9篇关于雾计算的计算机毕业论文

今天分享的是关于雾计算的9篇计算机毕业论文范文, 如果你的论文涉及到雾计算等主题,本文能够帮助到你

智慧路灯控制模块研发及其应用

这是一篇关于智慧路灯,雾计算,路灯光控模块,迁移学习,系统集成的论文, 主要内容为随着技术的发展,自动化的路灯控制已经成为智慧路灯管理的重要要求。目前利用光线传感器可以对路灯进行有效的单灯自动化控制,但是因一些衰老、损坏、污染等因素影响造成了光控路灯在普及中出现投诉率高的问题。通过雾计算在区域数据的基础上解决路灯光控调光中的实际问题,对智慧路灯控制系统的发展有一定的促进作用与现实意义。当前在路灯管理方面很多市民通过12345热线或微博等渠道反馈路灯情况,管理部门通过人工进行相应的问题处理。业务流程环境多,效率低下,人工成本高。本文研究的重点是将雾计算的理念融入传统光控,优化光控模型并利用自然语言处理技术(Natural Language Processing,NLP)结合区域舆情构建一体化平台,为智慧路灯控制全面数字化发展提供参考。本论文主要内容包括以下几个方面:1.提出了基于雾计算的路灯光控模块:该模块综合利用边缘节点解决现有智慧路灯光控设备受灰尘,落叶,光敏电阻老化、损坏而影响自动控制的问题。通过编码定位区域,获取区域路灯数据进行联合计算,将结果用于路灯光电控制系统纠偏或替代,以此解决传感器故障对路灯系统造成的影响。该模块的应用可以有效降低路灯投诉事件,减少运维频率,提升市民满意度的同时降低管理者的运营成本。2.提出了基于迁移学习Bi LSTM-CRF的故障路灯事件识别方法:分析路灯管理的各种必要因素,使用迁移学习Bi LSTM-CRF技术从舆情中识别故障路灯事件,提取事件中的相关地址信息并确定信息的有效性。通过系统对地址中的故障路灯准确定位,可以解决传统路灯故障位置信息需要运维人员二次确认的问题,提升系统效率,降低人力资源成本。3.基于微服务架构的智慧路灯控制模块实现及管理系统集成:基于微服务架构使用Spring Cloud、Kubernets、Docker等技术,将控制模块与智慧路灯控制系统进行集成,实现基于雾计算的路灯光控功能以及基于迁移学习Bi LSTM-CRF的传统路灯管理功能,提升开发效率,增强系统可用性,扩大系统管理范围,提升市民满意度。在测试中,对系统的性能和效果评价均达到预期。提升路灯自动化控制水平,降低人工成本,是智慧路灯控制系统发展的重要目标。本文主要研究传统路灯光控方法并运用迁移学习Bi LSTM-CRF技术提升智慧路灯控制系统的管理能力。

基于云雾协同的某型药品稳定性试验箱监控系统的研究与设计

这是一篇关于雾计算,云雾协同,协同存储,监控系统的论文, 主要内容为在新药研制和上市过程中,药品试验是不可或缺的步骤。然而,药品试验易出错、周期长,需要大量的成本支持。传统的试验箱监控系统存在多方面的问题,包括数据共享范围小、警报通知局限、控制实时性不高等。这些问题难以满足当下数据远程多端、多角色共享、控制指令实时下发、断网数据保护的需求。为响应国家智慧医疗建设的号召,并缩短药品试验周期,某型药品稳定性试验箱加入了雾计算等新型技术,研制了基于云雾协同的某型药品稳定性试验箱监控系统,该系统能够保障试验数据的获取与共享。该监控系统包括云服务、雾服务、设备端和移动端四部分。本文的主要工作包括:(1)研究云雾协同监控系统的系统需求和体系结构,并对云服务、雾服务、设备端和移动端四个部分架构进行详细的研究与设计,对其实现方法进行相应的技术选型。(2)研究云雾协同存储技术,运用基于AES算法和Reed-Solomon编码的数据保护方案,提出将雾服务一对一放置在设备中的实现方法;研究系统安全技术,从SQL注入、XSS攻击、CRSF攻击三个危害性最大的攻击进行防护设计,保护系统和数据库安全;研究雾服务放置技术,提出将雾服务通过And Server框架运行在rk-3399开发板上的方案。(3)研制一套基于云雾协同的某型药品稳定性试验箱监控系统服务,进行数据库的设计,系统服务包括云服务数据中心和靠近药品试验箱设备的雾服务。云服务数据中心是多端、多角色数据共享的关键,在系统需求和设计的基础上,通过时序图的形式详细的描述了设备数据管理接口、实时警报接口、系统登陆和用户数据管理接口的设计;雾服务同样也以时序图的形式主要阐述了控制指令下发接口、数据信息采集和上传接口的设计。(4)研制设备端监控软件和移动端软件,设备端软件使用Vue渐进式框架和High Chart图像库绘制界面。该界面直观明了、操作简捷、符合工作人员操作习惯,设备端主要分为五大模块:在线监测模块、用户和系统设置模块、历史数据可视化分析模块、视频查看和用户管理模块;移动端采用uni-app技术,用以配合设备端管理药品试验箱、个人接收警报消息等。经测试,本文所研制的系统能够实现对药品试验箱的现场控制和远程监视功能,并能够满足警报实时推送、历史数据回溯以及可视化分析等需求。

雾计算中基于进化算法的服务放置优化研究

这是一篇关于雾计算,服务放置,进化算法,多目标优化的论文, 主要内容为随着物联网的快速发展,传统的云计算已经不能满足应用程序对于低延时、实时性交互和移动性感知的需要。为弥补云计算存在的缺陷,思科提出了雾计算的概念。雾计算作为一种新兴的分布式计算范式,在距离用户更近的网络边缘提供了传统云计算的功能。将应用从云端迁移到网络边缘能够有效地降低用户等待服务的延迟。然而,在资源受限、异构且地理位置分布广泛的雾设备上放置服务是一项挑战性的工作,并且用户期望和Io T设备特征的多样性也使得放置问题复杂化。现有的研究已经证明雾计算中的服务放置问题是一个NP-hard问题,使用启发式算法对雾服务放置问题进行求解已成为一个热门趋势。本文聚焦于雾计算环境下的服务放置问题,从雾服务放置问题的建模与优化两个方面展开研究。本文的主要内容如下:(1)雾计算环境下服务放置问题的建模。本文将雾计算中的服务放置问题抽象为受约束的多目标优化问题,建立雾计算的系统模型,提出一种基于微服务的Io T应用程序模型。然后,在这两个模型基础之上构建网络延迟、资源利用率和服务成本三个优化目标的数学模型,并将放置到雾设备上的服务消耗的资源不超过雾设备的可用资源作为雾服务放置问题的约束条件。(2)本文引入三种多目标进化算法对建模的雾服务放置问题进行了优化。其一,将多目标的雾服务放置问题转换为单目标优化问题,为每个优化目标分配了相同的权重系数,提出了基于加权求和遗传算法(WSGA算法)的雾服务放置优化算法;其二,使用带精英策略的快速非支配排序遗传算法(NSGA-II算法)对多目标的雾服务放置问题进行优化求解,提出了基于NSGA-II的雾服务放置优化算法;其三,本文利用基于分解的多目标进化算法(MOEA/D算法)研究了多目标的雾服务放置问题,使用切比雪夫法将多目标的雾服务放置问题分解为一系列的标量子问题并同时进行优化,提出了基于MOEA/D的雾服务放置优化算法。(3)通过实验仿真评估和验证了本文提出的三种优化方案的性能。仿真结果表明,基于WSGA的雾服务放置优化算法的执行时间最少,该算法输出的解决方案在雾层部署的服务数量最少;基于NSGA-II的雾服务放置优化算法获得最高的优化目标;基于MOEA/D的雾服务放置优化算法具有最快的收敛速度,并且该算法获得的帕累托最优解集的性能最好。

智慧路灯控制模块研发及其应用

雾计算中基于进化算法的服务放置优化研究

面向边端雾节点信任检测与认证方法研究

这是一篇关于雾计算,信任检测,身份认证,决策树,硬件指纹的论文, 主要内容为随着物联网技术的快速发展,终端设备和传感器产生了海量的数据。雾计算层作为云边端三层体系架构的中间层,通过分布在网络边缘的雾节点为终端设备提供低延迟和高带宽的数据计算和存储服务。由于数据通常是在多个雾节点之间共享和传输,单个雾节点的安全性和可信性可能会影响到整个雾计算系统。为保障边缘计算中雾节点的安全与可信,本文提出了面向边端雾节点信任检测与认证方法,本文的主要研究内容如下:(1)针对雾计算分布式部署和雾节点协同计算的特征,本文设计了一种基于决策树的雾节点信任检测方法。首先,对雾节点进行交互式的主观信任计算、基于最优路径的间接信任计算和面向容错性和稳定性的能力信任计算。其次,使用信息增益比来选择最佳分裂属性构建决策树,为提高检测模型的泛化能力,通过损失函数对决策树进行剪枝。最后,通过仿真实验论证了该信任检测方法的准确率。(2)面向边缘移动雾节点计算资源受限的特征,本文设计了一种双因素的雾节点身份认证方法。该方法将会话密钥作为一个认证因子,将激励通过加法器产生的计算误差作为另一个认证因子。其次,为提高认证的安全性,通过混淆隐藏激励和响应之间的映射关系。最后,通过对比实验验证了本文所设计的认证方法能够有效的降低计算和通信开销。(3)设计并实现了信任检测与身份认证原型系统,主要包括后台管理、信任检测、身份认证等模块。通过后台管理员对信任检测功能进行测试,选择适当的正则系数对决策树剪枝,能够有效提高检测的准确率。通过服务器端对身份认证功能进行检测,能够保障雾计算的安全性与可靠性。

雾计算网络任务卸载和安全分片方案研究

这是一篇关于雾计算,任务卸载,区块链,信誉模型,分片的论文, 主要内容为雾计算网络位于物联网(Internet of Things,Io T)设备和云之间,可为Io T设备(Io T Devices,IDs)提供传输、计算和缓存资源,以降低IDs应用传输时延,提高服务质量(Quality of Service,Qo S)。由于雾节点(Fog Nodes,FNs)计算资源有限,需优化卸载决策和资源分配方案以提高资源利用率,降低网络开销。同时,由于FNs的离散部署,导致用户数据安全和网络抗攻击能力面临巨大的挑战。现有研究中,采用区块链技术来保证传输数据的安全性。但是,由于区块链可扩展性限制,网络吞吐量低,共识时延高。针对以上问题,本文研究了雾计算网络任务卸载和安全分片方案。首先,本文研究了雾计算网络中任务卸载与区块共识方案。为了最小化网络开销,分别针对任务卸载能耗和区块链共识时延提出卸载目标动态匹配(Offloading Target Dynamic Matching,OTDM)算法和基于信誉值的委托拜占庭容错(Reputation-based Delegated Byzantine Fault Tolerant,R-DBFT)算法。首先,提出基于区块链技术的雾计算网络模型,并引入设备到设备(Device-To-Device,D2D)链路辅助任务卸载。同时,基于FNs的信誉值筛选候选区块链节点(Candidate Blockchain Nodes,CBNs)集,并识别网络中的恶意节点。其次,基于IDs的任务量、时延容忍度等因素提出OTDM算法,为IDs匹配最优卸载目标,从而降低能耗。最后,提出R-DBFT算法,从CBNs中选取区块链节点(Blockchain Nodes,BNs),从而在保证网络安全的条件下,降低共识时延。并且,通过仿真验证所提算法的有效性。进一步,为提高网络吞吐量,本文研究了基于分片的区块链验证方案。该方案采用分片技术将FNs拆分成多个分片,以降低对单个FN的计算和存储需求。首先,建立基于区块链技术的雾计算网络模型,并采用基于FNs信誉值的拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)算法实现快速共识。其次,提出信誉模型,结合历史信誉值以及决策信息更新FNs信誉值,并以此识别网络中的恶意节点。再次,使用归一化熵计算网络中恶意节点的比例,求解最佳分片数量。然后,联合考虑最佳分片数量、FNs地理位置以及片内节点数量等因素,提出一种基于位置的雾节点可靠分片(Location based fog nodes Reliable Sharding,LRS)算法,以提升网络性能。最后,通过仿真验证算法的有效性,并基于springboot框架搭建可视化验证平台。

在Elastic Stack上实现智慧能管的云雾整合架构的研究

这是一篇关于能源,物联网,云计算,雾计算,Elastic Stack的论文, 主要内容为当前,我国的经济总量和能源消费总量连续多年位居世界前列。与此同时,我国的单位GDP能耗与世界平均水平仍有较大差距,能源利用效率依旧不高。由此种种带来了能源短缺和能源污染问题,而提高能源的使用效率是现阶段最现实最直接的解决这些问题的途径。一个优秀能源管理平台能够帮助企业单位加强对于能耗的把控,提升其辐射园区内的能源利用效率。数据是一个平台的基础,当前是物物联网的时代,基础数据的获取方式发生了巨大的改变。物联网给数据的实时性和准确性带来了蜕变,也给这些数据开辟了新的应用前景。当前的很多智慧平台采用的都是物联网+云计算的模式,由采集点将数据推送给云端,云端对这些数据挖掘和分析。在无实时性需求或平台数据承载能力足够时,这种模式往往能够取得很好的效果。但是,如果面对大量实时的数据流,物联网+云计算的模式无法做到低时延应答,且网络带宽、数据可靠性等等问题难以解决。对此本文考虑在物联网+云计算的模式之间加入雾计算,雾计算用来补充云计算的这些短板。雾计算的计算节点接近数据边缘,能够快速接收、处理、存储、转发边缘数据,缓解云端压力,增加数据的有效利用率。而对于云计算和雾计算之间存在的巨大差异,本文使用了Elastic Stack作为云计算和雾计算间的数据桥梁。Elastic Stack能够安全可靠地获取任何来源、任何格式的数据,对于云计算和雾计算的不同环境也可以灵活应对。本文内容是建设一个智慧能管平台的一部分,整个平台整合了物联网数据采集、雾计算和云计算、大数据分析预测等等大的模块。本文主要工作包括雾端的架构设计和功能实现,云端的存储架构设计,云雾间数据对接的实现,以及Elastic Stack平台的部署和使用等等。在具体研究实现过程中,本文通过容器技术进行雾端的资源管理,多种消息中间件进行数据缓存,部署Elastic Stack平台进行数据分析,使用Spring Cloud架构完成雾端数据应用的开发等等。最终结果表明,本文研究实现的云雾混合架构的数据通路能够保持稳定连通且能够承担相当的数据流压力,数据过滤实现预期功能且具备强大的灵活性,数据分析使用Elastic Stack平台能够对实时数据流进行高自由度的探索挖掘。本文使用了多种新型技术和技术特性并将其整合,不仅能够应用于能管平台,也可以延申到其他平台。