导读:本文包含了边缘监测论文开题报告文献综述及选题提纲参考文献，主要关键词:泛在电力物联网,边缘计算,配电网,状态监测
边缘监测论文文献综述
刘冲,魏鑫,李迪,赵钊[1]（2019）在《基于边缘计算的配网状态监测》一文中研究指出目前配网状态监测业务快速发展,大力发展泛在电力物联网,作为电力重点供电环节的配网,将引入大量智能终端。现阶段大部分配网状态监测数据,都上传至云端进行集中式管理,随着终端数量和数据的不断增加,给云端计算、存储带来很大的挑战。提出了采用边缘计算框架,在智能终端中集成边缘计算网关,应用于配网状态监测,实现本地化的数据采集、存储和分析。(本文来源于《生态互联 数字电力——2019电力行业信息化年会论文集》期刊2019-09-07）
王艳如,刘海峰,李琳,刘兰方,杨振亚[2]（2019）在《基于边缘智能分析的图像识别技术在输电线路在线监测中的应用》一文中研究指出输电线路监测工作对电网的安全运行起着至关重要的作用,基于人工智能算法的图像识别技术应用可以提高故障识别效率,降低人工成本。文章通过研究基于深度学习的图像识别技术和移动边缘计算技术,提出基于泛在电力物联网的输电线路在线监测系统架构,并通过物联网输电线路监测系统的研发应用,实现隐患可控,提高输电网的应急处置能力,为泛在电力物联网在输电线路在线监测领域的深入研究提供实践依据。(本文来源于《电力信息与通信技术》期刊2019年07期）
罗明[3]（2019）在《基于移动边缘计算的网络信息监测与缓存业务优化》一文中研究指出互联网业务的快速增长以及智能移动设备的普及,使得全球移动互联网的流量成指数级快速增长,而未来的蜂窝网络要提供高可靠、高带宽、低时延的网络保障。应对这一需求,移动边缘计算(Mobile Edge Computing,MEC)被提出并发展成未来移动网络的关键技术。通过MEC将边缘网络的数据流量进行本地处理,将极大减轻核心网的回程压力,降低服务时延;与此同时,通过MEC平台将边缘网络信息开放给业务开发者,可用于实时网络情境相关的业务优化,进一步提高用户体验。MEC的主要应用场景包括高清视频点播、AR/VR、车联网等,而通过MEC实现内容分发网络(Content Delivery Network,CDN)的边缘下沉亦具有重要价值,因此如何利用MEC平台进行移动业务优化成为了人们的研究热点。基于MEC平台,本文研究如何对边缘网络进行流量监测,并开放出网络信息供业务优化。另一方面对MEC结合CDN业务进行研究,实现CDN节点下沉至移动网络边缘,解决传统CDN对移动端业务加速失效的问题,并进一步研究了边缘CDN的协作缓存策略。论文的主要工作包括——一、基于MEC平台的网络流量监测系统研究与实现:网络流量监测与开放是MEC平台最核心的功能之一,本文针对ETSI发布的MEC规范和系统架构,研究如何为MEC平台提供网络流量监测能力,开放无线网络侧的上下文信息,为第叁方服务提供业务优化的RESTFUL API接口。首先提出了一种基于深度包检测的蜂窝流量监测方式,能够实时侦听解析LTE网络中S1接口的GTP与S1AP报文,解析流量并处理封装成接口,开放出网络信息。接着详细阐述了流量监测框架的数据采集、处理与存储架构设计,并对系统进行了功能测试。二、移动边缘CDN系统的研究实现:传统CDN部署在移动网络之外,对移动端业务的加速非常有限。针对该问题,探索了基于MEC平台的边缘CDN加速业务实现,将传统计算机网络中的CDN节点下沉到蜂窝网络边缘。首先基于MEC平台设计了边缘CDN系统架构,搭建了基于BIND的域名解析服务,将本地业务DNS解析分流到MEC平台上的代理服务器,并搭建了基于Squid的反向代理服务以提供缓存加速支持。最后整体测试了边缘CDN系统性能,从大文件传输、小文件传输、音视频点播等主要应用场景分别比较了边缘CDN较传统CDN的性能优势。边缘CDN相比传统CDN,域名解析时间和连接建立时间分别能降低36%与33%。叁、基于多级异构网络的边缘CDN协作缓存系统设计与实现:提出并实现了一种基于协作的边缘CDN加速系统。首先提出了一种相邻节点的协作缓存架构,各缓存节点通过信息共享进行缓存更新,在协作集合内降低缓存冗余并提高资源利用率。接着提出了基于G-S(Gale-Sharpley)算法的协作缓存更新策略,通过内容与缓存节点的偏好进行稳定匹配,以最优化整体服务时延。最后基于SSM框架搭建了协作缓存加速系统,实现功能包括协作节点管理、缓存管理、协作缓存更新、高清视频加速对比等,通过可视化的Web界面进一步展示了缓存系统的协作机制与性能优势。经过验证比较,G-S协作缓存策略相比非协作缓存策略的服务时延平均降低40.68%,相比流行度协作缓存策略平均降低10.01%。(本文来源于《北京邮电大学》期刊2019-05-28）
夏侯如超[4]（2019）在《基于边缘计算的室内空气质量监测方法及其预测模型研究》一文中研究指出随着居民对生活质量的要求不断提高,室内空气作为与居民长时间接触并极大影响居民身体健康的重要因素,引起愈发广泛的关注,迫切需要一种完善的方式进行实时监控和预测。针对目前室内空气质量监测意识薄弱,监控方式落后,没有完善成熟的全套解决方案等问题,本文基于物联网架构,利用边缘计算和ARIMA预测模型等技术,开发了一套端到端的室内空气质量监测系统,用于实时高效的监测室内空气。主要研究内容如下:(1)基于物联网架构和技术,开发了包括空气感知终端、传输协议和设备组网、云端监控平台叁层架构的室内空气质量监测系统,实现了室内空气参数实时采集,传输及云端存储方法;(2)利用边缘网关,研究了网络边缘侧边缘计算方法,实现了多设备接入和管理、数据分析和清洗、信息决策和规则计算等功能,可缓解空气监测系统的网络传输压力,提升边缘决策能力及监控的实时性;(3)通过样本平稳化处理、定阶和模型建立、模型评价和结果预测、模型检验和预测误差分析等步骤,建立了以室内CO2浓度为例的ARIMA预测模型,可实现对室内CO2浓度的预测,提高空气监测系统的预警能力。以某建筑物室内为实际监测环境,测试和验证了系统功能,实现了室内空气数据采集并传输至网关做边缘计算,数据处理后上传至云端存储分析,并建立预测模型对环境变化做出预测。结果表明,整个系统可实时高效智能化的监控和预警室内空气环境,具有较高的实用价值。(本文来源于《华东理工大学》期刊2019-05-16）
张科,叶影,张红[5]（2019）在《基于边缘计算的森林火警监测系统》一文中研究指出云计算和图像处理技术的应用极大地改变了森林火警监测的方式。基于云架构的森林火警监测技术在检测实时性和图像算法可配置性方面均存在不足。为了解决这些问题,设计了一种基于边缘计算的森林火警监测系统。系统采用边缘计算的方式,利用森林监测站的边缘计算机或服务器执行火灾检测的图像处理任务,提高了火灾检测和预警的实时性。另外,系统引入了算法重配置的功能模块,以便火灾识别算法的迭代与更新,减少了系统二次开发的成本,进一步增强了系统的实用性。(本文来源于《大数据》期刊2019年02期）
于天琪,朱咏絮,王现斌[6]（2018）在《基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测》一文中研究指出物联网以其便于搭建及成本低廉等优点,被广泛地应用于环境监测中。在大规模物联网监测系统中,云平台一直被用作远程的数据和控制中心,然而系统中大量的数据上传和处理给云平台的带宽负载和实时性反馈等方面带来了巨大挑战。因此,提出了基于边缘计算的物联网监测系统框架。边缘计算作为该系统的中间层,能够为终端设备提供实时的本地服务,同时能够通过初步分析分流云平台的计算任务进而降低数据上传量。在此基础上,进一步提出了一种利用自编码神经网络实现的异常检测方法。采用实地采集的海洋气候监测数据进行仿真分析,仿真结果表明,本文提出的基于自编码神经网络的异常检测方法能够充分利用采集数据的空间相关性并准确地检测出异常数据。(本文来源于《物联网学报》期刊2018年04期）
孟亦凡,李敬兆,张梅[7]（2018）在《基于LSTM边缘计算与随机森林雾决策的矿工状态监测设备》一文中研究指出煤矿井下环境恶劣,劳动强度高,矿工身体负荷大,危险等级高,严重影响了矿工身体健康。为此,提出了一种基于长短时记忆网络(LSTM)边缘计算与随机森林雾决策的矿工状态监测设备。通过边缘感知节点对矿工体温、心率、血氧浓度等生理特征以及叁轴加速度、姿态变化等运动状态信息进行检测,采用LSTM数据分析以判断、预测矿工状态,实现设备系统的边缘计算功能;通过区块链化的雾决策层并基于随机森林算法对矿工异常状态进行原因溯源分析;基于低功耗广域网(LPWAN)实现云雾之间的无线数据交互。该设备可实时掌握矿工的身体状况和工作状况,为矿工的身体健康和煤矿安全生产提供了保障。(本文来源于《煤矿机械》期刊2018年11期）
[8]（2018）在《基于OpenStack的刀具监测与寿命预测智能管理边缘计算平台》一文中研究指出1概述市场上目前有刀具加工计数预测法、加装传感器物理监测法等刀具监测解决方案,均存在成本高、部署慢、准确率低等弊端。边缘侧环境部署复杂、灵活性低,不利于大规模统一管理,整体维护、监控和升级成本高。传统刀具粗放式管理的痛点如下:(1)无法精确追溯刀具流转,刀具寿命统计人工(本文来源于《自动化博览》期刊2018年06期）
丁承君,刘强,冯玉伯,高雪[9]（2018）在《基于物联网和边缘计算的高校机房在线监测》一文中研究指出为了解决高校机房人力监管效率低、自适应调节能力差、机房能耗高等问题,通过分析高校机房监管现状,研究利用物联网对机房环境及能耗情况等进行远程自动监测;针对因物联网网络边缘设备量迅速增加而导致的泽字节(ZB)数据量,提出在高校分布式机房监测系统中应用边缘计算的方法,并提出了机房物联网的架构模型和边缘计算模型,给出了机房热环境、能耗等关键参数的监测方法。针对机房监管、测试、使用和节能服务等环节,给出了相应的解决方案,为高校节能、机房安全提供了一种新思路。(本文来源于《计算机工程与应用》期刊2018年21期）
赵军星[10]（2016）在《边缘识别算法在缺口监测系统中的应用》一文中研究指出缺口监测系统的原理是通过拍摄缺口或缺口指示标图片,并通过分析图片识别当前缺口数值,而一种快速准确的图像识别算法就是系统的核心部分。通过对ZDJ9转辙机视窗方式缺口图片识别判断,阐述了该算法的实现方式。(本文来源于《铁道通信信号》期刊2016年09期）
边缘监测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
输电线路监测工作对电网的安全运行起着至关重要的作用,基于人工智能算法的图像识别技术应用可以提高故障识别效率,降低人工成本。文章通过研究基于深度学习的图像识别技术和移动边缘计算技术,提出基于泛在电力物联网的输电线路在线监测系统架构,并通过物联网输电线路监测系统的研发应用,实现隐患可控,提高输电网的应急处置能力,为泛在电力物联网在输电线路在线监测领域的深入研究提供实践依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
边缘监测论文参考文献
[1].刘冲,魏鑫,李迪,赵钊.基于边缘计算的配网状态监测[C].生态互联数字电力——2019电力行业信息化年会论文集.2019
[2].王艳如,刘海峰,李琳,刘兰方,杨振亚.基于边缘智能分析的图像识别技术在输电线路在线监测中的应用[J].电力信息与通信技术.2019
[3].罗明.基于移动边缘计算的网络信息监测与缓存业务优化[D].北京邮电大学.2019
[4].夏侯如超.基于边缘计算的室内空气质量监测方法及其预测模型研究[D].华东理工大学.2019
[5].张科,叶影,张红.基于边缘计算的森林火警监测系统[J].大数据.2019
[6].于天琪,朱咏絮,王现斌.基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测[J].物联网学报.2018
[7].孟亦凡,李敬兆,张梅.基于LSTM边缘计算与随机森林雾决策的矿工状态监测设备[J].煤矿机械.2018
[8]..基于OpenStack的刀具监测与寿命预测智能管理边缘计算平台[J].自动化博览.2018
[9].丁承君,刘强,冯玉伯,高雪.基于物联网和边缘计算的高校机房在线监测[J].计算机工程与应用.2018
[10].赵军星.边缘识别算法在缺口监测系统中的应用[J].铁道通信信号.2016