Multi-master-slave control system, method and storage medium

Abstract

Embodiments of the present application provide a multi-master-slave control system, method and computer readable storage medium. The system includes a central computing side and a master-slave side which comprises at least one master device and multiple slave devices; further includes an edge computing side, to perform collaborative control computing of relevant slave devices according to a task from a master device and dispatched by the central computing side when the task is a collaborative control task, so as to collaboratively control the relevant slave devices. The technical solutions of the present application can improve the real-time performance of the multi-master-slave control system.

Description

MULTI-MASTER-SLAVE CONTROL SYSTEM, METHOD AND STORAGE MEDIUMFIELD

[0001] The present application relates to industrial control technologies, and more particularly, to a multi-master-slave control system, method and computer readable storage medium.BACKGROUND

[0002] With the improvement of production safety requirements and automation in the production environment, production technicians have gradually shifted to remote work. There are many challenges in remote operation field, especially for remote master-slave control.

[0003] One of the most significant challenges is that although the traditional point-to-point control method addresses the basic requirement of one master controlling one slave device, it is not suitable and feasible in multi-master-slave collaboration environment.

[0004] For example, on the slave side, when the completion of a task needs coordinating more than one robot in the field or when multiple on-site execution devices are required to cooperate with each other to complete a task, slave devices may be restricted by each other for execution sequence and exception handling. The same thing happens on the master side in case of multiple master terminals.

[0005] Currently, a centralized control method is widely used for multi-master-slave control. Figure 1 is a schematic diagram illustrating a multi-master-slave control system in an application. As shown in figure 1, the system includes a central computing side 1 (for instance, a cloud side) , two remote master devices (for instance, two operating devices 21, 22) and four slave devices (for instance, two AGVs (Automated Guided Vehicle) 31, 32 and two robots 33, 34) .

[0006] In this case, most computing is done by the central computing side with a little of computing effort done by master-slave side. The computing done by the master-slave side may be operated through abstract APIs of the master-slave side.

[0007] The lack of direct and adequate data exchange between physical and logical related terminals results in a large amount of collaborative computing being handled by  central computing resources of the central computing side. As a side effect, the real-time performance of the system is largely dependent on and restricted by the network environment, such as network delay

[0008] Therefore, those skilled in the art are committed to finding solutions for a multi-master-slave control system.SUMMARY

[0009] According to embodiments of the present application, a multi-master-slave control system, method and computer readable storage medium are provided to improve the real-time performance of the multi-master-slave control system.

[0010] The multi-master-slave control system provided by embodiments of the present application includes: a central computing side and a master-slave side which comprises at least one master device and multiple slave devices; characterized in that, further comprising: an edge computing side, to perform collaborative control computing of relevant slave devices according to a task from a master device and dispatched by the central computing side when the task is a collaborative control task, so as to collaboratively control the relevant slave devices.

[0011] In an example, wherein the edge computing side comprises: multiple graduated edge computing layers which implement graduated control for the slave devices.

[0012] In an example, wherein the multiple graduated edge computing layers comprise: a task layer, to decompose one task into one or more corresponding collaborative sequences, and each corresponding collaborative sequence comprises at least one action sequence, and each action sequence corresponds to one model instance; a grouping and collaboration layer, to group a set of slave model instances which have physical or logical collaboration as one work cell, and map each action sequence into an action request to corresponding slave device; an object modeling and data fusion layer, to generate a slave model instance for corresponding slave device, and update corresponding slave model instance with the action request to generate a corresponding command; each slave model instance is an equivalent digital model of a slave device; and a canonical connector layer, to send the command to corresponding slave device after data format of the command is converted from an internal standard format to a data format supported by the corresponding slave device.

[0013] In an example, wherein the canonical connector layer is further to receive execution result from the slave device and convert data format of the execution result into unified format; the object modeling and data fusion layer is further to fuse data of the execution result into corresponding slave model instance.

[0014] In an example, wherein the edge computing side is further to perform collaborative process computing of relevant master devices, so as to collaboratively process event requests of the relevant master devices and generate a valid task request.

[0015] In an example, wherein the edge computing side comprises: multiple graduated edge computing layers which implement graduated process for the at least one master device.

[0016] In an example, wherein the edge computing side comprises: a canonical connector layer, to convert data format of an event request from a master device into an internal standard format; an object modeling and data fusion layer, to generate a master model instance for corresponding master device, and update the master model instance with the event request in internal standard format and send the event request; each master model instance is an equivalent digital model of a master device; a grouping and collaboration layer, to group a set of master model instances which have physical or logical collaboration as one work cell, create rules of dependence among master model instances, and check validation of the event request from the master model instance based on created rules; and a task layer, to configure task limitation or restrictive condition, and push legal requests to central computing side.

[0017] The multi-master-slave control method provided by embodiments of the present application includes: setting an edge computing side between a central computing side and a master-slave side which comprises at least one master device and multiple slave devices; performing, by the edge computing side, collaborative control computing of relevant slave devices according to a task from a master device and dispatched by the central computing side when the task is a collaborative control task, so as to collaboratively control the relevant slave devices.

[0018] In an example, wherein performing, by the edge computing side, collaborative control computing of relevant slave devices according to a task comprises: implementing, by the edge computing side, graduated control for the slave devices according to the task.

[0019] In an example, wherein implementing, by the edge computing side, graduated control for the slave devices according to the task, comprises: decomposing the task into one or more corresponding collaborative sequences, and each collaborative sequence comprises at least one action sequence, and each action sequence corresponds to one model instance; pre-grouping a set of slave model instances which have physical or logical collaboration as one work cell, and mapping each action sequence into an action request to corresponding slave device; pre-generating a slave model instance for corresponding slave device, and updating corresponding slave model instance with the action request to generate a corresponding command; each slave model instance is an equivalent digital model of a slave device; and sending the command to corresponding slave device after data format of the command is converted from an internal standard format to a data format supported by the corresponding slave device.

[0020] In an example, further comprising: performing, by the edge computing side, collaborative process computing of relevant master devices, so as to collaboratively process event requests of the relevant master devices and generate a valid task request.

[0021] In an example, wherein performing, by the edge computing side, collaborative process computing of relevant master devices comprises: performing, by the edge computing side, graduated process for the master devices.

[0022] In an example, wherein performing, by the edge computing side, graduated process for the master devices, comprises: converting data format of an event request from a master device into an internal standard format; pre-generating a master model instance for corresponding master device, and updating corresponding master model instance with the event request in internal standard format and sending the event request; each master model instance is an equivalent digital model of a master device; pre-grouping a set of master model instances which have physical or logical collaboration as one work cell, creating rules of dependence among master model instances, and checking validation of the event request from the master model instance based on created rules; and configuring task limitation or restrictive condition, and pushing legal requests to central computing side.

[0023] Another multi-master-slave control system provided by embodiments of the present application includes: at least one memory, to store a computer program; and at least  one processor, to call the computer program stored in the at least one memory to perform a multi-master-slave control method mentioned above.

[0024] The non-transitory computer-readable storage medium, on which a computer program is stored, the computer program is to be executed by a processor to implement a multi-master-slave control method mentioned above.

[0025] It can be seen from the above technical solutions in embodiments of the application, since edge computing is introduced between the central computing side and the master-slave side, so that some collaborative computing with real-time requirements could be relegated from the central computing side to edge computing side, and then the real-time performance of a multi-master-slave control system is improved.BRIEF DESCRIPTION OF THE DRAWINGS

[0026] For a better understanding of the present application, reference should be made to the Detailed Description below, in conjunction with the following drawings in which like reference numerals refer to corresponding parts throughout the figures.

[0027] Figure 1 is a schematic diagram illustrating a multi-master-slave control system in an application.

[0028] Figure 2 is a schematic diagram illustrating a multi-master-slave control system according to an embodiment of the present application.

[0029] Figure 3 is a schematic diagram illustrating a multi-master-slave control system according to another embodiment of the present application.

[0030] Figure 4 is a schematic diagram illustrating a task structure according to an example of the present application.

[0031] Figure 5 is a flowchart diagram illustrating the task execution process according to an example of the present application.

[0032] Figure 6 is a flowchart diagram illustrating the task request process according to an example of the present application.

[0033] Figure 7 is a schematic diagram illustrating a multi-master-slave control system in which the edge computing side is achieved by at least one industrial edge device (IED) according to an example of the present application.

[0034] Figure 8 is a flowchart diagram illustrating a multi-master-slave control method according to an embodiment of the present application.

[0035] Figure 9 is a schematic diagram illustrating another multi-master-slave control system according to an embodiment of the present disclosure.

[0036] The reference numerals are as follows: DETAILED DESCRIPTION

[0037] In order to improve the real-time performance of a multi-master-slave control system, it is considered to introduce edge computing between the central computing side and the master-slave side, so that some collaborative computing with real-time requirements could be relegated from the central computing side to edge computing side.

[0038] In an example, the edge computing may be achieved by multiple edge computing layers, and the multiple edge computing layers may be graduated edge computing layers. That is to say, the graduated edge computing layers may implement graduated control from the abstract to the concrete.

[0039] Reference will now be made in detail to examples, which are illustrated in the accompanying drawings. In the following detailed description, numerous specific details are set forth in order to provide a thorough understanding of the present application. Also, the figures are illustrations of an example, in which assemblies shown in the figures are not  necessarily essential for implementing the present application. In other instances, well-known assemblies, components, and circuits have not been described in detail so as not to unnecessarily obscure aspects of the examples.

[0040] Figure 2 is a schematic diagram illustrating a multi-master-slave control system according to an embodiment of the present application. As shown in figure 2, the system includes a central computing side 1, a master-slave side which comprises at least one master device 2 and multiple slave devices 3, and an edge computing side 4.

[0041] The central computing side 1 is configured to process a task request from the at least one master device 2 and dispatch a task to the edge computing side 4.

[0042] The edge computing side 4 is configured to perform collaborative control computing of relevant slave devices according to a task from a master device when the task is a collaborative control task, so as to collaboratively control the relevant slave devices.

[0043] In the embodiment, when there are more than one master devices, the edge computing side 4 may further be configured to perform collaborative process computing of relevant master devices, so as to collaboratively process event requests of the relevant master devices and generate a valid task request.

[0044] In an example, the edge computing side 4 may include multiple graduated edge computing layers which may implement graduated control from the abstract to the concrete. For example, the multiple graduated edge computing layers may perform graduated control for the slave devices, and perform graduated process for the master devices.

[0045] For example, figure 3 is a schematic diagram illustrating a multi-master-slave control system according to another embodiment of the present application. As shown in figure 3, the edge computing side 4 includes four edge computing layers, task layer 41, grouping and collaboration layer 42, object modeling and data fusion layer 43 and canonical connector layer 44.

[0046] For the collaborative control of slave devices, the task layer 41 is configured to decompose one received task into one or more corresponding collaborative sequences according to a pre-configured corresponding relationship between task and collaborative sequences. Each collaborative sequence include at least one action sequence, each action  sequence in the collaborative sequences belongs to one slave model instance, and each slave model instance is an equivalent digital model of a specific physical device, for instance, a slave device. There may be signal synchronization among different action sequences.

[0047] In an example, the task layer 41 may include a task definition module 411 and a task factoring module 412.

[0048] The task definition module 411 is configured to create tasks composed of collaborative sequences, and register created tasks on the central computing side 1.

[0049] The task factoring module 412 is configured to decompose one received task into corresponding collaborative sequences. The collaborative sequences include at least one action sequence, each action sequence in the collaborative sequences belongs to one slave model instance, and each slave model instance is an equivalent digital model of a specific physical device, for instance, a slave device. There may be signal synchronization among different action sequences.

[0050] Figure 4 is a schematic diagram illustrating a task structure according to an example of the present application. As shown in figure 4, one task may be decomposed into one or more collaboration sequences, and each collaboration sequences include one or more action sequences AS1, AS2, …, ASn, each action sequence belongs to one slave model instance SMI1, SMI2, …, SMIn, and each model instance is an equivalent digital model of a slave device SD1, SD2, …, SDn. There may be signal synchronization among different action sequences.

[0051] For the collaborative control of slave devices, the grouping and collaboration layer 42 is configured to group a set of slave model instances which have physical or logical collaboration as one work cell, perform signal definition among slave model instances of related slave devices in collaborative sequences, and map each action sequence into an action request to corresponding slave device. Slave model instances of slave devices in the multi-master-slave control system may be divided into at least one group.

[0052] In an example, the grouping and collaboration layer 42 may include an interactive definition module 421 and a sequence execution module 422.

[0053] The interactive definition module 421 is configured to group a set of slave model instances which have physical or logical collaboration as one work cell, and perform signal definition among slave model instances of related slave devices in collaborative sequences.

[0054] The sequence execution module 422 is configured to map each action sequence into action request to corresponding slave device, namely the sequence execution module 422 may decompose each step in one action sequence to invocation of interfaces in model instance.

[0055] For the collaborative control of slave devices, the object modeling and data fusion layer 43 is configured to define equivalent digital models for each class of slave devices to obtain slave model classes, and define public interfaces for access; each slave model class can be instantiated as a slave model instance of a slave device when the slave device is connected into the multi-master-slave control system. Namely, the object modeling and data fusion layer 43 may generate a slave model instance for each slave device. The object modeling and data fusion layer 43 is also configured to update a slave model instance with action request to trigger corresponding command generation, and fuse dynamic data for example feedback data of an execution result into corresponding slave model instance.

[0056] In an example, the object modeling and data fusion layer 43 may include a first modeling configuring module 431 and a slave abstract model module 432.

[0057] The first modeling configuring module 431 is configured to define equivalent digital models for each class of slave devices to obtain slave model classes, and define public interfaces for access. Each slave model class can be instantiated as a slave model instance of a slave device when the slave device is connected into the multi-master-slave control system.

[0058] The slave abstract model module 432 is configured to update a slave model instance with action request to trigger commands execution, and fuse dynamic data for example feedback data into corresponding slave model instance, and transmit requests of up layer to lower layer, transmit feedback data from lower layer to up layer.

[0059] For the collaborative control of slave devices, the canonical connector layer 44 is configured to mainly address communication with master and slave devices from various vendors. For example, the canonical connector layer 44 may configure communication protocol selection and data preprocessing rules for slave devices, send corresponding  command to corresponding slave device after data format of the command is converted from unified format for instance canonical labeled data format to protocol-specific data format namely a data format supported by the slave device, and receive execution result from the slave device and convert data format of the execution result from protocol-specific data format to unified format for instance canonical labeled data format.

[0060] In an example, the canonical connector layer 44 may include a first connector configuring module 441 and a slave connector module 442.

[0061] The first connector configuring module 441 is configured to configure communication protocol selection and data preprocessing rules of each slave device.

[0062] The slave connector module 442 is configured to send corresponding commands to corresponding slave device after data format of the commands is converted from canonical labeled data format to protocol-specific data format of the slave device, and receive execution result from the slave device and convert data format of the execution result from protocol-specific data format to canonical labeled data format.

[0063] Figure 5 is a flowchart diagram illustrating the task execution process according to an example of the present application. As shown in figure 5, the task execution process may include the following processes.

[0064] Block 501, tasks are dispatched to corresponding groups which have registered the tasks before.

[0065] Block 502, each task is decomposed to one or more action sequences.

[0066] Block 503, each action sequence is dispatched to corresponding slave model instance in grouping and collaboration layer.

[0067] Block 504, the corresponding slave mode instance is updated to trigger execution commands download.

[0068] Block 505, each execution command is sent to corresponding slave device in connector layer.

[0069] Block 506, an execution result is waited for, and then received from the corresponding slave device.

[0070] Block 507, corresponding slave model instance is updated with execution result data.

[0071] Block 508, the execution result is fed back.

[0072] Block 509, the execution result is fed back.

[0073] Block 510, corresponding master device is informed the execution result.

[0074] For the collaborative process of master devices, the canonical connector layer 44 is configured to mainly address communication with master and slave devices from various vendors. For example, the canonical connector layer 44 may configure communication protocol selection and data preprocessing rules for master devices, convert data format of an event request from a data format supported by the master device into a unified format, namely an internal standard format, for instance, the canonical labeled data format.

[0075] In an example, the canonical connector layer 44 may further include a second connector configuring module 443 and a master connector module 444.

[0076] The second connector configuring module 443 is configured to configure communication protocol selection and data preprocessing rules of each master device.

[0077] The master connector module 444 is configured to convert data format of an event request from a master device into unified format for instance canonical labeled data format, and inform the master device a processing result after data format of the processing result is converted from unified format for instance canonical labeled data format to protocol-specific data format.

[0078] For the collaborative process of master devices, the object modeling and data fusion layer 43 is configured to define equivalent digital models for each class of master devices to obtain master model classes, and define public interfaces for access; each master model class can be instantiated as a master model instance of a master device when the master device is connected into the multi-master-slave control system. That is to say, the object modeling and data fusion layer may generate a master model instance for corresponding master device. The object modeling and data fusion layer 43 is also configured to update a master model instance with the event request in canonical labeled data format and send the event request, and fuse dynamic data for example feedback data into corresponding  master model instance. Each master model instance is an equivalent digital model of a master device.

[0079] In an example, the object modeling and data fusion layer 43 may include a second modeling configuring module 433 and a master abstract model module 434.

[0080] The second modeling configuring module 433 is configured to define equivalent digital models for each class of master devices to obtain master model classes, and define public interfaces for access. Each master model class can be instantiated as a master model instance of a master device when the master device is connected into the multi-master-slave control system.

[0081] The master abstract model module 434 is configured to update a master model instance with event request in canonical labeled data format and send the event request, and fuse dynamic data for example feedback data into corresponding master model instance, and transmit requests of lower layer to up layer, transmit feedback data from up layer to lower layer.

[0082] For the collaborative process of master devices, the grouping and collaboration layer 42 is configured to group a set of master model instances which have physical or logical collaboration as one work cell, create rules of dependence among master model instances, and check validation of the event request from the master model instance based on created rules.

[0083] In an example, the grouping and collaboration layer 42 may further include a rule definition module 423 and a rule filter module 424.

[0084] The rule definition module 423 is configured to group a set of master model instances which have physical or logical collaboration as one work cell, and create rules of dependence among master model instances.

[0085] The rule filter module 424 is configured to check validation of an event request from a master model instance based on created rules.

[0086] For the collaborative process of master devices, the task layer 41 is configured to configure task limitation or restrictive condition, especially for safe producing; and push legal requests to central computing side 1.

[0087] In an example, the task layer 41 may further include a task parameter configuration module 413 and a task request module 414.

[0088] The task parameter configuration module 413 is configured to configure task limitation or restrictive condition, especially for safe producing.

[0089] The task request module 414 is configured to push legal requests to central computing side 1.

[0090] Figure 6 is a flowchart diagram illustrating the task request process according to an example of the present application. As shown in figure 6, the task request process may include the following processes.

[0091] Block 601, an event request sent from a master device is converted into an internal standard data format by the canonical connector layer.

[0092] Block 602, the object modeling and data fusion layer uses the data from connector layer to update corresponding master model instance and trigger event request to inform the grouping and collaboration layer.

[0093] Block 603, the validation of the event request is checked according to pre-created rules of dependence among master model instances, the event request is submitted to task layer when the event request is valid, otherwise the event request will be denied, and feedback is stepwise given to the master device through block 609 and block 610.

[0094] Block 604, the task layer sends a task require to central computing side by packing the received event request with predefined parameters.

[0095] Block 605, the validation of the task request is checked in central computing side 1, and when the task request is valid, block 606 is performed; otherwise the task will be denied, and feedback is stepwise given to the master device through block 607 to block 610.

[0096] Block 606, the task request is cached in central computing side 1 and then be executed.

[0097] Block 607, a feedback is returned.

[0098] Block 608, a feedback is returned.

[0099] Block 609, corresponding master model instance is updated with feedback data.

[0100] Block 610, corresponding master device is informed feedback result.

[0101] In an example, the central computing side 1 may include a task filter module 11, a task pool 12, a task dispatch service module 13 and a task registry service module 14.

[0102] The task filter module 11 is configured to check the validation of a task request came from a master device according to preset conditions. When the task request is valid, the task corresponding to the task request is cached in the task pool 12.

[0103] The task pool 12 is configured to manage the cache of task queue and task priority.

[0104] The task registry service module 14 is configured to register tasks composed of collaborative sequences.

[0105] The task dispatch service module 13 is configured to dispatch a task to the edge computing side 4 according to task register information in the task registry service module 14.

[0106] Figure 7 is a schematic diagram illustrating a multi-master-slave control system in which the edge computing side 4 is achieved by at least one industrial edge device (IED) according to an example of the present application. As shown in figure 7, dotted box means a collaboration requirement for grouping the inside devices. Apps 71 in the object modeling and data fusion layers and canonical connector layers can be deployed on individual IED to each master or slave device, while apps72 in grouping and collaboration layer and apps73 in task layers can separately be deployed on other IEDs.

[0107] The multi-master-slave control system according to embodiments of the present application is described in detail above, and the multi-master-slave control method according to embodiments of the present application is described in detail hereinafter. The multi-master-slave control system according to embodiments of the present application can be used to implement the multi-master-slave control method according to embodiments of the present application. For the details not disclosed in the examples of the method of the present application, please refer to the corresponding description in the examples of the system of the present application, which will not be repeated here.

[0108] Figure 8 is a flowchart diagram illustrating a multi-master-slave control method according to an embodiment of the present application. As shown in figure 8, the method may include the following processes.

[0109] Block 801, an edge computing side is set between a central computing side and a master-slave side which comprises at least one master device and multiple slave devices.

[0110] Block 802, the edge computing side perform collaborative control computing of relevant slave devices according to a task from a master device and dispatched by the central computing side when the task is a collaborative control task, so as to collaboratively control the relevant slave devices.

[0111] In an example, the edge computing side may implement graduated control for the slave devices according to the task.

[0112] In an example, the edge computing side implement graduated control for the slave devices according to the task may include the following processes:

[0113] A1. The task is decomposed into corresponding collaborative sequences, which comprises at least one action sequence, and each action sequence corresponds to one model instance.

[0114] A2. A set of slave model instances which have physical or logical collaboration is pre-grouped as one work cell, and each action sequence is mapped into an action request to corresponding slave device.

[0115] A3. A slave model instance is pre-generated for corresponding slave device, and corresponding slave model instance is updated with the action request to generate a corresponding command; each slave model instance is an equivalent digital model of a slave device.

[0116] A4. The command is sent to corresponding slave device after data format of the command is converted from an internal standard format to a data format supported by the corresponding slave device.

[0117] In addition, the method may further include block 803, the edge computing side further performs collaborative process computing of relevant master devices, so as to  collaboratively process event requests of the relevant master devices and generate a valid task request.

[0118] In an example, the edge computing side may perform graduated process for the master devices.

[0119] In an example, the edge computing side performs graduated process for the master devices may include the following processes.

[0120] B1. Data format of an event request from a master device is converted into an internal standard format.

[0121] B2. A master model instance is pre-generated for corresponding master device, and corresponding master model instance is updated with the event request in internal standard format and the event request is sent; each master model instance is an equivalent digital model of a master device.

[0122] B3. A set of master model instances which have physical or logical collaboration is pre-grouped as one work cell, rules of dependence among master model instances is created, and validation of the event request from the master model instance is checked based on created rules.

[0123] B4. Task limitation or restrictive condition is configured, and legal requests are pushed to central computing side.

[0124] The multi-master-slave control method provided by this implementation manner of the present disclosure may be stored in various storage mediums in an instruction storage manner or an instruction set storage manner. These storage mediums include, but are not limited to: a floppy disk, an optical disc, a DVD, a hard disk, a flash memory, a USB flash drive, a CF card, an SD card, an MMC card, an SM card, a memory stick, and an xD card.

[0125] In addition, the multi-master-slave control method provided by this implementation manner of the present disclosure may also be applied to a storage medium based on a flash memory (Nand flash) , such as USB flash drive, a CF card, an SD card, an SDHC card, an MMC card, an SM card, a memory stick, and an xD card.

[0126] Moreover, it should be clear that an operating system operated in a computer can be made, not only by executing program code read by the computer from a storage medium, but also by using an instruction based on the program code, to implement some or all actual operations, so as to implement functions of any embodiment in the foregoing embodiments.

[0127] For example, figure 9 is a schematic diagram illustrating another multi-master-slave control system according to an embodiment of the present disclosure. The system may be used to perform the method shown in figure 8. As shown in figure 9, the system may include at least one memory 91 and at least one processor 92. In addition, some other components may be included, such as communication port, input / output controller, network communication interface, etc. These components communicate through bus 93, etc.

[0128] At least one memory 91 is configured to store a computer program. In one example, the computer program can be understood to include various modules of the edge computing side 4. In addition, at least one memory 91 may store an operating system or the like. Operating systems include but are not limited to: Android operating system, Symbian operating system, windows operating system, Linux operating system, etc.

[0129] At least one processor 92 is configured to call the computer program stored in at least one memory 91 to perform a multi-master-slave control method described in examples of the present disclosure. The processor 92 can be CPU, processing unit / module, ASIC, logic module or programmable gate array, etc. It can receive and send data through the communication port.

[0130] It can be seen from the above technical solutions in embodiments of the application, since edge computing is introduced between the central computing side and the master-slave side, so that some collaborative computing with real-time requirements could be relegated from the central computing side to edge computing side, and then the real-time performance of a multi-master-slave control system is improved.

[0131] It should be understood that, as configured herein, unless the context clearly supports exceptions, the singular forms "a" ( "a" , "an" , "the" ) are intended to include the plural forms. It should also be understood that, "and  / or" configured herein is intended to include any and all possible combinations of one or more of the associated listed items.

[0132] The number of the embodiments of the present application are only configured for description, and do not represent the merits of the implementations.

[0133] The foregoing description, for purpose of explanation, has been described with reference to specific examples. However, the illustrative discussions above are not intended to be exhaustive or to limit the present application to the precise forms disclosed. Many modifications and variations are possible in view of the above teachings. The examples were chosen and described in order to best explain the principles of the present application and its practical applications, to thereby enable others skilled in the art to best utilize the present application and various examples with various modifications as are suited to the particular use contemplated.

[0134] Independent of the grammatical term usage, individuals with male, female or other gender identities are included within the term.

Claims

1.A multi-master-slave control system, comprising: a central computing side and a master-slave side which comprises at least one master device and multiple slave devices; characterized in that, further comprising:an edge computing side, to perform collaborative control computing of relevant slave devices according to a task from a master device and dispatched by the central computing side when the task is a collaborative control task, so as to collaboratively control the relevant slave devices.2.The multi-master-slave control system according to claim 1, characterized in that, wherein the edge computing side comprises: multiple graduated edge computing layers which implement graduated control for the slave devices.3.The multi-master-slave control system according to claim 2, characterized in that, wherein the multiple graduated edge computing layers comprise:a task layer, to decompose one task into one or more corresponding collaborative sequences, and each corresponding collaborative sequence comprises at least one action sequence, and each action sequence corresponds to one model instance;a grouping and collaboration layer, to group a set of slave model instances which have physical or logical collaboration as one work cell, and map each action sequence into an action request to corresponding slave device;an object modeling and data fusion layer, to generate a slave model instance for corresponding slave device, and update corresponding slave model instance with the action request to generate a corresponding command; each slave model instance is an equivalent digital model of a slave device; anda canonical connector layer, to send the command to corresponding slave device after data format of the command is converted from an internal standard format to a data format supported by the corresponding slave device.4.The multi-master-slave control system according to claim 2, characterized in that, wherein the canonical connector layer is further to receive execution result from the slave device and convert data format of the execution result into unified format;the object modeling and data fusion layer is further to fuse data of the execution result into corresponding slave model instance.5.The multi-master-slave control system according to any one of claims 1 to 4, characterized in that, wherein the edge computing side is further to perform collaborative process computing of relevant master devices, so as to collaboratively process event requests of the relevant master devices and generate a valid task request.6.The multi-master-slave control system according to claim 5, characterized in that, wherein the edge computing side comprises: multiple graduated edge computing layers which implement graduated process for the at least one master device.7.The multi-master-slave control system according to claim 6, characterized in that, wherein the edge computing side comprises:a canonical connector layer, to convert data format of an event request from a master device into an internal standard format;an object modeling and data fusion layer, to generate a master model instance for corresponding master device, and update the master model instance with the event request in internal standard format and send the event request; each master model instance is an equivalent digital model of a master device;a grouping and collaboration layer, to group a set of master model instances which have physical or logical collaboration as one work cell, create rules of dependence among master model instances, and check validation of the event request from the master model instance based on created rules; anda task layer, to configure task limitation or restrictive condition, and push legal requests to central computing side.8.A multi-master-slave control method, characterized in that, comprising:setting an edge computing side between a central computing side and a master-slave side which comprises at least one master device and multiple slave devices;performing, by the edge computing side, collaborative control computing of relevant slave devices according to a task from a master device and dispatched by the central computing side when the task is a collaborative control task, so as to collaboratively control the relevant slave devices.9.The multi-master-slave control method according to claim 8, characterized in that, wherein performing, by the edge computing side, collaborative control computing of relevant slave devices according to a task comprises: implementing, by the edge computing side, graduated control for the slave devices according to the task.10.The multi-master-slave control method according to claim 9, characterized in that, wherein implementing, by the edge computing side, graduated control for the slave devices according to the task, comprises:decomposing the task into one or more corresponding collaborative sequences, and each collaborative sequence comprises at least one action sequence, and each action sequence corresponds to one model instance;pre-grouping a set of slave model instances which have physical or logical collaboration as one work cell, and mapping each action sequence into an action request to corresponding slave device;pre-generating a slave model instance for corresponding slave device, and updating corresponding slave model instance with the action request to generate a corresponding command; each slave model instance is an equivalent digital model of a slave device; andsending the command to corresponding slave device after data format of the command is converted from an internal standard format to a data format supported by the corresponding slave device.11.The multi-master-slave control method according to any one of claims 8 to 10, characterized in that, further comprising:performing, by the edge computing side, collaborative process computing of relevant master devices, so as to collaboratively process event requests of the relevant master devices and generate a valid task request.12.The multi-master-slave control method according to claim 11, characterized in that, wherein performing, by the edge computing side, collaborative process computing of relevant master devices comprises: performing, by the edge computing side, graduated process for the master devices.13.The multi-master-slave control method according to claim 11, characterized in that, wherein performing, by the edge computing side, graduated process for the master devices, comprises:converting data format of an event request from a master device into an internal standard format;pre-generating a master model instance for corresponding master device, and updating corresponding master model instance with the event request in internal standard format and sending the event request; each master model instance is an equivalent digital model of a master device;pre-grouping a set of master model instances which have physical or logical collaboration as one work cell, creating rules of dependence among master model instances, and checking validation of the event request from the master model instance based on created rules; andconfiguring task limitation or restrictive condition, and pushing legal requests to central computing side.14.A multi-master-slave control system, characterized in that, comprises:at least one memory, to store a computer program; andat least one processor, to call the computer program stored in the at least one memory to perform a multi-master-slave control method according to any one of claims 8 to 13.15.A non-transitory computer-readable storage medium, on which a computer program is stored, characterized in that, the computer program is to be executed by a processor to implement a multi-master-slave control method according to any one of claims 8 to 13.

Images