留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于雾计算的煤矿全场景监测系统研究

曹健萍 李敬兆

曹健萍,李敬兆.基于雾计算的煤矿全场景监测系统研究[J].工矿自动化,2020,46(2):50-53..  doi: 10.13272/j.issn.1671-251x.2019050031
引用本文: 曹健萍,李敬兆.基于雾计算的煤矿全场景监测系统研究[J].工矿自动化,2020,46(2):50-53..  doi: 10.13272/j.issn.1671-251x.2019050031
CAO Jianping, LI Jingzhao. Research on coal mine full scene monitoring system based on fog computing[J]. Industry and Mine Automation, 2020, 46(2): 50-53. doi: 10.13272/j.issn.1671-251x.2019050031
Citation: CAO Jianping, LI Jingzhao. Research on coal mine full scene monitoring system based on fog computing[J]. Industry and Mine Automation, 2020, 46(2): 50-53. doi: 10.13272/j.issn.1671-251x.2019050031

基于雾计算的煤矿全场景监测系统研究

doi: 10.13272/j.issn.1671-251x.2019050031
基金项目: 

国家自然科学基金资助项目(51874010)

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(2018IRS16)

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(KFKT201406)

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(2017A053)

详细信息
  • 中图分类号: TD76

Research on coal mine full scene monitoring system based on fog computing

  • 摘要: 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。

     

  • 加载中
计量
  • 文章访问数:  62
  • HTML全文浏览量:  11
  • PDF下载量:  11
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-02-20

目录

    /

    返回文章
    返回