針對當前礦山信息物理融合系統(tǒng)(CPS)的通信節(jié)點無法與基于不同無線通信協(xié)議的感知節(jié)點實現智能連接的問題,在通信節(jié)點上集成多種通信模塊構成多模態(tài)通信節(jié)點,提出了一種基于漸進式神經網絡的礦山CPS多節(jié)點智聯策略。采用漸進式神經網絡控制多模態(tài)通信節(jié)點準確切換工作模態(tài),實現異構無線通信網絡自主建立;利用異步優(yōu)勢動作評價算法對漸進式神經網絡進行深度訓練,提高漸進式神經網絡的收斂速度和訓練精度。實驗結果表明,該策略實現了多模態(tài)通信節(jié)點與多類感知節(jié)點之間的準確、可靠通信。 

【文章來源】：工礦自動化. 2020年03期 北大核心

【文章頁數】：6 頁

【部分圖文】：

礦山CPS無線通信網絡架構

漸進式神經網絡從一個單一的神經網絡開始訓練，隨著訓練任務的增多，漸進式神經網絡逐步地增加網絡列數，并將之前訓練的神經網絡與當前訓練的神經網絡相連接，如圖2所示。I為漸進式神經網絡輸入；O(i）為第i(i=1,2，…，k,k為漸進式神經網絡列數）列神經網絡輸出；hj(i）為漸進式神經網絡第j(j=1,2，…，n,n為漸進式神經網絡隱藏層數）層、第i列神經元輸出。由于漸進式神經網絡結構不斷擴大，在對之前訓練的數據進行融合時，為保持神經網絡維度的統(tǒng)一，需要對數據進行M處理，即采用一個單隱藏層的多層感知機（Multilayer Perceptron,MLP）（圖3）對前列神經網絡的數據進行融合處理，并以一定的維度輸出到下一列神經網絡中。

MLP結構

【參考文獻】：
期刊論文
[1]一種基于策略梯度強化學習的列車智能控制方法[J]. 張淼,張琦,劉文韜,周博淵.  鐵道學報. 2020(01)
[2]基于異步優(yōu)勢執(zhí)行器評價器學習的自適應PID控制設計[J]. 孫歧峰,任輝,段友祥.  信息與控制. 2019(03)
[3]煤礦信息物理系統(tǒng)場景感知自配置與優(yōu)化策略研究[J]. 李敬兆,宮華強.  煤炭科學技術. 2019(04)
[4]漸進式神經網絡多維說話人信息識別技術[J]. 陳海霞,徐瓏婷,楊震.  南京郵電大學學報(自然科學版). 2019(01)
[5]智慧礦山建設架構體系及其關鍵技術[J]. 陳曉晶,何敏.  煤炭科學技術. 2018(02)
[6]礦山工程信息物理系統(tǒng)研究及挑戰(zhàn)[J]. 孫彥景,華鋼,竇林名,李松,鞏思園,盧楠楠.  煤炭科學技術. 2018(02)
[7]深度神經網絡訓練中梯度不穩(wěn)定現象研究綜述[J]. 陳建廷,向陽.  軟件學報. 2018(07)
[8]LoRa技術在礦井無線通信中的應用分析[J]. 霍振龍.  工礦自動化. 2017(10)
[9]感知礦山物聯網愿景與發(fā)展趨勢[J]. 姚建銓,丁恩杰,張申,王剛.  工礦自動化. 2016(09)

博士論文
[1]礦下異構無線網絡資源優(yōu)化關鍵技術研究[D]. 袁亞洲.上海交通大學 2016

碩士論文
[1]基于強化學習的無地圖搜索導航[D]. 胡剛.哈爾濱工業(yè)大學 2019
[2]礦用融合網關設計及關鍵技術研究[D]. 王寬.中國礦業(yè)大學 2019



本文編號：2931234