基于雾计算的煤矿全场景监测系统研究

发布时间：2021-11-17 05:36

　　目前煤矿全场景监测系统主要依赖于云计算实现数据处理、存储与决策,云计算需实时处理海量监测信息,严重影响系统决策层的时效性与精确度。针对该问题,提出一种基于雾计算的煤矿全场景监测系统,以神经元感知节点为单元设计雾计算神经网络,缓解云计算数据处理压力。针对基于粒子群优化算法（PSO）的节点部署方法存在过早收敛现象和局部最优解的问题,通过改进的PSO算法优化神经元感知节点部署,实现网络结构优化。仿真结果表明,与经典PSO算法相比,改进PSO算法能够更快寻得最优解,整体通信覆盖率的最优值、最差值和平均值分别提高了3.19%,3.31%,3.25%,具有收敛快速有效、适应性强、稳定性高等优势。 

【文章来源】：工矿自动化. 2020,46(02)北大核心

【文章页数】：5 页

【部分图文】：

无线感知节点硬件结构

神经元感知节点网络部署框架如图3所示。首先，根据煤矿状态监测需要，随机投放神经元感知节点。然后，利用RSSI算法确定汇聚节点位置并估计其网络覆盖范围。最后，采用改进的PSO算法优化神经元感知节点部署。3.2 汇聚节点的定位与覆盖范围估计

在Matlab平台进行仿真，设部署区域为600m×600m的矩形，区域内布置3个中心节点。初始状态下，将区域划分为20m×10m的网格进行节点部署。设权重系数σ1=0.4，σ2=0.6，选用经典PSO算法作为对比，得到Matlab仿真结果，如图4所示。由图4可知，与经典PSO算法相比，改进PSO算法能够更快寻得最优解，最优解下的整体覆盖率更高。

【参考文献】：
期刊论文
[1]基于粒子群优化和巷道分区的深井WSN定位算法[J]. 余修武,谢晓永,梁北孔,余员琴,张可,周利兴.  中国安全科学学报. 2019(02)
[2]Hadoop架构下基于分布式粒子群算法的暂态稳定评估特征量选择[J]. 谢彦祥,刘天琪,苏学能.  电网技术. 2018(12)
[3]基于改进量子粒子群算法的配电网络优化重构[J]. 潘欢,杨丽,胡钢墩.  电测与仪表. 2018(18)
[4]矿山物联网网络技术发展趋势与关键技术[J]. 赵小虎,张凯,赵志凯,霍羽.  工矿自动化. 2018(04)
[5]基于区块链的信息物理融合系统的信息安全保护框架[J]. 丁庆洋,王秀利,朱建明,宋彪.  计算机科学. 2018(02)
[6]矿井无线传感器网络设计及应用[J]. 佟占生,王春明,李凯.  工矿自动化. 2017(08)
[7]分布式无线感知网络节点部署算法研究[J]. 周宇,王红军,林绪森.  信号处理. 2017(03)
[8]混合神经网络在变压器故障诊断中的应用[J]. 夏飞,罗志疆,张浩,彭道刚,张茜,唐依雯.  电子测量与仪器学报. 2017(01)
[9]无线传感网络中通用信号采集系统设计[J]. 田爱军,王德铭.  现代电子技术. 2017(02)
[10]基于层次Petri网的信息物理融合系统安全博弈建模[J]. 崔文岩,孟相如.  计算机应用研究. 2017(08)



本文编号：3500305