久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

★云南工商學院智能科學與工程學院 蘇為斌 

★中國醫(yī)學科學院阜外醫(yī)院結(jié)構(gòu)性心臟病中心 王首正 

★云南斗蘭智能科技有限公司 董家瑞 

★昆明鼎邦科技股份有限公司 陳巍 

★中國電信股份有限公司云南分公司 楊捷 

★云南工商學院智能科學與工程學院 張錦盛 

摘要：智能汽車、無人機或工業(yè)智能化生產(chǎn)線，在邊緣計算提供的共享式傳感 網(wǎng)和共享式算力資源幫助下，能夠有效降低成本，擴大感知范圍。傳統(tǒng)的通信 網(wǎng)絡(luò)雖然實現(xiàn)了全球統(tǒng)一的廣域連接，但在動態(tài)更新局部域通信過程中，遠距 離的傳感器對于受控對象所處空間控制的意義并不大。為了提高區(qū)域通信的實 時響應(yīng)，通信網(wǎng)絡(luò)需要隨著汽車、無人機或生產(chǎn)線物流的空間位置變化進行動 態(tài)局部組網(wǎng)。基于此，本文介紹了一種新型的邊緣計算分布式通信網(wǎng)絡(luò)，提出 了動態(tài)更新域標識架構(gòu)，該架構(gòu)內(nèi)的各終端節(jié)點根據(jù)空間所處位置自動地構(gòu)造 局域通信簇，并基于該簇進行動態(tài)輪詢訪問。該方法能夠?qū)崿F(xiàn)近距共享傳感器 和人工智能算力，降低了單機智能化成本，對于人工智能項目落地和技術(shù)推廣 具有一定的促進意義。 

關(guān)鍵詞：邊緣計算；DDS；域標識；人工智能 

Abstract: With the help of shared sensor networks and shared computing resources provided by edge computing, intelligent driverless cars, unmanned aerial vehicles or industrial intelligent production lines can effectively reduce costs and expand the range of sensors perception. Although the traditional internet has realized the global unified wide area connection, in the process of dynamic network address for updating local area communication, the remote sensors are useless for controlling objects compared to local sensors. In order to improve the real-time response of regional communication about controllers and controlled object devices, the network needs dynamic local connecting with the spatial location changes of cars, unmanned aerial vehicles or production line logistics. Based on this, a new type of edge computing distributed communication network and a dynamically updated domain identity architecture have been proposed in this paper. Each endpoint node can automatically construct a local cluster according to its location in space for signal transfer, and dynamically polls and accesses the cluster based on the cluster. It can realize close sharing of sensors and AI computing power and reduce the cost of building a comprehensive  intelligent control system compare to traditional singlemachine AI systems. It has certain promotion significance for the implementation of AI comprehensive projects. 

Key words: Edge computing; DDS; Domain ID; AI

 1　引言 

隨著人工智能（Artificial Intelligence，AI）技 術(shù)的發(fā)展，社會對于智能化項目落地的需求越來越旺 盛。在AI技術(shù)研究中，國內(nèi)學者更加關(guān)注算據(jù)、算力和 算法，并把它們定義為AI的三大核心要素[1]。然而，對 于承載AI運行的硬件網(wǎng)絡(luò)底層結(jié)構(gòu)則研究較少。本文 從邊緣計算視角出發(fā)，將過往AI技術(shù)的網(wǎng)絡(luò)底層結(jié)構(gòu)以 及經(jīng)歷的發(fā)展階段定義為單機智能和云計算整合兩個階 段。近年來，新型的邊緣計算網(wǎng)絡(luò)也隨之出現(xiàn)，本文將 在介紹該網(wǎng)絡(luò)的同時，提出具有動態(tài)域標識的近距輪詢 方法。

 在單機智能階段，自動駕駛汽車或無人機安裝大 量傳感器和算力模塊，如激光雷達、毫米波雷達、定位 模塊、多目攝像頭及人工智能服務(wù)器等，雖然能夠提高 單機智能化水平[2]，但也增加了汽車或無人機的硬件成 本。在部分特殊場景，比如小型穿越型無人機領(lǐng)域，由 于負載有限，機載眾多傳感器導致自重增加，限制了無 人機的開發(fā)應(yīng)用。在工業(yè)控制領(lǐng)域，單控制器與傳感器 和執(zhí)行器的強耦合關(guān)系，導致自動化生產(chǎn)線功能單一， 缺少生產(chǎn)柔性度。

在 云 計 算 整 合 階 段 ， 物 聯(lián) 網(wǎng) （ I n t e r n e t o f Things，IoT）和云計算中心通過構(gòu)建一種類似于 MQTT（Message Queuing Telemetry Transport， 消息隊列遙測傳輸）的通信方式，其它類似方式還有 CoAP（Constrained Application Protocol, 受限制 應(yīng)用協(xié)議）、XMPP（Extensible Messaging and Presence Protocol，可擴展通訊和表示協(xié)議）等[3]， 為AI提供了更加寬廣和強大的算據(jù)、算力和算法支持， 云中心機房的彈性計算和存儲達到了單機智能難以企及 的高度。然而AI技術(shù)構(gòu)建于這些協(xié)議之上，需要中心 服務(wù)器固定的公用域名或網(wǎng)絡(luò)地址。而且，一旦宕機或 平臺遷移都會造成相應(yīng)的麻煩，要么缺少中心建立通信 橋梁，使得系統(tǒng)癱瘓；要么需要重新配置域名或地址參 數(shù)，甚至更改代碼，對代碼的復用造成了阻礙。 

隨著技術(shù)的進步，承載AI的底層架構(gòu)已逐步發(fā)展 到新的高度，筆者認為應(yīng)當使用一種更加友好的通信協(xié) 議，支持邊緣計算的分布式結(jié)構(gòu)。

 2　DDS數(shù)據(jù)分發(fā)服務(wù)介紹 

Data Distribution Service（DDS）數(shù)據(jù)分發(fā)服 務(wù)是一種中間件標準，支持分布式系統(tǒng)及設(shè)備間的通信 和數(shù)據(jù)交換[3]。它專為需要高性能、低延遲和實時數(shù)據(jù) 交換的應(yīng)用而設(shè)計，例如自動駕駛汽車、工業(yè)自動化和 智慧城市等。在邊緣計算系統(tǒng)中，DDS介于操作系統(tǒng)和 應(yīng)用程序之間，并從操作系統(tǒng)的網(wǎng)絡(luò)底層數(shù)據(jù)通信細節(jié) 中抽象而來。通過DDS，邊緣節(jié)點的各個組件能夠更容 易地通信和共享數(shù)據(jù)，簡化了分布式系統(tǒng)的開發(fā)，提高 了代碼的復用率，使程序員不用花費大量精力去研究和 實現(xiàn)應(yīng)用程序與系統(tǒng)之間信息傳遞的通信過程。

 DDS標準有幾種開源實現(xiàn)，如表1所示。 

表1 DDS開源項目 

 從表1可以看出DDS適用于實時應(yīng)用場景，與 HTTP、MQTT等協(xié)議不同，DDS不再依賴中心服務(wù) 器，所以程序員基于該中間件開發(fā)時，不必使用域名 或IP地址進行訪問。DDS目前的最大支持者是ROS2 （Robot Operating System 2）操作系統(tǒng)[4]，該系統(tǒng)源 自于美國斯坦福大學的開源機器人項目，是一款構(gòu)建和 抽象于多操作系統(tǒng)或異構(gòu)硬件平臺上的機器人“元操作 系統(tǒng)”（Meta Operating System）。ROS2采用DDS 通信協(xié)議，對于程序開發(fā)，其最大好處就是提高了代碼 的復用率，即在裝有DDS通信協(xié)議的任意一臺設(shè)備上均 可運行消息、服務(wù)和動作通信程序，而這些程序并不需 要更改任何參數(shù)和代碼。此外，從表1還可以看出DDS 已經(jīng)被引入到了微控制器領(lǐng)域，這意味著通過DDS構(gòu)建 邊緣計算實體，能夠?qū)崿F(xiàn)從云端到終端、從大型服務(wù)器 到小型嵌入式、從虛擬化到實體間的完整包絡(luò)。

 域（Domain）是DDS通信中提供通信語境的虛擬 環(huán)境，它根據(jù)不同的關(guān)注點優(yōu)化通信過程。DDS應(yīng)用 程序在具有相同ID標識的通信域內(nèi)發(fā)送和接收數(shù)據(jù)， 為參與通信的各方提供一個相互隔離的虛擬通信環(huán)境， 對動態(tài)優(yōu)化共享傳感器以及算力資源非常有用。域標識 （Domain ID）是一個非負整數(shù)的整型數(shù)據(jù)，它的默 認取值范圍是[0，232]。只有使用相同域標識，域內(nèi)的 參與者之間才能相互通信。因此在同一個網(wǎng)絡(luò)內(nèi)，可以 使用多個DDS域進行隔離，從而縮小其作業(yè)空間。那 么，這就允許多個系統(tǒng)共享同一個物理網(wǎng)絡(luò)而不必擔心 因內(nèi)部串擾而造成的通信風險。從數(shù)據(jù)安全方面考慮， DDS允許設(shè)定為公共的、專用的、受保護的三種數(shù)據(jù)流 模式。當因QoS（Quality of Service，服務(wù)質(zhì)量）連 接失效，它還能夠快速切換網(wǎng)絡(luò)。

 3　DDS動態(tài)域標識結(jié)構(gòu)描述 

域標識是一種端口映射規(guī)范，動態(tài)域標識則是本 研究的主要創(chuàng)新。在DDS中，端口號由域標識和參與 者總數(shù)兩個參數(shù)決定。DDS定義的端口映射用于單播 /多播，實際上仍受限于UDP/TCP端口取值范圍[0， 65535]。按照OMG的DDS-RTPS標準計算公式[5]，最大 域標識被限制為232，同一個域中的最大參與者數(shù)量為 120。在傳統(tǒng)應(yīng)用中，域標識一旦被設(shè)定就以靜態(tài)常量 方式存在，一般不進行更改。但是在具有大范圍空間轉(zhuǎn)移流動的場景，比如汽車、無人機以及工業(yè)生產(chǎn)的物料 流轉(zhuǎn)移等，只要進行動態(tài)域標識轉(zhuǎn)換就能快速切換、接 管工業(yè)智能化生產(chǎn)線并組織生產(chǎn)。 

針對動態(tài)域標識設(shè)定有兩個層面，一是域間標識聚 類，二是域內(nèi)參與者輪詢。

 3.1　域間標識聚類 

域間標識聚類是根據(jù)空間所處位置自動地構(gòu)造局 域通信簇。如圖1所示，簇是基于域標識的臨時聚類， 將近距組成一個完整的分布式組合控制系統(tǒng)，包括傳感 器、算力單元和被控對象，在工業(yè)自動化控制中還應(yīng)當 包括加工單元。需要注意的是傳感器、算力單元和加工 單元一般位置固定，而被控對象則會根據(jù)時間變換其空 間位置，具有時空演變特征，比如汽車、無人機或工業(yè) 生產(chǎn)產(chǎn)品的物料流移動等。

 圖1 基于域標識的通信簇聚合 

在圖1中，邊緣算力、傳感器、加工單元和被控對 象都是基于空間位置的近距聚合，云算力則是基于網(wǎng)絡(luò) 狀況和運算負載的動態(tài)組合。每個簇就是一個域標識， 為了滿足DDS-RTPS標準，每個簇內(nèi)節(jié)點數(shù)量的最大值 為120。簇的形成標準需要達成簇內(nèi)距離最小，而簇間 距離最大，同時數(shù)量須小于等于120。對于確定坐標位 置的邊緣計算節(jié)點，可采用K均值聚類方法[6]，而對于 云算力的聚類可以采用基于運算密度取反的最優(yōu)通信延 時排序方法。 

3.2　域內(nèi)主從問答輪詢 

當基于域標識的通信簇形成后，由邊緣控制器和被 控對象臨時組建的簇可以構(gòu)成一個多主多從的問答式輪 詢網(wǎng)絡(luò)。主從問答輪詢是指在確定的時間段內(nèi)只處理某個從站的某一條通信，比如在第1時間段執(zhí)行1#從站a 通信，第2時間段執(zhí)行1#從站b通信，第3時間段執(zhí)行2# 從站a通信……當所有通信輪詢結(jié)束后，再從頭開始新 一輪循環(huán)[7]。主從問答輪詢的優(yōu)點在于通信的時間點劃 分是確定和可控的，所以只要這個時間間隔能夠被系統(tǒng) 接受，那么它非常易于構(gòu)成一個簡單的實時系統(tǒng)。 

主從問答輪詢的主要缺點體現(xiàn)在隨著節(jié)點數(shù)量 的增加，每一輪循環(huán)總耗時也會增加，假如該時間 是1秒，這就意味著一個域內(nèi)節(jié)點需要每隔1秒才能 通信1次。所以在這種模式下，參與通信的節(jié)點不宜 太多，這剛好與DDS域節(jié)點數(shù)小于等于120的要求符 合。若按照5G通信低延時高可靠（uRLLC，Ultra Reliable Low Latency Communication）、低于 1ms的要求[8]，DDS域內(nèi)最大120節(jié)點在120ms內(nèi)則 可以完成1個周期的輪詢。 

關(guān)于域內(nèi)多個主站與多個從站之間通信的問題，由 于在同一時間內(nèi)只允許1個主站問，1個從站答，因此主 站可以賦予令牌，而從站則是賦予地址。主站是安裝有 傳感器的固定的邊緣計算節(jié)點，從站是位置變換、處于 運動狀態(tài)的被控對象節(jié)點。在自動駕駛領(lǐng)域，主站即是 具有5G通信能力及集成各類傳感器的微基站，從站就 是路上行駛的汽車。

 4　動態(tài)域標識網(wǎng)絡(luò)應(yīng)用舉例 

動態(tài)域標識技術(shù)適用于動、靜結(jié)合的邊緣計算應(yīng) 用場景，比如自動駕駛、無人機和工業(yè)智能化生產(chǎn)等。 由于無人機與自動駕駛相類似，本文羅列了其中兩項場 景。 

4.1　動態(tài)域標識在自動駕駛中的應(yīng)用 

無人駕駛汽車是本文所述基于邊緣計算動態(tài)域的 一個應(yīng)用場景，在其它領(lǐng)域通過更改網(wǎng)絡(luò)和傳感器類 型仍然適用。如圖2所示，位于左側(cè)的三輛汽車和位 于右側(cè)的四輛汽車根據(jù)地面?zhèn)鞲衅鳌⑺懔屯ㄐ耪緞?態(tài)地臨時組成簇1和簇2。依靠DDS動態(tài)地構(gòu)建域標 識，在5G C-V2X（Cellular Vehicle-to-Everything， 蜂窩車聯(lián)技術(shù)）和DSRC（Dedicated Short Range Communication，專用短程通信技術(shù)）基礎(chǔ)之上增強 車輛與邊緣地面站之間的相互溝通能力[9]。 

圖2 面向無人駕駛汽車的動態(tài)域應(yīng)用舉例 

5G微基站是一種新型的基礎(chǔ)設(shè)施，除了具備基本 的5G通信功能外，還應(yīng)當增加自動駕駛所需的地面?zhèn)?感器、觸發(fā)感應(yīng)裝置、定位裝置和近距通信模塊等。 激光雷達、毫米波雷達和多目攝像頭是AI感知和圖像 融合的重要傳感器。其中，由雷達構(gòu)造的點云圖像雖 然具有精準的距離表示，但卻不能真實地展示感知對象 的顏色、材質(zhì)、種類等有用信息；由多目攝像頭獲取的 二維圖像，雖然能夠分類和具有一定的景深，但又不能 精準地表示感知對象的距離要素。為了達成5G微基站 邊緣計算側(cè)的實時圖像處理效果，借助NPU（Neural network Processing Unit，神經(jīng)網(wǎng)絡(luò)處理器），能 夠加速點云三維圖像與真實二維圖像間的融合成像計 算[10]。地感線圈是一種埋于路面淺表層的電磁線圈感 應(yīng)裝置，當擁有較大表面積的金屬體移動通過時，可以 引起電容、電感振蕩頻率的變化，該變化可作為汽車經(jīng) 過的證據(jù)，一方面可以觸發(fā)相關(guān)設(shè)備進入工作狀態(tài)， 另一方面通過計算感應(yīng)開始時間和結(jié)束時間的間隔， 結(jié)合車輛速度還可以預測車身的總長度。RTK（Realtime Kinematic，實時動態(tài)定位）技術(shù)，可達厘米級 精度，適于定位和授時的規(guī)模化應(yīng)用[11]，通常地面站配 置RTK基準站，為實時流動的車輛提供高精度服務(wù)。通 過DDS動態(tài)域標識通信能夠為簇內(nèi)多車輛之間的前后方 向和左右兩側(cè)間隔的相對距離共享實時測量數(shù)據(jù)。RSU （Road Side Unit，路側(cè)單元）通過DSRC技術(shù)與OBU （On Board Unit，車載單元）進行通信，讀取ETC （Electronic Toll Collection，不停車收費系統(tǒng)） [12]， 控制門禁系統(tǒng)，也可作為車輛自動駕駛緊急通信冗余通 道，提高了無人駕駛技術(shù)的安全可靠性。此外根據(jù)運算 業(yè)務(wù)的實際需求，在邊緣計算微基站內(nèi)，依靠DDS動態(tài) 域標識技術(shù)，在不用更改任何代碼的前提下，還可新增 和適配CPU、GPU、TPU等處理器，依靠“元”操作系 統(tǒng)思想就近增強算力[13]，提高了系統(tǒng)的實時響應(yīng)性能。

 4.2　動態(tài)域標識在工業(yè)智能化生產(chǎn)線中的應(yīng)用 

工業(yè)智能化應(yīng)用場景，如圖3所示，除了與圖2擁 有類似的傳感模塊和算力模塊外，可以把工廠中那些大 型設(shè)備，比如加工中心等，定義為固定不移動的設(shè)備， 而其它的小型設(shè)備或可動態(tài)組合的設(shè)備則可以依靠AGV （Automated Guided Vehicle，自動導引運輸車）實 現(xiàn)。因此在工業(yè)智能化生產(chǎn)應(yīng)用中，可以在各個獨立設(shè) 備中加裝邊緣計算節(jié)點，各節(jié)點間應(yīng)當支持Wi-Fi 6[14]， 用于應(yīng)對高密度無線接入和高容量的無線業(yè)務(wù)。

 圖3 工業(yè)智能化應(yīng)用場景舉例 

柔性制造（Flexible Manufacturing，F(xiàn)M）是指 在加工對象變換的情況下，智能工廠能夠智能化地、快 速地和自適應(yīng)地調(diào)整生產(chǎn)線的組合模式[15]。傳統(tǒng)模式 下，一旦做出生產(chǎn)線結(jié)構(gòu)上的調(diào)整就必然需要對其重新 編程。基于DDS動態(tài)域標識網(wǎng)絡(luò)的智能工廠，由于預先 做出了各種生產(chǎn)模式組合，各AGV小車針對新任務(wù)調(diào)整 生產(chǎn)布局，提前應(yīng)對不同產(chǎn)品的生產(chǎn)過程調(diào)試，所以在 面對新的任務(wù)時，可以不用更改程序和調(diào)試，而只須動 態(tài)變換域標識即可。隨著域標識的變換，不同節(jié)點運行 相對應(yīng)的生產(chǎn)任務(wù)，便可柔性化地組織新的生產(chǎn)。 

5　總結(jié)與展望 

本研究依托云南省高校邊緣計算網(wǎng)絡(luò)工程研究中心 （隸屬于云南工商學院），提出基于邊緣計算DDS動態(tài) 域標識近距輪詢網(wǎng)絡(luò)，能夠在分布式邊緣計算架構(gòu)下在 不用更改任何用戶程序和參數(shù)的前提下實現(xiàn)統(tǒng)一的平臺融合。目前本文所述方案已經(jīng)聯(lián)合云南省阜外醫(yī)院進行 了應(yīng)用技術(shù)攻關(guān)，針對無人機在醫(yī)療急救行業(yè)的邊緣計 算分布式應(yīng)用進行了試點，得到了云南省科技廳重點研 發(fā)計劃基金支持，并與云南斗蘭智能科技有限公司、杭 州云秀科技有限公司開展了基于AGV小車的智能化應(yīng)用 開發(fā)，與昆明鼎邦科技股份有限公司開展了基于冶金智 能化設(shè)備升級的前期合作與研究。

★基金項目：云南省第七批高校重點實驗室和 工程研究中心建設(shè)項目，云南省科技廳重點研發(fā)計劃 （202103AC100002）。 

作者簡介： 

蘇為斌（1983-），男，云南通海人，副教授，博士， 現(xiàn)就職于云南工商學院智能科學與工程學院，主要研究 方向為邊緣計算、工業(yè)自動化、人工智能等。 

王首正（1986-），男，山西大同人，副主任醫(yī)師，現(xiàn)就職于中國醫(yī)學科學院阜外醫(yī)院結(jié)構(gòu)性心臟病中心，主 要研究方向為心血管外科，同時從事無人機在醫(yī)療急救 行業(yè)中邊緣計算分布式應(yīng)用試點相關(guān)工作。 

董家瑞（1983-），男，云南通海人，工程師，學士， 現(xiàn)就職于云南斗蘭智能科技有限公司，主要研究方向為 通信工程、工業(yè)互聯(lián)網(wǎng)、智能制造。 

陳　巍（1983-），男，湖南新邵人，博士，現(xiàn)就職于 昆明鼎邦科技股份有限公司，主要研究方向為真空冶金 技術(shù)。 

楊　捷（1983-），男，云南昆明人，碩士，現(xiàn)就職于 中國電信股份有限公司云南分公司，主要研究方向為5G 通信技術(shù)、物聯(lián)網(wǎng)。 

張錦盛（1977-），男，云南昆明人，副教授，碩士， 現(xiàn)就職于云南工商學院智能科學與工程學院，主要研究 方向為軟件工程、計算機科學與技術(shù)、大數(shù)據(jù)技術(shù)等。

參考文獻：

 [1] 郭真, 李帥崢. 依托人工智能加速數(shù)字經(jīng)濟發(fā)展的路徑思考[J]. 信息通信技術(shù)與政策, 2022 (06) : 69 - 74. 

[2] WARD E, FOLKESSON J. Vehicle localization with low cost radar sensors[J/OL]. IEEE Intelligent Vehicles Symposium, Proceedings, 2016 : 864 - 870. 

 [3] Seleznev S, Yakovlev V. Industrial Application Architecture IoT and protocols AMQP, MQTT, JMS, REST, CoAP, XMPP, DDS[J]. International Journal of Open Information Technologies, 2019, 7 (5) : 17 - 28. 

[4] 蘆倩, 李曉娟, 關(guān)永, 等. 面向數(shù)據(jù)流的ROS2數(shù)據(jù)分發(fā)服務(wù)形式建模與分析[J]. 軟件學報, 2021, 32 (6) : 12. 

[5] Sanchez-Monedero J, Povedano-Molina J, et al. Bloom filter-based discovery protocol for DDS middleware[J]. Journal of Parallel & Distributed Computing, 2011. 

[6] 季志民, 葛萬成. 網(wǎng)絡(luò)推薦系統(tǒng)中K-均值聚類算法的研究及優(yōu)化簡[J]. 信息通信, 2017 (7) : 3. 

[7] 朱敏琛, 趙立. 主從式總線型工業(yè)局網(wǎng)實時性設(shè)計的改進[J]. 現(xiàn)代電子技術(shù), 1998 (3) : 3. 

[8] Anand A , Veciana G D . Resource Allocation and HARQ Optimization for URLLC Traffic in 5G Wireless Networks[J]. IEEE Journal on Selected Areas in Communications, 2018. 

[9] Jin Y, Liu X, Zhu Q. DSRC & C-V2X Comparison for Connected and Automated Vehicles in Different Traffic Scenarios[J]. arXiv preprint arXiv: 2203. 12553, 2022. 

[10] 中科院寒武紀NPU擬流片商用[J]. 今日電子, 2017 (06) : 61. 

[11] 陳新海, 祖暉, 王博思, 張迪思, 吳超. 車路協(xié)同車載高精定位服務(wù)系統(tǒng)設(shè)計[J]. 激光雜志, 2019, 40 (11) : 109 - 113. 

[12] 陳軍. RSU在ETC中的應(yīng)用研究[J]. 機電信息, 2019 (26) : 41 - 42. 

[13] 蘇為斌, 王依凱, 黃海軍, 董家瑞, 李智新, 陳巍, 雷小梅, 李吉成. 邊緣計算元操作系統(tǒng)研究: 以ICICOS計劃為例[J]. 自動化博覽, 2022, 39 (02) : 54 - 58. 

[14] 孟圓. 萬物互聯(lián)時代, Wi-Fi 6助力智能制造釋放“無線”潛能[J]. 智能制造, 2020 (04) : 34 - 36. 

[15] 面向個性化定制場景的邊緣側(cè)柔性制造一體化方案[J]. 自動化博覽, 2022, 39 (02) : 119 - 121.

摘自《自動化博覽》2023年第2期暨《邊緣計算2023專輯》