基于机器学习的工业互联网自适应方法研究

发布时间：2021-04-04 15:07

　　随着新一代信息通信技术的飞速发展,无线通信与人工智能等领域进入了新的研究阶段,给全球工业产业带来了革命性的影响,工业互联网的概念应运而生。随着德国工业4.0、美国工业互联网和中国《智能制造2025》等国家层面对相关研究的大力支持,工业互联网及相关领域在世界范围内受到了广泛的关注,发展势头十分活跃。在工业互联网的数据采集与传输过程中,随着海量工业设备接入网络,数据包在网络中可能产生大量拥塞,引起传输时延和丢包率上升等网络性能方面的问题出现。同时由于工业环境、网络架构和资源分配管理模式等方面存在的问题,导致系统能耗较高而网络资源利用率较低。针对上述问题,本文从资源优化管理的角度,首先对工业无线网络中网络资源和计算资源的联合管理进行重点研究,将频谱资源分配问题建模为动态随机优化问题,并利用部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process,POMDP）描述其中的动态参数,求解出最优频谱分配动作。之后本文重点研究了工业网络中数据传输时延与网络能耗的优化问题,并对动态基站资源优化管理问题进行建模。最后基于工业传感器网络特性和K-M... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：95 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外相关研究进展
        1.2.1 工业互联网的发展现状及挑战
        1.2.2 LPWAN的发展现状与应用
        1.2.3 工业领域中机器学习算法的发展及应用
    1.3 本文的主要研究内容及各部分结构安排
第2章 工业互联网与低功耗广域互联网
    2.1 工业互联网发展背景、架构特征与数据源
        2.1.1 工业互联网发展背景
        2.1.2 工业互联网架构及特征
        2.1.3 工业互联网数据采集来源
    2.2 低功耗广域互联网概述
        2.2.1 LPWAN发展背景与关键技术
        2.2.2 LPWAN网络架构及特征
    2.3 本章小结
第3章 POMDP与K-Means聚类算法概述
    3.1 部分可观测马尔可夫决策过程
        3.1.1 MDP概述
        3.1.2 POMDP基本模型
        3.1.3 POMDP策略与值函数
        3.1.4 POMDP算法概述
    3.2 聚类算法
        3.2.1 聚类算法分类
        3.2.2 K-means基本流程及算法特点
        3.2.3 K-means算法性能度量方法
        3.2.4 K-means聚类算法概述
        3.2.5 模拟退火算法概述
    3.3 本章小结
第4章 基于认知无线电和边缘计算的工业无线网络联合资源管理
    4.1 引言
    4.2 基于认知无线电和边缘计算的工业无线网络架构
        4.2.1 网络架构
        4.2.2 基于认知无线电与边缘计算的工业无线网络中的数据流
    4.3 系统模型
        4.3.1 网络模型和服务模型
        4.3.2 计算模型
    4.4 动态随机优化问题建模
        4.4.1 系统状态空间
        4.4.2 动作空间
        4.4.3 收益和优化目标
    4.5 解决动态随机优化问题
        4.5.1 状态转移概率
        4.5.2 更新系统收益
        4.5.3 利用部分可观测马尔可夫决策过程重构
        4.5.4 资源管理流程
    4.6 仿真结果和分析
        4.6.1 仿真环境
        4.6.2 系统总收益对比
        4.6.3 吞吐量对比
        4.6.4 传输时延对比
    4.7 本章小结
第5章 基于K-Means聚类算法的低功耗广域互联网自适应方法
    5.1 引言
    5.2 基于低功耗广域互联网的工业无线网络架构
        5.2.1 网络架构
        5.2.2 ADR技术
    5.3 系统模型
        5.3.1 无线信道通信模型
        5.3.2 系统能耗模型
    5.4 网关动态最优选址问题建模
        5.4.1 低功耗广域互联网网络能耗
        5.4.2 数据实时性分析
        5.4.3 优化目标
    5.5 基于KMSA算法的网关动态最优选址问题
        5.5.1 优化K-Means算法
        5.5.2 模拟退火算法
        5.5.3 基于模拟退火的自适应K-Means聚类算法
    5.6 仿真结果与分析
        5.6.1 仿真环境
        5.6.2 确定最优网关数量
        5.6.3 聚类结果
        5.6.4 算法性能对比
        5.6.5 网络生命周期和吞吐量对比
    5.7 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢


【参考文献】：
期刊论文
[1]低功耗无线广域网技术在油田数字化建设中的应用模式探讨[J]. 杨天翼.  通信技术. 2017(08)
[2]时延敏感传感器网络中分布式动态资源管理研究[J]. 刘伟,刘军.  通信学报. 2017(07)
[3]新兴物联网技术——LoRa[J]. 王阳,温向明,路兆铭,程刚,潘奇.  信息通信技术. 2017(01)
[4]窄带物联网部署策略[J]. 邢宇龙,胡云.  信息通信技术. 2017(01)
[5]低功耗广域网络技术综述[J]. 郑宁,杨曦,吴双力.  信息通信技术. 2017(01)
[6]LoRa技术在低功耗广域网络中的实现和应用[J]. 郑浩.  信息通信技术. 2017(01)
[7]Mobile Edge Computing Towards 5G: Vision, Recent Progress, and Open Challenges[J]. Yifan Yu.  中国通信. 2016(S2)
[8]美国、德国工业互联网联盟机构解析[J]. 陈骞.  上海信息化. 2016(12)
[9]NB-IoT技术简介及其在智慧城市中应用研究[J]. 严益强.  广东通信技术. 2016(11)
[10]LoRa无线网络技术分析[J]. 赵静,苏光添.  移动通信. 2016(21)

硕士论文
[1]K-means聚类方法的改进及其应用[D]. 李荟娆.东北农业大学 2014



本文编号：3118269