工业控制和车联网等场景中的低时延闭环对数据处理和传输的时效性提出了严格要求。从传感器采集数据到执行器响应指令的完整闭环中，端侧数据预处理和网络传输是两个主要环节。边缘计算将计算能力下沉至靠近数据源和執行器的位置，使数据在本地或近端完成处理，减少上传云端带来的传输时延。端侧数据预处理在数据进入网络之前完成格式转换、噪声滤除和特征提取，降低需要传输的数据量。网络负载均衡在多个边缘节点和网络路径之间分配数据流量，避免单节点或单链路过载导致的排队时延。端侧预处理与网络负载均衡的协同运行，为低时延闭环的时延确定性提供了系统化的技术支撑。
端侧数据预处理在低时延闭环中的作用体现在数据量压缩和有效信息提取两个层面。工业传感器输出的原始数据包含大量冗余信息和噪声，直接上传会占用网络带宽并增加传输时延。预处理阶段通过滤波算法去除高频噪声，通过降采样减少数据点数量，通过特征提取将原始数据转换为特征向量。数据量的缩减比例取决于预处理算法的复杂度和压缩程度，压缩比例越高则传输数据量越小，但预处理本身的计算时间增加。在时延预算紧张的闭环中，预处理的计算时间需与传输时间的节省进行权衡，预处理时间过长可能抵消传输时延的节省。预处理的算法选择需根据数据的类型和闭环的时延要求确定，对于周期性采样的传感器数据，可采用轻量级的滑动平均滤波和固定间隔降采样。对于事件触发的报警数据，可采用基于阈值的快速检测算法，仅在检测到异常时上传完整数据。
网络负载均衡在低时延闭环中需要解决边缘节点之间的流量分配和网络路径的选择问题。多个边缘节点可能同时处理来自不同数据源的闭环任务，节点的计算负载和网络链路的带宽占用随任务的到达模式波动。负载均衡算法监测各节点的队列长度、处理器利用率和链路带宽占用率，将新到达的任务分配至负载较轻的节点。分配决策的时效性影响负载均衡的效果，决策周期过长时节点的负载状态可能已经变化，决策失效。在任务到达具有突发性的场景中，负载均衡需要快速响应负载的瞬时变化，避免任务在过载节点排队等待。网络路径的选择在有多条可达路径的场景中影响传输时延，路径的时延和带宽占用率作为选择依据，选择时延较低且带宽充足的路径传输数据。路径切换需要在路径质量变化时触发，切换过程中的数据包重排序和连接重建可能引入额外的时延。
端侧预处理与网络负载均衡之间的协同体现在预处理结果的传输特性与网络负载的匹配上。预处理后的数据量、数据速率和发送时机影响网络的负载分布。在预处理阶段将数据打包为较大的数据块可以减少协议开销和提高传输效率，但大块数据的传输占用链路时间较长，可能推迟其他任务的传输。将数据分割为较小的数据块可以提高传输的灵活性，但协议开销增加。预处理阶段的数据打包策略需与负载均衡的调度策略协调，在链路带宽充足的时段发送较大的数据块，在链路带宽紧张的时段发送较小的数据块。预处理阶段还可以根据网络负载状态调整数据的压缩比例，在负载较高时提高压缩比例以减少传输数据量，在负载较低时降低压缩比例以减少预处理时间。
低时延闭环的时延确定性保障需要端到端地分配时延预算。闭环的总时延由感知时延、预处理时延、传输时延、边缘计算时延和执行时延构成，各环节的时延预算需根据总时延约束进行分配。端侧预处理时延和传输时延之间存在权衡关系，预处理越充分则传输数据量越小，传输时延越低，但预处理时间增加。在网络负载较高时，传输时延的波动范围增大，为保障时延确定性，预处理阶段可以提高数据压缩比例以降低传输时延的波动。在负载均衡能够有效分散流量的场景中，传输时延的波动较小，预处理阶段可以降低压缩比例以减少预处理时间。时延预算的动态分配根据各环节的实际时延统计进行调整，在某个环节的时延超出预算时，其他环节的预算相应压缩。
工程验证中的端侧预处理与网络负载均衡方案需要在包含多个边缘节点、传感器和执行器的测试环境中评估闭环时延。测试场景包括负载平稳、负载突发上升和链路质量波动等典型情况。评估指标包括闭环总时延、时延的尾部概率、系统吞吐量和边缘节点的资源利用率。测试数据表明端侧预处理使需要传输的数据量减少，传输时延相应降低。网络负载均衡在负载突发场景中将任务分散至多个节点，避免了单节点过载导致的排队时延。预处理与负载均衡的协同在链路带宽紧张的时段通过提高压缩比例维持了闭环时延的稳定性。时延预算的动态分配使各环节的时延在总预算内得到合理分配。
