基于ZigBee的光伏电站智能脱扣器设计与实现
这是一篇关于光伏电站,智能脱扣器,ZigBee,云服务器,路由算法的论文, 主要内容为太阳能作为最常见的可再生清洁能源之一,一直深受社会关注,光伏太阳能发电应运而生。虽然光伏发电发展已有一段时间,但仍存在许多问题,光伏电站烧毁屡见不鲜,这对电站的电气保护器件智能脱扣器有了进一步要求。本文基于实际工程需求,设计了不仅能够对光伏电站进行故障保护,而且管理人员又可以对其运行状态进行实时监控的智能脱扣器,主要工作如下:1、完成智能脱扣器终端设备研制,系统硬件部分主要包括信号采集与调理电路、主控单元、脱扣执行单元、电源电路、ZigBee模块、GPRS模块等,软件部分主要包括:信号处理算法、电流三段保护、ZigBee路由算法等。首先智能脱扣器通过主控单元对底层传感器采集到的光伏电站运行电气信号进行数据处理,当发生数据超标等异常情况时,智能脱扣器能进行故障脱扣或报警动作,然后使用ZigBee组网技术将各电站数据汇总,并通过GPRS模块将其发送给云端。2、搭建管理服务平台,一方面基于MFC平台开发上位机,管理员通过上位机可以快捷地对智能脱扣器的额定电流、故障类型等参数进行读取与修改,另一方面进行云端设计,完成电站运行数据的存储、显示、处理等功能,当数据异常时能及时向管理人员推送报警信息,实现对智能脱扣器的实时监测。3、改进ZigBee路由算法,传统AODVjr路由算法未对路由分组进行限制,造成广播分组易泛滥,传输时延加大,而对于线路保护机构来说快速性是重要指标,结合光伏电站排列方式一般为静态双侧排布的特点,添加相关参数以对路由过程中的广播方向和跳数进行限制,减少冗余路由,提高信息传输效率。经验证,本文所设计的基于ZigBee的光伏电站智能脱扣器,能够对光伏电站故障保护的同时,实现对运行数据进行传输、存储和云端分析,达到了预期的设计效果。
面向生态监测系统的LoRaWAN多跳路由协议设计及实现
这是一篇关于生态监测网络,LoRaWAN,多跳通信,MAC协议,路由算法的论文, 主要内容为LoRaWAN(LoRaWide Area Network)技术在生态环境监测领域的应用逐渐增加,但是在缺乏电力及网络的稀疏均匀节点环境中,LoRaWAN技术对网关的依赖使其应用受到限制。传统非稀疏均匀路由算法面临着额外硬件开销、网络复杂度大等问题,而稀疏均匀路由算法又不能很好地均衡网络节点的能量,因此本文在传统平面路由算法的基础上,提出了后向均衡多跳路由算法,能够大大提升监测网络的能量均衡性和鲁棒性,并且设计了适用于偏远山区的时分后向均衡MAC(Media Access Control,MAC)协议,将后向均衡算法融入其中,并通过一系列可靠性保障措施来确保监测网络的运行,具体内容如下:(1)在山区环境中,传统平面路由算法需要把数据向架设在人口聚居区的网关流动,从而导致节点剩余能量分层,针对该问题本文通过仿真验证了探讨了树形拓扑、节点向后组网的可能性,然后提出了后向均衡多跳算法,使得树形网络中远离根部的节点能量能够得到充分利用,靠近根部的节点不至于过早死亡,最终通过仿真对比无源网络和有源网络,证明了后向均衡算法能够极大地提升网络的均衡性和鲁棒性。(2)针对偏远山区特殊的环境以及节点网络拓扑的稀疏性,本文设计了基于TDMA的时分后向均衡MAC协议,该协议通过给子节点划分时隙来避免多个子节点上传冲突,并通过MAC帧定期同步多跳网络的时间,使得网络协调一致。针对节点死机、消息传送失败等常见故障设立了可靠性措施,确保网络在突发情况下仍能够回传监测数据,保障数据安全。(3)在时分后向均衡MAC协议的基础上,针对偏远山区地理环境特点和监测需求,合理选择节点和网关硬件,构建多跳监测网、LoRaWAN服务器、应用服务器以及客户端数据链路,将传感器采集到的数据及时回传、处理、存储和展示,实现了同类监测网络没有的多跳功能,扩展了传输范围。系传输监测值精度为个位,最高可扩展至小数点后2位。实验显示,本文搭建的监测系统能够在出现较大丢包率的情况下,保证监测数据的可靠到达。
传送网智能故障推理和路由优化算法
这是一篇关于传送网故障,知识图谱,故障预测,路由算法的论文, 主要内容为光传送网是目前主流的传送网结构,随着新兴业务类型和用户数据量的爆发式增长,OTN的稳定性和调度能力受到了广泛关注和研究。目前,关于这两方面的研究已经有了一些研究成果,但仍然存在局限性。在稳定性方面,传送网中的一个突发故障往往会产生扩散并引发多个告警,根源告警不明确,大量零散的故障运维知识和经验未得到有效整合,故障解决效率低下,这为故障定位和诊断管理技术带来了许多困难。在调度能力方面,网络状态动态变化,流量分布不均衡,突发事件导致多条链路中断,这些问题对路由机制的设计造成了困难,以故障避免为目的的路由研究存在故障预测准确率不足、网络感知不全面、优化目标过于复杂影响模型训练等问题。针对现有研究中以上两个方面的不足,本文对传送网智能故障推理和路由优化算法进行了研究,具体研究内容如下:(1)为提升传送网故障处理能力,提出了基于知识图谱的故障推理机制。对于根源告警的不确定性问题,研究了基于多头图注意力网络的告警归一化处理算法(DL-GAT)。建立告警传播关系图模型和网络物理连接图模型,使用多头图注意力网络中进行训练并输出告警分类结果,实现并发告警的归一化处理,实验证明该算法提升了根源告警定位准确率和训练效率。为有效整合光传送网多源异构故障运维知识,构建了故障-解决方案知识图谱,详细设计了知识域、实体、实例、关系、属性等要素,完成图谱存储和可视化,实现了解决方案的快速推理。(2)为提升传送网故障状态下的调度能力,提出了基于生存度预测的路由构建和恢复算法。首先,对于传送网故障预测准确率不足的问题,研究基于残差特征长短期记忆网络的生存度预测算法(RF-LSTM)。通过建立故障拓扑模型和故障特征模型,寻找故障和时间之间的周期性关联和临期性关联,使用长短期记忆网络学习短时临期关联,使用残差网络将远端周期关联补充到网络中,实验证明提升了生存度预测的准确率。其次,对于网络感知不全面的问题,研究基于联合信息感知的故障路由算法(FP-DQN)。构建软件定义传送网架构,建立应用层主观信息感知模型和数据层客观信息感知模型,收集用户需求、网络状态、资源状态等多源信息进行整合,以时间和链路利用率为联合优化目标,使用强化学习算法求解路由。最后,仿真实验证明了路由算法降低了网络端到端时延,在节点故障时降低了最大链路占用率,实现网络负载均衡。
星地融合网络中基于协同流量预测的路由算法研究与实现
这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。
细纱机生产过程智能化检测系统的研究与设计
这是一篇关于细纱机,路由算法,图像处理,云平台的论文, 主要内容为纺织业是我国竞争性和国际依存度较高的行业,也是劳动密集型和具有优势的传统支柱产业之一。但是与一些发达国家相比,中国纺织企业在生产自动化程度、生产效率、生产管理等方面比较落后。为了提高我国在纺织行业的技术水平,我国也陆续开展了对纺织业智能化的研究。本文主要针对的是细纱机生产过程中智能化检测系统的研究与设计,选题具有重大理论意义与实用价值。本文以纺织车间的其中一个工序为研究对象,主要是细纱机生产过程参数的智能化检测,采用无线传感器网络技术,设计并实现了细纱机生产过程参数检测网络化系统。首先是对细纱机生产参数的检测。针对纺纱厂细纱机运转的情况,利用霍尔传感器检测细纱机各轴的运转速率,从而计算出需要的参数。为了集中监测细纱机运行情况,分析生产现场环境、通信距离、节点布置,采用ZigBee建立网络化监测系统,提高速率采集的稳定性与数据传输可靠性。根据生产现场实际情况,改进ZigBee传统路由算法,使其在纺织厂的环境中更加简便高效,降低丢包率。速率采集节点将采集的数据将数据发送给协调器,协调器通过WIFI模块经WIFI网关中继再上传到PC的上位机中。其次是对细纱断头的检测。将采集到的图像信号首先进行中值滤波,有效规避了因光线强度、纱线快速旋转等因素对纱线断头判断的干扰,再利用灰度直方图将灰度从大到小统计出对应的像素点个数并设置阈值,后将灰度图像转换成二值图像,再将二值图像进行垂直与水平投影,通过垂直与水平投影确定噪声的行和列,并将其滤除。由于标准的霍夫变换算法已无法适用预处理后的图像,也为了进一步排除背景噪声对纱线断头判断的影响,本文提出一种改进霍夫变换算法来检测二值图像中的直线,以快速提取纱线信息。同时还优化了该霍夫变换算法的扫描角度与步长,提高了运算速率,缩短了计算时间,提高了纱线断头的检测效率。最后搭建细纱机生产管理云平台系统。本文所述的云平台系统是基于Spring、Spring MVC、MyBatis框架与MySQL数据库的Web应用,详细显示了细纱机每日运转情况,生产的工艺参数,每日生产产量,员工信息等等。该应用目前已经可以阿里云服务器运行正常,实现远程登录与管理,解决了原本的上位机软件只能在本地监测的不足,现可以随时随地供企业管理者使用并监测细纱机运转情况的需求。
星地融合网络中基于协同流量预测的路由算法研究与实现
这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。
星地融合网络中基于协同流量预测的路由算法研究与实现
这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。
低轨卫星网络高效路由关键技术研究
这是一篇关于低轨卫星网络,微服务,路由算法,服务度量,路由架构的论文, 主要内容为为实现万物互联的时代发展需求,传统地面网络仅能实现全球表面30%的面积覆盖,已经无法满足需求;然而,随着航天与卫星技术的进步,卫星系统有望实现全球通信无缝覆盖。中、高轨卫星系统由于存在长时延、高误码等特征无法满足低延时等服务质量需求,而低轨卫星系统有望解决这些问题。如今,低轨卫星系统正成为全球太空“互联网”的竞争场地,受到民众与资本市场的关注日益增加,且有望上升成为重要的国家战略。为了实现广覆盖、低时延、高可靠的空间信息传输,确保通信质量与连接的持续、稳定性,本文针对基于低轨卫星系统的高动态拓扑表达的设计及路由方案进行深入研究,其具体内容如下:首先,为满足多样化业务提供差异化服务需求,提出了低轨卫星网络场景下面向服务的微服务池化路由架构。针对当前低轨卫星网络动态拓扑表达的不精准与信息交互冗余等问题,提出了新的拓扑存储数据结构与拓扑变化校准机制。该数据结构与机制下,拓扑变化信息的存储与交互的网络开销明显降低。其次,针对低轨卫星网络中服务度量模型的不精准与度量方法的不合理,提出了服务颗粒化(微服务)思想。依据“结构决定功能”的物理法则,重新设计了基于线程缓存的分类加权公平队列模型,并重新定义现有路由度量模型与算法。该路由度量模型将传统服务度量指标(如:时延、带宽等)转化为可查表的微服务颗粒(如:链路传播延时、排队延时、可伸缩带宽、剩余带宽等)。微服务颗粒可分为周期性与非周期性颗粒,其中针对非周期性服务颗粒采用深度学习、概念漂移等技术进行表格化处理。最后,针对提出的微服务度量模型,需要适当调整路由策略。根据微服务颗粒与服务需求优化路径的目标函数、负载均衡策略、重路由策略。在以铱星系统为参照的星座模型下,完成针对基于低时延实时业务路由算法的对比仿真(对比算法包括:ASMR、UMR、DRA等),其结果表明新路由架构具有更好的性能,以及更具挖掘网络服务的能力。
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：毕业设计工坊 ，原文地址：https://m.bishedaima.com/lunwen/46685.html
