基于边缘计算的电力物联网任务分配系统设计与实现
这是一篇关于电力物联网,边缘计算,无线传感器网络,任务分配,群智能算法的论文, 主要内容为随着电力系统与物联网系统的有机融合,电力物联网的概念在智能电网的建设过程中逐渐形成。在电力物联网中,存在着多种不同类型的电力任务,例如电力无线传感器网络(Wireless Sensor Networks,WSNs)分簇路由规划任务。在该背景下,电力物联网智能化的一个重要研究方向是设计更加高效的任务分配技术,以解决电网工作人员与电力任务的深度交互问题。因此,本文面向电力物联网设计了一款具备良好图形化界面的任务分配仿真系统。总的来说,本文的工作分为以下三大部分。(1)针对电力WSNs分簇路由规划任务,本文构建了一个高效的分簇模型并提出了一种新的分簇方法。首先,本文在构建分簇模型的过程中改进了传统的簇头选举方式,综合考虑了节点剩余能量、簇内距离、基站距离和数据传输时延等因素,设计了一个以最大化函数值为目标的评价函数。然后,本文提出了一种基于改进鲸鱼优化算法的分簇路由方法HPCP-QCWOA,提供了一种新的量子旋转角度表以及一种新的种群分层克隆策略。最后,本文利用MATLAB搭建了一个电力WSNs测试环境,并将所提出的分簇方法同一些最新的分簇协议,即O-LEACH、LDIWPSO和ARSH-FATI-CHS进行了综合对比。测试结果表明HPCP-QCWOA所获得的数据包平均传输时延分别比上述分簇协议低了16.95%、15.55%和20.29%。(2)为了加快电力WSNs分簇路由规划等电力任务的执行速度,本文基于边缘计算的概念设计了一个电力任务边缘卸载模型,并提出了一种新的电力任务边缘卸载方法。首先,该模型将电力任务的卸载时延划分为任务上传时延、执行时延和结果返回时延三个不同的部分,并引入了不同的时延系数得到了一个以最小化函数值为目标的评价函数。然后,本文提出了一种基于改进遗传算法的电力任务边缘卸载方法,设计了一种无需查找量子旋转角度表的新量子算子,并构建了一个用于存放历史最优解的精英池。最后,本文利用Cloud Sim构建了一个电力任务的边缘卸载测试环境,并将所提出的卸载算法同多种现有的卸载方法,即和灰狼优化算法、粒子群优化算法、顺序卸载和随机卸载方式进行了对比。测试结果表明本文所提出的电力任务卸载方法的任务完成时延比上述卸载方法分别降低了12.29%、8.80%、28.22%和40.92%。(3)基于前面所提出的与电力物联网任务分配相关的数学模型和算法,本文利用MATLAB App Designer平台搭建了一个具备良好图形化界面的任务分配仿真系统。该系统主要包括四大模块,分别是系统登录模块、系统菜单模块、电力WSNs分簇路由规划模块和电力任务边缘卸载规划模块。此外,该系统还提供了一些额外的辅助功能,例如运行环境的清理、历史分配结果的查看和用户使用手册。最后,为了增强系统的可靠性,本文对其进行了全面的系统功能测试。测试结果表明该系统所设计的各项功能均达到了预期的目标。
基于边缘计算的电力物联网任务分配系统设计与实现
这是一篇关于电力物联网,边缘计算,无线传感器网络,任务分配,群智能算法的论文, 主要内容为随着电力系统与物联网系统的有机融合,电力物联网的概念在智能电网的建设过程中逐渐形成。在电力物联网中,存在着多种不同类型的电力任务,例如电力无线传感器网络(Wireless Sensor Networks,WSNs)分簇路由规划任务。在该背景下,电力物联网智能化的一个重要研究方向是设计更加高效的任务分配技术,以解决电网工作人员与电力任务的深度交互问题。因此,本文面向电力物联网设计了一款具备良好图形化界面的任务分配仿真系统。总的来说,本文的工作分为以下三大部分。(1)针对电力WSNs分簇路由规划任务,本文构建了一个高效的分簇模型并提出了一种新的分簇方法。首先,本文在构建分簇模型的过程中改进了传统的簇头选举方式,综合考虑了节点剩余能量、簇内距离、基站距离和数据传输时延等因素,设计了一个以最大化函数值为目标的评价函数。然后,本文提出了一种基于改进鲸鱼优化算法的分簇路由方法HPCP-QCWOA,提供了一种新的量子旋转角度表以及一种新的种群分层克隆策略。最后,本文利用MATLAB搭建了一个电力WSNs测试环境,并将所提出的分簇方法同一些最新的分簇协议,即O-LEACH、LDIWPSO和ARSH-FATI-CHS进行了综合对比。测试结果表明HPCP-QCWOA所获得的数据包平均传输时延分别比上述分簇协议低了16.95%、15.55%和20.29%。(2)为了加快电力WSNs分簇路由规划等电力任务的执行速度,本文基于边缘计算的概念设计了一个电力任务边缘卸载模型,并提出了一种新的电力任务边缘卸载方法。首先,该模型将电力任务的卸载时延划分为任务上传时延、执行时延和结果返回时延三个不同的部分,并引入了不同的时延系数得到了一个以最小化函数值为目标的评价函数。然后,本文提出了一种基于改进遗传算法的电力任务边缘卸载方法,设计了一种无需查找量子旋转角度表的新量子算子,并构建了一个用于存放历史最优解的精英池。最后,本文利用Cloud Sim构建了一个电力任务的边缘卸载测试环境,并将所提出的卸载算法同多种现有的卸载方法,即和灰狼优化算法、粒子群优化算法、顺序卸载和随机卸载方式进行了对比。测试结果表明本文所提出的电力任务卸载方法的任务完成时延比上述卸载方法分别降低了12.29%、8.80%、28.22%和40.92%。(3)基于前面所提出的与电力物联网任务分配相关的数学模型和算法,本文利用MATLAB App Designer平台搭建了一个具备良好图形化界面的任务分配仿真系统。该系统主要包括四大模块,分别是系统登录模块、系统菜单模块、电力WSNs分簇路由规划模块和电力任务边缘卸载规划模块。此外,该系统还提供了一些额外的辅助功能,例如运行环境的清理、历史分配结果的查看和用户使用手册。最后,为了增强系统的可靠性,本文对其进行了全面的系统功能测试。测试结果表明该系统所设计的各项功能均达到了预期的目标。
基于群智能算法的桥吊系统控制参数自整定方法研究
这是一篇关于桥式吊车,群智能算法,闭环控制器,参数整定的论文, 主要内容为桥吊系统是一种欠驱动、非线性系统,广泛应用于港口、车间、仓库和工地等工业场所。随着各行各业自动化程度不断提升,对桥吊的防摆性能提出了更高的要求,因此有必要为桥吊系统设计一套完备且智能的控制方案。其中,由于控制器的性能与控制器参数有密切的关系,参数整定在控制器设计过程中十分重要。但是控制器增益对控制器性能的影响无法确定,并且待整定参数之间相互影响,这些困难都限制了控制器所能够获得的性能。由于群智能算法原理简单,不需要梯度信息,且具有易跳出局部最优的优点,在各学科或工程应用中广泛用于求解参数整定问题,因此本文使用群智能算法整定吊车控制器增益。本文的主要内容如下:(1)为了实现桥式吊车的快速准确定位控制与稳定的防摆控制,使用拉格朗日法建立桥吊系统的数学模型,并简述了桥吊系统中应用的PID和滑模控制器原理和控制系统结构。(2)针对闭环控制器参数整定复杂且对控制性能影响大的问题,提出了基于改进非洲秃鹫算法的控制器增益离线自整定方法。首先,为了使非洲秃鹫算法前期具有更全面的全局搜索能力,将准对立学习应用于种群初始化过程与勘探阶段,提高种群多样性。其次,在算法开发阶段,引入基于自适应参数的差分进化算子,平衡算法勘探开发阶段,提高收敛速度与结果精度。最后,将非洲秃鹫算法应用于控制器参数整定中,通过仿真和实验验证所提控制方法的性能。(3)针对工作状态变化时使用固定参数的桥式吊车系统控制器鲁棒性差的问题,提出了基于太阳鱼算法的桥式吊车控制参数在线自整定方法。该方法使用一种新型群智能算法—太阳鱼算法,选取ITAE指标作为算法适应度函数,得到自适应控制参数来代替固定参数,对系统性能实时更新。其中太阳鱼算法根据太阳鱼生物习性构建对应数学模型,该算法时间复杂度较小,且具有良好的勘探与开发能力。
人工蜂群算法的改进及其在图像分割中的应用研究
这是一篇关于单目标优化问题,人工蜂群算法,群智能算法,精英引导策略,图像分割的论文, 主要内容为人工蜂群算法(ABC)是一种基于群体智能的智能优化方法。它是模拟自然界蜜蜂采蜜的社会行为而产生的算法,在各种各样的优化问题上面都具备了良好的搜索性能。一直以来,人工蜂群算法因为性能良好和结构简单的特点变得流行起来。然而,ABC算法的性能往往受开发能力和勘探能力的影响,并且如何去平衡算法中的开发和勘探显得尤为重要。对于某些复杂的问题,ABC算法的解搜索方程虽然有较强的勘探能力,但是其开发能力较差。此外,数字图像处理问题中一直有个较为困难的问题就是图像分割问题,它是计算机视觉领域中的经典问题之一。但同时图像分割问题也一直是一类复杂优化问题。本文利用改进的人工蜂群算法处理图像的灰度阈值分割问题,使用当前比较高效的智能优化算法来解决实际的应用问题,可以实现图像处理自动化。本文主要研究的工作总结如下:(1)针对ABC算法结构简单,面对复杂优化问题较为吃力的情况,提出具有弹性调整的分组引导式人工蜂群算法(Group-guided artificial bee colony algorithm with elastic adjustment strategy,EGABC)。在EGABC中,我们提出了具有弹性调整能力的分组引导策略。EGABC中提出了两种改进策略和一个分组引导模型,对标准ABC算法收敛速度过慢的问题,设计了由精英个体引导的分组引导式策略,把整个种群分成若干个小组,每组的个体都由小组内精英个体或全局最优个体所引导,可以有效利用当前的已知信息来加快算法的收敛速度。其次,为了平衡算法中的勘探和开发能力,添加了动态弹性调整的自适应参数,在算法的进程中可以有效调整算法搜索效率,起到平衡算法勘探和开发性能的作用。为了验证EGABC的有效性,我们在13个基准测试函数和cec2013测试函数上进行了实验。实验与其他多个ABC变体相比较,结果表明了EGABC所提的策略是具备强有力的竞争力且可以有效提高ABC算法的性能。(2)针对图像处理问题中的图像分割问题,引入本文提出的改进的人工蜂群算法EGABC。将改进算法应用于经典的Kapur熵方法和Otsu方法的传统灰度阈值分割问题中,利用改进的人工蜂群算法寻找最优阈值。在灰度阈值分割实验中,采用权威的标准Berkeley分割数据集,峰值信噪比PSNR、结构相似性指标SSIM和特征相似性FSIM这三个比较经典的评估函数。将两种改进策略相结合,得到的改进算法在实验中表明,具有良好的算法性能,具有很强的适应性,可以很好地增强图像分割后的质量和效果。综上所述,我采用改进的人工蜂群算法应用于灰度图像阈值分割中,利用该算法来寻找最优阈值,可以取得更加良好的结果。
基于云计算的变量施肥控制系统的设计与研究
这是一篇关于云计算,变量施肥,群智能算法,PID控制,云平台的论文, 主要内容为现阶段,实施高效的变量施肥控制是实现精细化农业生产活动的关键环节,为提高变量施肥的智能化管理水平,须对施肥控制系统进行深入地探讨和分析。通过对国内外关于变量施肥技术的文献资料查阅和学习后,发现目前所设计的一些变量施肥控制系统中仍存在施肥精度不高、稳定性较差、数据资源难以形成以及智能化管理水平较低等问题。因此,在农业物联网技术不断发展的背景下,为实现田间作物相关数据的实时采集到施肥决策再到施肥控制的整个云管理过程,本文面向云计算技术,详细研究并设计了基于云计算的变量施肥控制系统,主要研究成果如下:(1)采用云计算技术设计了变量施肥控制系统的总体结构。本研究遵循层次化、对象化、并行化和数据服务化的设计思想,对以云计算技术为基础的变量施肥控制系统进行了整体架构的设计,同时对设计过程中所采用的一些主要技术作了较为详尽的说明,使系统具有稳定可靠的数据传输和简单高效的管理能力,扩展了云计算的应用范围,为智能化施肥管理提供了新的思路。(2)面向云计算技术对变量施肥控制装置提出了构建。在对系统的技术需求与功能需求展开分析后,以单片机作为控制核心,结合云计算和物联网等技术,设计出一套变量施肥控制装置,主要包含了主控和灌溉部分的硬件选型以及远程数据传输协议的设计,最终实现了对棉田水肥供应的智能控制和精准管理。(3)研究并改进群智能控制算法实现了对变量施肥控制系统的优化。针对施肥过程中存在的一些问题,学习并改进标准粒子群算法(PSO)和灰狼算法(GWO),得到改进后的算法分别为DNPSO,GGWO。最后,用MATLAB对其仿真分析并搭建试验平台验证系统的流量精度及稳定性。结果表明:与DNPSO控制算法相比,GGWO-PID控制下的系统各性能指标都要更优,有效提高了施肥系统的抗干扰性和自适应能力。(4)搭建并测试了滴灌智能变量施肥服务云平台。为落实系统的集成与应用,在分析平台目标、功能和性能需求基础上,实现了平台总体结构、数据存储和核心功能模块的设计,并完成了性能和功能测试。结果表明:该云平台的设计满足了用户的实用性、可靠性以及稳定性需求,实现了基于云计算的棉花养分信息获取到追肥决策再到施肥控制的全过程云管理。本研究在统筹农业灌溉施肥的基础上,以基于云计算的变量施肥控制系统的总体结构为基础,以变量施肥控制装置为核心,以群智能优化算法为辅助,以施肥云平台为支撑,保证了整个系统结构的稳定性和完整性。各项实验结果表明,该系统的设计能够提高棉田信息的感知能力、数据的高效传输能力以及施肥管理的高效执行能力,在降低生产成本的条件下提高了作物的产量和经济效益,使研究具有前瞻性。
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：毕设海岸 ，原文地址：https://m.bishedaima.com/lunwen/55135.html
