基于雾计算的煤矿全场景监测系统研究
曹健萍
李敬兆
1.安徽理工大学电气与信息工程学院,安徽淮南 232001;工业节电与电能质量控制协同创新中心,安徽合肥2300002.安徽理工大学电气与信息工程学院,安徽淮南 232001;工业节电与电能质量控制协同创新中心,安徽合肥230000
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.
关键词：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
分类号：TD76(矿山安全与劳动保护)
资助基金：国家自然科学基金(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基金(KFKT201406)矿山物联网研发团队资助项目(2017A053)
论文发表日期：2020-02-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 50-53,64 )
英文信息