基于雾计算的煤矿全场景监测系统研究

目前煤矿全场景监测系统主要依赖于云计算实现数据处理、存储与决策,云计算需实时处理海量监测信息，严重影响系统决策层的时效性与精确度。针对该问题，提出一种基于雾计算的煤矿全场景监测系统，以神经元感知节点为单元设计雾计算神经网络，缓解云计算数据处理压力。针对基于粒子群优化算法（PSO）的节点部署方法存在过早收敛现象和局部最优解的问题，通过改进的PSO算法优化神经元感知节点部署，实现网络结构优化。仿真结果表明，与经典PSO算法相比，改进PSO算法能够更快寻得最优解，整体通信覆盖率的最优值、最差值和平均值分别提高了3.19%，3.31%，3.25%，具有收敛快速有效、适应性强、稳定性高等优势。