基于云边协同的智能化气调储粮系统设计与实现
这是一篇关于云边协同,智能仓储,气调储粮,气体检测,智能调控算法的论文, 主要内容为中国作为粮食消费大国,粮食仓储安全与国计民生息息相关,如何在仓储期间降低粮食的损耗,一直是保障我国粮食安全的重要课题。研究表明,在仓储期间,虫害损耗是仓储粮食损耗的最主要原因。在2008年之前,我国针对粮食仓储的虫害问题,主要使用磷化氢环流熏蒸技术进行防治。2008年9月,第八届国际气调与熏蒸大会在我国召开,大会研讨了气调储粮在我国实施的可行性。近年来“绿色储粮”、“科学储粮”等概念被越来越多的国内学者接受,我国正式开始步入气调储粮时代。但近年来,气调储粮技术始终无法在国内大规模应用,其背后的原因值得深究,本文的研究重点是如何解决当前气调储粮技术在工程实践中的痛点,使其能够在国内进行大规模应用,论文的主要工作如下:(1)针对目前气调储粮的实施工作,需要人工监控且设备操作繁杂的问题,本文对设备操作过程进行分析,以整体操作流程为依据,提出了以数据协议为基础的智能化监控模型,将操作细节进行量化,通过设计粮仓内部传感器与智能终端的通信协议,打通了粮仓内外的数据交互,最终实现智能终端对粮仓内部环境的全方位监控。工程实践结果表明,通过智能终端对粮仓的环境监控,平均响应时间为2.3s,而传统方式一般需要30s左右,且需要人工操作。智能化监控的应用让系统能够更快的感应粮仓内部环境的变化,增加决策时间,提高系统的容错性。(2)针对目前气调储粮技术充氮效率较低的问题,本文对气调储粮的具体应用场景深入调研,以气调储粮过程中,气压、气体浓度占比等因素对氮气浓度变化为依据,提出了智能化气调储粮调控算法,建立了气调储粮的调控模型。算法将气调储粮的过程进行量化,使气调过程始终维持在最佳充氮状态下,有效的提升了充氮效率。实验表明,智能化气调储粮调控算法的应用,使气调储粮的平均充氮时间缩短了6h,时间效率提升42.8%。(3)针对国内气调储粮的应用,对不同地域下的粮仓不能进行统一化管理的问题。本文设计并实现了基于云边协同管理系统。智能终端作为系统中的边缘设备实时调控粮仓环境,同时为云端服务器提供数据源;云端服务器采用Spring Boot框架开发,使用Docker进行部署,通过Nginx进行服务的负载均衡,以Json为格式的消息和边缘侧的智能终端进行数据交互,对智能终端进行统一化的管理。云边协同管理系统的实现解决了不同地域的粮仓进行气调储粮难以统一化管理的问题,云边之间松耦合的关系使系统具有较高的稳定性和可拓展性。综上,本文针对气调储粮技术在工程实践中的痛点,借助现代通信技术和互联网技术,开展了一系列的研究,提出了智能化监控模型和智能化气调储粮调控算法,赋能智能终端,提高充氮效率。同时设计并实现了基于云边协同的管理系统,解决了不同地域下的粮仓不能进行统一化管理的问题,具有较高的实用价值。
基于云边协同的电梯曳引绳表面损伤在线监测方法研究
这是一篇关于电梯曳引绳,YOLOv5s,注意力机制,加权双向金字塔,云边协同的论文, 主要内容为电梯是现代城市高层建筑中必不可少的设备,极大便利人们生活的同时,电梯的安全问题也一直备受关注,其中曳引绳是电梯最重要的零部件之一,在长时间的使用过程中,曳引绳表面会出现损伤情况。如果不及时检测和处理,将会带来各种人员伤亡和财产损失的安全事故。由于目测法、声发射检测法、漏磁法等传统的电梯曳引绳表面损伤检测方法存在易误判、成本较高以及检测对象单一等问题,难以适应电梯曳引绳无损检测发展的需要。因此,利用深度学习方法实现表面损伤检测已经成为一种发展趋势。然而,目标检测算法在嵌入式设备中落地部署时,因处理主频低、内存小,精度和速度会恶化严重。为了平衡曳引绳表面损伤检测的准确度和检测速度,以YOLOv5s模型为基础,在其主干网络上有针对性的引入有效模块,设计出适用于边缘端设备的目标检测模型,并设计云边协同架构,将识别后的曳引绳表面损伤图像数据传输到云端,并在本地设计电梯曳引绳表面损伤监测系统,实现对电梯曳引绳表面损伤的在线监测,主要内容如下:(1)对边缘端部署的算法进行优化。为了满足嵌入式设备对检测模型的精度和速度的要求,在设计边缘端模型时YOLOv5s模型为基础模型,首先使用Ghost Net作为主干特征提取网络,充分发挥其计算量少,特征图不冗余的优势,以降低算法的复杂度,提高算法的检测速度。然后引入CA注意力机制,将空间坐标信息与注意力图进行有效整合,有助于网络快速提取有用特征,进一步增强算法的特征提取能力。最后借助双向特征金字塔网络(Bi-FPN)结构代替原始算法的路径聚合网络(Path Aggregation Network)结构,对多个尺度的特征进行融合。实验结果表明,改进后的模型与YOLOv5s模型相比,检测速度上提高15.4FPS,参数量减少41.5%,运算量减少了5.1G,检测精度基本保持不变。(2)云边协同架构的实现。边缘端负责采集样本、部署轻量化模型就近检测曳引绳表面损伤,并在边缘端设备Jestson AGX Xavier中部署ossimport数据迁移工具,实时将图像数据传输到阿里云的对象存储(OSS)平台中,并在本地设计曳引绳表面损伤检测系统,对损伤图像进行可视化。(3)设计电梯曳引绳表面损伤监测系统。为了对曳引绳表面损伤检测结果进行及时有效的查看,设计了一种基于Spring-Boot+My Batis+My SQL+CXF框架的电梯曳引绳表面损伤监测系统,系统的数据来源主要是由边缘端设备Jestson AGX Xavier采集后上传,Jestson AGX Xavier通过ossimport工具上传至阿里云的对象存储(OSS)。系统主要分为两个部分:用户系统登录模块、主界面展示模块。用户登录模块可以进行账号注册、登录、找回等功能,还可以中英文切换,满足不同用户的需求;主界面展示模块可以查看时间信息、设备位置信息、用户个人信息以及曳引绳表面损伤图像。
基于边缘计算的智能门禁系统的设计与实现
这是一篇关于MQTT,Docker,边缘计算,云边协同,人脸识别的论文, 主要内容为随着物联网的兴起与发展,基于人脸识别的智能门禁逐渐被越来越多的公司所应用。而目前大多数智能门禁系统只能对客户提供的内部员工进行识别,针对需要临时通行的外来访客则无法灵活做出响应。此外,很多门禁遵循着主流的物联网技术,将“计算”与“操作”分离,对传输通道与存储容量要求较高,响应速度也受到一定影响。为改进如上问题,作者所在公司成立了Smart Edge平台项目组来开发针对外来访客的智能门禁应用。边缘计算利用边缘设备自身的运算与处理能力,从而可以完成部分原本属于计算中心的运算任务。这样不仅提升了边缘应用的响应速度,也能降低延迟,提升用户体验,同时缓解了通信压力,保证了数据安全。系统基于边缘计算的思想,结合机器学习算法,将对外来访客的人脸识别过程与识别前的模型训练过程分离,分别部署在边缘测与云测,实现云端协同共同服务。此外以物联网的重要通信协议MQTT(Message Queuing Telemetry Transport,消息队列遥测传输)为核心,在边缘设备上部署智能边缘工具,通过管理平台与边缘工具的通信完成对边缘设备进行管理。作者在项目开发过程中参与了项目的需求分析,明确项目的业务需求。完成需求分析后,作者对项目功能模块进行划分,并根据功能模块对系统进行概要设计。之后作者对具体模块的架构、模块间的逻辑流程及用到的数据库表进行设计,并使用Flask网络框架、Docker容器化技术、ssm网络框架(Spring+Spring MVC+My Batis)、MQTT协议、MYSQL数据库、python的容器管理接口等技术,完成访客注册模块、模型训练模块、端侧识别模块与设备调度平台以及智能边缘工具的开发与实现工作。最后完成项目的部署工作。目前该系统已经在本公司内部开始试用,外来访客可以通过微信小程序提交来访申请,通过后可以在公司的门禁处直接刷脸进入公司。管理员也可以通过管理平台对门禁设备进行管理,对设备内应用进行更新。
配电物联网的监控业务计算负荷建模与边缘计算资源优化方法
这是一篇关于配电物联网,云边协同,边缘计算终端,资源优化,配电监控业务的论文, 主要内容为能源转型和能源互联网背景下,新一代电力系统呈现出多能协同、负荷柔性可控、储能灵活调控和市场化运行的特征,海量信息和新兴业务不断涌现。配电物联网边缘计算终端资源有限,且承担了数据和业务的就地处理和优化控制等重要功能。因此本文着重研究边缘计算终端有限计算资源的前提下对配电业务计算负荷云边协同优化调度,以适配计算负荷与计算资源,提高系统的整体性能。本文首先面向监控业务研究可调度的微服务计算负荷建模方法,针对计算负荷的特性对业务流进行优化部署,据此为边缘计算终端部署计算资源;并且在运行过程中基于业务特性对计算任务卸载优化,以降低配电业务的延时响应,最后基于全局负载均衡优化,将业务计算负荷和计算资源进行时空适配调度。本文分别从资源配置和运行优化两个层面对边缘计算终端的资源优化进行研究分析,主要工作如下:(1)梳理配电物联网整体架构、关键资源、运行机制,以配电物联网云边协同机制为基础,建立边缘计算终端和云中心的资源要素之间的关联;分析配电物联网监控业务的基本功能,对监控业务微服务进行分类,并且分析不同微服务的计算负荷,建立业务的信息源模型和有向无环图模型。(2)研究云边协同机制对业务信息流的优化,并且用于指导优化边缘计算终端资源配置。建立配电监控业务信息流模型,以最小资源需求为目标对业务信息流进行云边协同优化,并基于优化结果在边缘计算终端资源运行约束条件下,优化边缘计算终端硬件资源配置,减少边缘计算终端计算资源冗余配置,降低核心网的通讯压力。(3)研究边缘计算运行过程中业务云边协同部署的对计算资源的优化方法,梳理边缘计算终端容器资源运行机制,将业务DAG模型转化为容器执行的时序逻辑模型,并且针对时序逻辑进行业务云边协同,降低业务响应延时。业务云边协同优化方案可以在资源固定的情况下有效减少业务的响应延时,提高系统的表现。(4)研究全局边缘计算终端计算任务卸载对计算资源的优化方法,分析业务计算负荷和计算资源在时空上的错配问题,建立终端容器队列模型描述资源负载情况,并通过任务卸载方法对全局容器进行负载均衡。提出考虑延时惩罚的计算任务卸载的优化策略模型,并通过仿真结果证明计算任务卸载对计算资源优化的有效性。
基于跨域迁移的物联网实体推荐算法研究
这是一篇关于物联网,物联网推荐,云边协同,自适应迁移的论文, 主要内容为随着物联网技术的日益成熟,物理空间与信息空间的界限进一步缩小,人、机、物的联系更加紧密。同时,随着携带感知设备的海量物联网实体的广泛部署,由感知设备观测产生的物联网实体数据也呈现爆炸式增长,面对如此海量的数据以及用户个性化、多样化的实体感知需求,借助适当的推荐技术可以及时、准确地为用户提供所需的物理实体信息。然而,当前已有的物联网推荐方法未能从用户的个性化角度出发设计推荐方法,从而未提出个性化的物联网实体推荐方法。同时,研究表明,分层的物联网推荐架构可以更加有效降低推荐时延,提高推荐效率。因此,本文针对现有物联网推荐研究中存在的问题,进行了基于跨域迁移的物联网实体推荐算法的相关研究。本文的主要内容如下:首先,本文介绍了物联网推荐的研究背景,并介绍了物联网推荐方法的研究现状。同时叙述了物联网推荐的概念、特点和应用场景,然后介绍了物联网推荐算法的研究情况。其次,提出了基于云边协同双模跨域迁移物联网实体推荐方法,设计了云边协同的物联网实体推荐架构,充分利用云端与边缘侧资源,设计考虑云端与边缘侧资源差异性的双模推荐方法,满足多样化场景下实体高精度和实时性推荐需求。仿真验证表明,所提方法可有效提高物联网实体推荐的准确性和实时性,对比基线方案准确度提升了7.8%。然后,本文提出了一种基于自适应偏好迁移的物联网实体推荐方法,该方法通过自适应迁移公共嵌入表示来增强用户特征的嵌入表示,从而实现个性化推荐。结合多种显性交互数据,如用户位置信息和实体评分信息来挖掘用户的兴趣偏好。此外,设计了一种轻量级的用户反馈特征嵌入方法,通过挖掘用户的显式和隐式反馈信息来解决用户反馈信息稀疏问题,从而进一步提升推荐系统的准确性。最后,总结了本文的主要工作,并对未来可行的研究方向进行了展望。
云边协同下配电物联终端任务调度优化研究
这是一篇关于配电物联网,任务调度,微服务,云边协同,容器的论文, 主要内容为随着配电物联网的建设,终端设备和任务数量快速增加。面向涌现出的业务增量,边设备采用微服务架构和容器技术实现一台物理设备对不同业务的处理。应用随着新业务的拓展不断增加,设备计算、存储和通信资源可能存在不足的情况。同时,任务在设备资源受限时存在计算、传输失败的可能性。利用微服务相互独立的特点,根据应用服务的差异化需求,进行任务调度与资源调整,对充分利用云边各自优势、提高电力任务的执行效率具有重要意义。但是现有的对于电力任务调度的研究大多没有考虑任务的拓扑结构和差异化特征,以及设备、容器资源的变化与服务部署情况对调度决策的影响。为此,本文针对现有工作中存在的问题展开研究:任务处理时延是决定任务能否完成的最关键指标。为了满足更多的任务请求,提出了基于贪婪策略的任务云边协同调度优化算法。首先从任务角度及设备角度对任务调度问题进行了分析,用有向无环图(Directed Acyclic Graph,DAG)对多个有依赖关系的微服务进行建模。考虑边设备计算资源受限,细分了微服务在容器中的处理情况并建立了相应的数学模型。然后通过微服务优先级对各个微服务进行排序,从而形成任务的调度序列。通过模糊逻辑算法对电力任务的优先级进行计算,从而区分不同任务的重要程度。最后根据系统资源是否受限分情况对不同任务进行调度。仿真结果表明,所提策略具有更高的任务执行效率。任务的执行会产生能耗,不同任务对于时延和能耗的侧重不同。为了平衡任务时延和能耗,提出了基于NSGA-Ⅱ的任务云边协同调度优化算法。为了更接近真实场景,考虑边设备计算、存储资源受限,在服务配置机制基础上,建立了微服务的处理模型。通过对任务调度中的约束条件进行分析,指出了优先级约束、能力约束和执行时间约束。将时延与能耗的优化决策问题转化为带约束的多目标优化问题,采用NSGA-Ⅱ算法求解,然后通过基于模糊逻辑的多准则决策方法为任务选择调度方案。仿真结果表明,所提策略有效降低了任务处理时延与系统能耗。随着需求和服务的变化,任务调度正在担任越来越重要的角色,作为边缘计算的关键支撑技术,将进一步推动边缘计算在配电物联网中的发展。
面向基站配电设备智能监控系统设计
这是一篇关于配电设备,云边协同,剩余寿命预测,数据全生命周期服务的论文, 主要内容为配电设备是接受电能与分配电能的重要装置。据调研,目前通信小微基站配电统仍依靠人工巡检运维,维护成本高,且由于无法准确、及时判断配电设备的健康状态,容易造成意外停电事故。为此,立足于配电设备从投入使用到报废退役的运维阶段,设计了具备综合管理功能的智能监控系统,经传感采集设备状态数据,并运用云边协同和健康管理技术,结合实时和历史数据,对设备状态进行智能评估分析,以满足智能化监控需求。主要研究内容概括如下:(1)按照云边协同框架分层设计,使用国产SOC核心处理器,搭载运行开源嵌入式Linux操作系统,开发了系统硬件和软件。硬件部分包括数据采集、存储和网络通信电路等。软件部分包括驱动软件配置、应用程序开发等,实现采集、上云等逻辑功能。云平台设计各功能模块界面,实现了数据可视化、报警处理、设备管理和状态评估等,并设置数据表存储数据。(2)以直流配电系统中的储能锂电池剩余寿命预测作为研究内容,搭建基于POA-ELM算法的剩余寿命预测模型,采用公开数据集完成模型训练和预测,结合输出结果和误差指标分析,证明该模型预测精度较高,以此验证设备“预测性维护”的可行性。(3)通过搭建实验平台以及现场实际设备联调,对系统数据采集处理、本地数据管理、云边协同等功能及相关性能进行了测试。对比同类监控系统,具备采样周期短、准确率高、丢包率低、通信时延短等优点。综上所述,本文搭建的智能监控系统,集数据全生命周期服务、云边协同、设备运维管理等功能为一体,提供态势呈现、监测预警、联动指挥、分析决策和趋势预测等多元化服务,边缘端引入数据全生命周期服务,结合云端引入智能算法技术,实现了云边数据聚合、备份,提高了基站配电设备运维效率,并搭建模型实现了寿命预测,弥补了现有系统缺少健康评估的缺陷,验证了预测性维护的可行性。经实地测试,整体系统运行较为稳定,具有较高的实际应用价值,可广泛应用于企业内部配电站、通信基站等。
钢结构施工现场安全监测系统设计与实现
这是一篇关于云边协同,目标检测,卸载策略,容器化,微服务的论文, 主要内容为钢结构建筑是当下建筑结构中不可或缺的一部分。然而,现有的钢结构施工现场安全监测不成体系,无法全面、及时地进行安全预警和状态监控,危害施工人员安全、影响施工企业发展。因此,本文针对性地设计了钢结构施工现场安全监测系统。系统整合云计算与边缘计算的优势,采用云边协同框架构建,通过容器化技术设计部署边缘计算平台,借助微服务技术设计部署云端计算与监测平台,实现钢结构施工现场安全系统性监测。具体研究内容如下:首先,针对目前施工现场使用较多的目标检测算法在背景复杂、具有前景遮挡的情况下,存在检测准确率较低,误检和漏检率较高的问题,提出YOLOSS目标检测算法。该算法改进了后处理中的非极大值抑制策略,增强模型在前景遮挡下的检测能力;引入注意力机制,降低背景对检测主体目标的影响。结合多目标跟踪算法,实现多目标检测与跟踪。其次,分析了监测系统架构对系统性能的影响,构建系统模型用于计算卸载策略分析。引入一致性哈希负载均衡算法,降低计算资源迁移成本;提出融合一致性哈希的任务场景敏感型计算卸载策略,应对钢结构施工现场的典型计算场景和计算需求,实现计算任务的可靠卸载。随后,面向钢结构施工场景下的边缘计算需求,设计边缘端计算平台架构;搭建后端边缘计算平台,部署安全帽检测和多目标跟踪服务,实现人员安全隐患的稳定监测;提出应用于边缘计算平台的容器化方案,并以容器化方式设计、部署边缘端服务,实现服务部署的资源隔离与环境标准化。最后,针对边缘计算平台存在的短板,基于微服务设计云端计算和监测可视化平台系统框架;部署计算服务,实现钢结构施工现场人员安全隐患与建筑结构安全隐患的全方位云端安全监测;可视化云端计算和监测平台,提供友好的交互界面;结合容器化边缘计算平台提供云边协同的计算能力,实现成体系的钢结构施工现场安全监控系统。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计货栈 ，原文地址：https://m.bishedaima.com/lunwen/46108.html
