储在地下，以减少温室气体排放。这些单元通常位于偏远地区，如沙漠或海洋附近，以确保有足够的存储空间和合适的地质条件。CCS 单元的主要组成部分包括捕获设备、运输管道和存储设施。

5.2 远程监控的重要性

与太阳能农场类似，CCS 单元的远程监控至关重要。由于其位置偏远，人工检查和维护成本高且困难。远程监控可以实时监测单元的运行状态，及时发现潜在问题，确保系统的安全性和可靠性。此外，远程监控还可以帮助优化碳捕获和存储过程，提高效率。

5.3 CCS 单元面临的挑战

CCS 单元面临着与太阳能农场不同但同样严峻的挑战：
- 地质风险 ：存储设施的地质稳定性是一个关键问题。如果地质结构发生变化，可能导致二氧化碳泄漏，对环境造成严重影响。因此，需要实时监测地质参数，如地震活动、地下水位等。
- 设备故障 ：捕获设备和运输管道的故障可能导致二氧化碳泄漏或系统停机。定期维护和故障预测是确保设备正常运行的关键。
- 数据传输 ：偏远地区的数据传输仍然是一个挑战。由于网络基础设施有限，可能存在带宽不足、延迟高和数据丢失等问题。

5.4 解决方案架构设计

CCS 单元远程监控解决方案也采用边缘重心架构，以应对数据传输和实时决策的挑战。以下是架构的主要组件和流程：
| 组件 | 功能 |
| ---- | ---- |
| 传感器 | 监测地质参数、设备状态和二氧化碳浓度等数据。 |
| 边缘设备 | 收集传感器数据，进行本地处理和决策，如故障预警。 |
| 通信网络 | 将数据从边缘设备传输到云端平台。 |
| 云端平台 | 存储和分析数据，提供远程监控和管理功能。 |

mermaid 流程图展示数据流动和处理过程：

graph LR
    A[传感器] --> B[边缘设备]
    B --> C{数据处理与决策}
    C -->|本地决策| D[本地控制]
    C -->|数据上传| E[通信网络]
    E --> F[云端平台]
    F -->|分析与存储| G[数据存储]
    F -->|远程控制| H[远程操作]
    F -->|故障预警| I[警报通知]

6. 远程监控系统设计原则

6.1 基于需求和约束设计

无论是太阳能农场还是 CCS 单元的远程监控系统，都应根据具体需求和约束进行设计。在满足功能需求的同时，要考虑成本、可维护性和扩展性。例如，在数据传输方面，要根据偏远地区的网络条件选择合适的技术。

6.2 平衡过度工程和未来规划

设计过程中需要平衡过度工程和未来规划。过度工程可能导致成本过高，而忽视未来需求可能导致系统无法适应变化。因此，应采用模块化和开放标准的设计，便于未来集成新功能和技术。

6.3 考虑可持续性

在架构设计中，应考虑可持续性因素。例如，减少能源消耗、降低碳足迹和提高资源利用率。远程监控系统可以通过优化数据传输和处理方式，实现节能减排的目标。

6.4 遵循零信任或最小权限原则

为了确保系统的安全性，应遵循零信任或最小权限原则。在授权访问时，只给予必要的权限，减少潜在的安全风险。特别是对于涉及关键基础设施的远程监控系统，安全是至关重要的。

7. 总结

7.1 主要成果回顾

通过本文的介绍，我们了解了数据传输到云端的方法，包括使用 Greengrass MQTT 桥接组件和 Sparkplug 协议。同时，探讨了远程监控的必要性和面临的挑战，以及在太阳能农场和碳捕获与存储单元中的应用案例。我们还学习了远程监控系统的设计原则，包括基于需求和约束设计、平衡过度工程和未来规划、考虑可持续性和遵循零信任或最小权限原则。