核心詞：KVV 銅 芯 聚氯乙烯 絕緣 電纜 
　　隨著物聯網技術的發展,現有的通信網絡可以收集、傳輸和處理大量的傳感器數據。面向分布式光纖傳感電纜隧道安裝相應的傳感物聯網設備,傳輸監控系統可以實時監測響應設備危害。現有的分組無線業務、4G通信方法仍存在很多問題,對于特定的現場環境,受到通信限制,無法實時檢測設備運行狀態。移動邊緣計算是一種新興技術,它將云計算服務擴展到利用移動基站的網絡邊緣,礦用電纜通過使用位于用戶附近網絡邊緣的軟件和硬件平臺,MEC技術可以應用于移動、無線甚至有線場景,從而減少數據的回程延遲時間,特別適用于傳輸大量數據。將IoT節點的計算任務卸載到MEC服務器,高度依賴無線數據傳輸的速度和效率。一些對延遲敏感的節點在數據傳輸中有嚴格的時間延遲要求,這就要求MEC服務器能有效管理計算任務所需的無線通信資源和計算資源。
　　1、KVV銅芯聚氯乙烯絕緣電纜:大多數物聯網節點的能量供應不穩定
　　大多數物聯網節點能源供應不穩定,同時處理的計算任務隨機多樣。電纜隧道線有幾十公里或更長,跨越不同的氣候區域,工作環境極為惡劣。
　　2、KVV銅芯聚氯乙烯絕緣電纜:供電和通信問題突出
　　監視對象之間的物理空間很大,電源和通信問題突出。目前具有小數據海量監控功能的傳輸線物聯網應用十分廣泛。隨著電力IoT節點或傳感器節點的連接數量增加,MEC服務器的計算能力和基站的無線通道也在不斷變化。因此,對于泛在電力IoT節點,邊緣計算多任務的隨機適應無線信道模型有著重要意義。
　　3、KVV銅芯聚氯乙烯絕緣電纜:傳輸線的物聯網架構采用三層架構實現
　　傳輸線的IoT架構通過三層架構實現,包括傳輸線層、移動邊緣計算層和云計算層。基于MEC的物聯網傳感器數據卸載傳輸線體系結構如圖1所示。傳輸線層包括傳輸線、塔架和各種傳感器。邊緣計算層包括MEC服務器和基站,其中基站負責與傳輸線層的傳感器通信。
　　4、KVV銅芯聚氯乙烯絕緣電纜:解決了山區信號盲區的問題
　　云計算層包括一個大型服務器集群和一個宏基站,該宏基站接受并處理來自移動邊緣計算服務器的數據,可以收集通過無線通信的傳感器數據并將其卸載到MEC服務器,然后MEC通過衛星通信或有線通信網絡將海量數據返回,以解決山區成為信號盲區的問題。定義gn,k為將計算任務轉移給MEC服務器k的傳輸線傳感器n的信道增益。式中,Pn,k是MEC服務器k到傳感器n的發射功率;σk2是復數高斯白噪聲;Bk是上行鏈路信道傳輸帶寬。考慮到部分卸載,可以將任務分為任意大小的兩個部分,以在傳感器設備和移動邊緣服務器上并行執行。因此,任務的計算模型包括本地執行模型和卸載執行模型。以下描述以在移動設備n(傳感器n)上執行任務k為例。假設移動設備n在時隙t處要執行的任務的大小為Sn,卸載任務的比率為τn。對于本地執行,移動設備n的CPU時鐘頻率用fn表示。式中,k是芯片結構的有效開關電容。由于MEC服務器的計算能力比較強,因此將計算任務卸載到MEC服務器的執行時間可以忽略不計。根據任務模型的定義,不考慮將結果從MEC傳輸到傳感器設備的回程時間。根據以上假設,執行期間MEC服務器的能耗來自無線傳輸,即傳感器設備將數據卸載到MEC服務器過程中的能耗。
　　5、KVV銅芯聚氯乙烯絕緣電纜:計算卸載的比例取決于傳輸功率和信道狀態
　　計算卸載的比例取決于傳輸功率和信道狀態。假設傳輸功率和信道狀態在時隙t內是穩定的,忽略MEC服務器的計算時間和輸出結果的回程時間。當在每個時隙t內將計算任務卸載到MEC服務器時,需要共同調整計算任務卸載的比例和發射功率的大小。其中,式表示傳感器任務節點被卸載到MEC服務器的概率在0～1。式表示傳感器任務節點n分配的功率不能超過限制要求。式表示對MEC的本地執行和卸載不能超過最大延遲限制。

通過結合乘數交替方向法和非線性分數編程,給出了能耗最小化算法。首先,將非凸聯合優化問題轉換為凸全局共識問題,可以將其與每個傳感器節點分離。然后,通過順序求解n個并行子問題,通過交替變化方向來執行迭代優化。Step1:初始參數:τn,pn,Pmax,Tmax,setk=1,t=1,n=1。Step3:sett=1,使用ADMM更新參數。Step8:Updatek←k+1,whilek≤KtoStep2。仿真結果用于驗證所提出的方案在功耗最小化目標下共同優化卸載速率和傳輸功率的優勢,并評估所提出算法的性能。仿真模擬是使用PyOpt的Python編寫的,PyOpt是用于解決非線性約束優化問題的Python工具包。傳輸線和MEC服務器共有3個,即k=3。每條傳輸線上的傳感器數量為7,即n=7。傳感器總數為21。最大CPU頻率在1～2GHz范圍內均勻分布。對于移動邊緣執行模型,將噪聲功率設置為σ2=10-9W,系統帶寬為=1MHz。將傳輸線上每個傳感器節點的最大傳輸功率設置為Pmax=2W。為了驗證所提算法的性能,分別將所提算法與算法1和算法2進行了比較。Algorithm1僅由本地處理命名的本地處理器處理。僅將算法2卸載到MEC服務器進行處理,僅由MEC處理命名。表1顯示了能耗與任務輸入大小之間的關系。從表1結果可以看出,無論采用哪種優化方法,能耗都隨著任務規模的增加而增加,但本文提出的聯合優化方案優于其他兩種優化方案。
　　6、KVV銅芯聚氯乙烯絕緣電纜:這表明該算法具有適應較大計算任務的能力
　　特別是所提出的算法不僅具有最小的能量消耗,而且在任務更大時具有最低的能量減少速率,這表明所提出的算法具有適應更大計算任務的能力。基于移動邊緣計算的分布式光纖傳感電纜隧道數據傳輸優化是依據IoT技術設計模型,并充分利用MEC來實現傳輸線的智能在線監控,提出一種基于MEC的傳輸線能量最小化方法。仿真結果表明,本文所提算法可以有效改善電纜隧道數據傳輸系統的能耗,并將能耗降到最低,為電纜隧道的安全運行提供了重要保障。
　　如果您對“KVV銅芯聚氯乙烯絕緣電纜”感興趣，歡迎您聯系我們