隨著新一代信息通信技術的飛速發(fā)展,無線通信與人工智能等領域進入了新的研究階段,給全球工業(yè)產(chǎn)業(yè)帶來了革命性的影響,工業(yè)互聯(lián)網(wǎng)的概念應運而生。隨著德國工業(yè)4.0、美國工業(yè)互聯(lián)網(wǎng)和中國《智能制造2025》等國家層面對相關研究的大力支持,工業(yè)互聯(lián)網(wǎng)及相關領域在世界范圍內(nèi)受到了廣泛的關注,發(fā)展勢頭十分活躍。在工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)采集與傳輸過程中,隨著海量工業(yè)設備接入網(wǎng)絡,數(shù)據(jù)包在網(wǎng)絡中可能產(chǎn)生大量擁塞,引起傳輸時延和丟包率上升等網(wǎng)絡性能方面的問題出現(xiàn)。同時由于工業(yè)環(huán)境、網(wǎng)絡架構(gòu)和資源分配管理模式等方面存在的問題,導致系統(tǒng)能耗較高而網(wǎng)絡資源利用率較低。針對上述問題,本文從資源優(yōu)化管理的角度,首先對工業(yè)無線網(wǎng)絡中網(wǎng)絡資源和計算資源的聯(lián)合管理進行重點研究,將頻譜資源分配問題建模為動態(tài)隨機優(yōu)化問題,并利用部分可觀測馬爾可夫決策過程（Partially Observable Markov Decision Process,POMDP）描述其中的動態(tài)參數(shù),求解出最優(yōu)頻譜分配動作。之后本文重點研究了工業(yè)網(wǎng)絡中數(shù)據(jù)傳輸時延與網(wǎng)絡能耗的優(yōu)化問題,并對動態(tài)基站資源優(yōu)化管理問題進行建模。最后基于工業(yè)傳感器網(wǎng)絡特性和K-M... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：95 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及意義
    1.2 國內(nèi)外相關研究進展
        1.2.1 工業(yè)互聯(lián)網(wǎng)的發(fā)展現(xiàn)狀及挑戰(zhàn)
        1.2.2 LPWAN的發(fā)展現(xiàn)狀與應用
        1.2.3 工業(yè)領域中機器學習算法的發(fā)展及應用
    1.3 本文的主要研究內(nèi)容及各部分結(jié)構(gòu)安排
第2章 工業(yè)互聯(lián)網(wǎng)與低功耗廣域互聯(lián)網(wǎng)
    2.1 工業(yè)互聯(lián)網(wǎng)發(fā)展背景、架構(gòu)特征與數(shù)據(jù)源
        2.1.1 工業(yè)互聯(lián)網(wǎng)發(fā)展背景
        2.1.2 工業(yè)互聯(lián)網(wǎng)架構(gòu)及特征
        2.1.3 工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)采集來源
    2.2 低功耗廣域互聯(lián)網(wǎng)概述
        2.2.1 LPWAN發(fā)展背景與關鍵技術
        2.2.2 LPWAN網(wǎng)絡架構(gòu)及特征
    2.3 本章小結(jié)
第3章 POMDP與K-Means聚類算法概述
    3.1 部分可觀測馬爾可夫決策過程
        3.1.1 MDP概述
        3.1.2 POMDP基本模型
        3.1.3 POMDP策略與值函數(shù)
        3.1.4 POMDP算法概述
    3.2 聚類算法
        3.2.1 聚類算法分類
        3.2.2 K-means基本流程及算法特點
        3.2.3 K-means算法性能度量方法
        3.2.4 K-means聚類算法概述
        3.2.5 模擬退火算法概述
    3.3 本章小結(jié)
第4章 基于認知無線電和邊緣計算的工業(yè)無線網(wǎng)絡聯(lián)合資源管理
    4.1 引言
    4.2 基于認知無線電和邊緣計算的工業(yè)無線網(wǎng)絡架構(gòu)
        4.2.1 網(wǎng)絡架構(gòu)
        4.2.2 基于認知無線電與邊緣計算的工業(yè)無線網(wǎng)絡中的數(shù)據(jù)流
    4.3 系統(tǒng)模型
        4.3.1 網(wǎng)絡模型和服務模型
        4.3.2 計算模型
    4.4 動態(tài)隨機優(yōu)化問題建模
        4.4.1 系統(tǒng)狀態(tài)空間
        4.4.2 動作空間
        4.4.3 收益和優(yōu)化目標
    4.5 解決動態(tài)隨機優(yōu)化問題
        4.5.1 狀態(tài)轉(zhuǎn)移概率
        4.5.2 更新系統(tǒng)收益
        4.5.3 利用部分可觀測馬爾可夫決策過程重構(gòu)
        4.5.4 資源管理流程
    4.6 仿真結(jié)果和分析
        4.6.1 仿真環(huán)境
        4.6.2 系統(tǒng)總收益對比
        4.6.3 吞吐量對比
        4.6.4 傳輸時延對比
    4.7 本章小結(jié)
第5章 基于K-Means聚類算法的低功耗廣域互聯(lián)網(wǎng)自適應方法
    5.1 引言
    5.2 基于低功耗廣域互聯(lián)網(wǎng)的工業(yè)無線網(wǎng)絡架構(gòu)
        5.2.1 網(wǎng)絡架構(gòu)
        5.2.2 ADR技術
    5.3 系統(tǒng)模型
        5.3.1 無線信道通信模型
        5.3.2 系統(tǒng)能耗模型
    5.4 網(wǎng)關動態(tài)最優(yōu)選址問題建模
        5.4.1 低功耗廣域互聯(lián)網(wǎng)網(wǎng)絡能耗
        5.4.2 數(shù)據(jù)實時性分析
        5.4.3 優(yōu)化目標
    5.5 基于KMSA算法的網(wǎng)關動態(tài)最優(yōu)選址問題
        5.5.1 優(yōu)化K-Means算法
        5.5.2 模擬退火算法
        5.5.3 基于模擬退火的自適應K-Means聚類算法
    5.6 仿真結(jié)果與分析
        5.6.1 仿真環(huán)境
        5.6.2 確定最優(yōu)網(wǎng)關數(shù)量
        5.6.3 聚類結(jié)果
        5.6.4 算法性能對比
        5.6.5 網(wǎng)絡生命周期和吞吐量對比
    5.7 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的學術論文
致謝


【參考文獻】：
期刊論文
[1]低功耗無線廣域網(wǎng)技術在油田數(shù)字化建設中的應用模式探討[J]. 楊天翼.  通信技術. 2017(08)
[2]時延敏感傳感器網(wǎng)絡中分布式動態(tài)資源管理研究[J]. 劉偉,劉軍.  通信學報. 2017(07)
[3]新興物聯(lián)網(wǎng)技術——LoRa[J]. 王陽,溫向明,路兆銘,程剛,潘奇.  信息通信技術. 2017(01)
[4]窄帶物聯(lián)網(wǎng)部署策略[J]. 邢宇龍,胡云.  信息通信技術. 2017(01)
[5]低功耗廣域網(wǎng)絡技術綜述[J]. 鄭寧,楊曦,吳雙力.  信息通信技術. 2017(01)
[6]LoRa技術在低功耗廣域網(wǎng)絡中的實現(xiàn)和應用[J]. 鄭浩.  信息通信技術. 2017(01)
[7]Mobile Edge Computing Towards 5G: Vision, Recent Progress, and Open Challenges[J]. Yifan Yu.  中國通信. 2016(S2)
[8]美國、德國工業(yè)互聯(lián)網(wǎng)聯(lián)盟機構(gòu)解析[J]. 陳騫.  上海信息化. 2016(12)
[9]NB-IoT技術簡介及其在智慧城市中應用研究[J]. 嚴益強.  廣東通信技術. 2016(11)
[10]LoRa無線網(wǎng)絡技術分析[J]. 趙靜,蘇光添.  移動通信. 2016(21)

碩士論文
[1]K-means聚類方法的改進及其應用[D]. 李薈嬈.東北農(nóng)業(yè)大學 2014



本文編號：3118269