10.13272/j.issn.1671-251x.2019050031
基于雾计算的煤矿全场景监测系统研究
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.
煤矿全场景监测系统、雾计算、边缘计算、神经元感知节点、粒子群优化算法
46
TD76(矿山安全与劳动保护)
国家自然科学基金资助项目;矿山巡检机器人非线性多智能体协同控制策略研究资助项目;安徽省工业节电与电能质量控制协同创新中心开放课题基金项目;重大创新平台及高校创新人才团队、矿山物联网研发团队资助项目
2020-04-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
50-53,64