针对无线和电力线通信混合组网的信道竞争接入问题,提出了一种基于深度强化学习的电力线与无线双模通信的MAC接入算法。双模节点根据网络广播信息和信道使用等数据自适应接入双媒质信道。首先建立了基于双模通信网络交互和统计信息的双...针对无线和电力线通信混合组网的信道竞争接入问题,提出了一种基于深度强化学习的电力线与无线双模通信的MAC接入算法。双模节点根据网络广播信息和信道使用等数据自适应接入双媒质信道。首先建立了基于双模通信网络交互和统计信息的双模通信节点数据采集模型;接着定义了基于协作信息的深度强化学习(deep reinforcement learning,DRL)状态空间、动作空间和奖励,设计了联合α-公平效用函数和P坚持接入机制的节点决策流程,实现基于双深度Q网络(double deep Q-network,DDQN)的双模节点自适应接入算法;最后进行算法性能仿真和对比分析。仿真结果表明,提出的接入算法能够在保证双模网络和信道接入公平性的条件下,有效提高双模通信节点的接入性能。展开更多
输电线路巡检中采集的螺栓图像有分辨率低、视觉信息不足的特点。针对传统图像分类模型难以从螺栓图像中学习到语义丰富的视觉表征问题,提出了一种基于多模态对比学习的输电线路螺栓缺陷分类方法。首先,为了将文本中螺栓相关的语义信息...输电线路巡检中采集的螺栓图像有分辨率低、视觉信息不足的特点。针对传统图像分类模型难以从螺栓图像中学习到语义丰富的视觉表征问题,提出了一种基于多模态对比学习的输电线路螺栓缺陷分类方法。首先,为了将文本中螺栓相关的语义信息和先验知识以跨模态的方式注入视觉表征,提出了一种结合多模态对比预训练和监督式微调的二阶段训练算法;其次,为了缓解多模态对比预训练中的过拟合问题,提出了标签平滑的信息噪声对比估计损失(info noise contrastive estimation loss with label smoothing,infoNCE-LS),以提高预训练视觉表征的泛化性能;最后,针对上下游任务的不匹配问题,设计了3种基于文本提示的分类头,以改善预训练视觉表征在监督式微调阶段的迁移学习效果。实验结果表明:该文基于Res Net50和ViT构建的两种模型在螺栓缺陷分类数据集上的准确率分别为92.3%和97.4%,相比基线分别提高了2.4%和5.8%。研究实现了从文本到图像的语义信息跨模态补充,为螺栓缺陷识别的研究提供了新的思路。展开更多
虚拟电厂(virtual power plant,VPP)可利用异构网络实现分布式新能源聚合调度,实现综合效益提升。为了提高VPP在不同网络下的丢包与时延等非理想传输能力,提出面向异构通信网络的设备接入优化算法。首先,分析总结了VPP设备充放电容量、...虚拟电厂(virtual power plant,VPP)可利用异构网络实现分布式新能源聚合调度,实现综合效益提升。为了提高VPP在不同网络下的丢包与时延等非理想传输能力,提出面向异构通信网络的设备接入优化算法。首先,分析总结了VPP设备充放电容量、出力特性、接入网络时延、网络承载能力等约束条件,考虑异构网络下设备接入的丢包率和时延理论性能构建了以收益损失最小化为目标的优化模型。然后,利用分层求解和贪婪算法进行模型求解,获得设备的接入方式。最后,仿真验证了所提模型和算法的有效性和可靠性。结果表明,所提算法可提高网络接入容量并降低系统收益损失,实现收益最大化。展开更多
基于无线和电力线通信(power line communication,PLC)的双模通信可以实现二者优势互补,被广泛用于智能计量和电力物联网中。针对正交频分复用(orthogonal frequency division multiplexing,OFDM)双模通信系统在新能源低时延业务接入等...基于无线和电力线通信(power line communication,PLC)的双模通信可以实现二者优势互补,被广泛用于智能计量和电力物联网中。针对正交频分复用(orthogonal frequency division multiplexing,OFDM)双模通信系统在新能源低时延业务接入等应用,提出了一种计及非理想信道估计的OFDM子载波分集组合和功率自适应分配算法。首先建立了以业务数据量、传输功率等为约束,以总时延最小化为目标的功率自适应优化分配模型;接着在分集分组的基础上,利用鲸鱼优化算法和阈值回收进行功率优化分配,实现算法复杂度和性能的折中。仿真实验结果表明,提出的算法在满足速率等约束条件下,减小传输平均时延和稳定性,为台区设备状态监测等实时业务数据采集提供更高的性能保障。展开更多
文摘针对无线和电力线通信混合组网的信道竞争接入问题,提出了一种基于深度强化学习的电力线与无线双模通信的MAC接入算法。双模节点根据网络广播信息和信道使用等数据自适应接入双媒质信道。首先建立了基于双模通信网络交互和统计信息的双模通信节点数据采集模型;接着定义了基于协作信息的深度强化学习(deep reinforcement learning,DRL)状态空间、动作空间和奖励,设计了联合α-公平效用函数和P坚持接入机制的节点决策流程,实现基于双深度Q网络(double deep Q-network,DDQN)的双模节点自适应接入算法;最后进行算法性能仿真和对比分析。仿真结果表明,提出的接入算法能够在保证双模网络和信道接入公平性的条件下,有效提高双模通信节点的接入性能。
文摘输电线路巡检中采集的螺栓图像有分辨率低、视觉信息不足的特点。针对传统图像分类模型难以从螺栓图像中学习到语义丰富的视觉表征问题,提出了一种基于多模态对比学习的输电线路螺栓缺陷分类方法。首先,为了将文本中螺栓相关的语义信息和先验知识以跨模态的方式注入视觉表征,提出了一种结合多模态对比预训练和监督式微调的二阶段训练算法;其次,为了缓解多模态对比预训练中的过拟合问题,提出了标签平滑的信息噪声对比估计损失(info noise contrastive estimation loss with label smoothing,infoNCE-LS),以提高预训练视觉表征的泛化性能;最后,针对上下游任务的不匹配问题,设计了3种基于文本提示的分类头,以改善预训练视觉表征在监督式微调阶段的迁移学习效果。实验结果表明:该文基于Res Net50和ViT构建的两种模型在螺栓缺陷分类数据集上的准确率分别为92.3%和97.4%,相比基线分别提高了2.4%和5.8%。研究实现了从文本到图像的语义信息跨模态补充,为螺栓缺陷识别的研究提供了新的思路。
文摘虚拟电厂(virtual power plant,VPP)可利用异构网络实现分布式新能源聚合调度,实现综合效益提升。为了提高VPP在不同网络下的丢包与时延等非理想传输能力,提出面向异构通信网络的设备接入优化算法。首先,分析总结了VPP设备充放电容量、出力特性、接入网络时延、网络承载能力等约束条件,考虑异构网络下设备接入的丢包率和时延理论性能构建了以收益损失最小化为目标的优化模型。然后,利用分层求解和贪婪算法进行模型求解,获得设备的接入方式。最后,仿真验证了所提模型和算法的有效性和可靠性。结果表明,所提算法可提高网络接入容量并降低系统收益损失,实现收益最大化。
文摘基于无线和电力线通信(power line communication,PLC)的双模通信可以实现二者优势互补,被广泛用于智能计量和电力物联网中。针对正交频分复用(orthogonal frequency division multiplexing,OFDM)双模通信系统在新能源低时延业务接入等应用,提出了一种计及非理想信道估计的OFDM子载波分集组合和功率自适应分配算法。首先建立了以业务数据量、传输功率等为约束,以总时延最小化为目标的功率自适应优化分配模型;接着在分集分组的基础上,利用鲸鱼优化算法和阈值回收进行功率优化分配,实现算法复杂度和性能的折中。仿真实验结果表明,提出的算法在满足速率等约束条件下,减小传输平均时延和稳定性,为台区设备状态监测等实时业务数据采集提供更高的性能保障。
