工业物联网(Industrial Internet of Things,IIoT)中通信故障具有突发性与结构依赖性,提升节点异常状态的预测精度对保障IIoT系统的稳定运行具有重要意义。文章构建了基于图神经网络(Graph Neural Network,GNN)的通信故障预测模型,提出...工业物联网(Industrial Internet of Things,IIoT)中通信故障具有突发性与结构依赖性,提升节点异常状态的预测精度对保障IIoT系统的稳定运行具有重要意义。文章构建了基于图神经网络(Graph Neural Network,GNN)的通信故障预测模型,提出了通信图建模方法。该方法设计了多层图卷积结构与注意力机制,构建了多类别故障标签并实现动态图序列预测。实验结果表明,该方法在预测准确率、故障识别能力与推理效率方面优于传统模型,可以有效感知节点间拓扑与状态演化关系,在工业通信网络中具备部署价值与应用前景。展开更多
无线传感器网络(WSNs)的运行效果对保证网络定位精度具有重要的意义。由于网络定位信息数据均可由自组网内节点随机获取,网络定位适用性在先验式路由协议链路状态路由协议(Optimized Link State Routing,OLSR)下表现更好。为了解决OLSR...无线传感器网络(WSNs)的运行效果对保证网络定位精度具有重要的意义。由于网络定位信息数据均可由自组网内节点随机获取,网络定位适用性在先验式路由协议链路状态路由协议(Optimized Link State Routing,OLSR)下表现更好。为了解决OLSR的多点中继(Multpoint Relays,MPR)节点运动速度较快的问题,为此设计了一种基于能量消耗的网络定位OLSR路由协议MPR机制评估方法,并开展仿真分析。研究结果表明:与原协议相比,节点能量消耗MPR选举生成协议表现出的性能更佳,经能量消耗MPR后形成的协议的吞吐量更大,有利于促进网络运行稳定性的提高。展开更多
文摘工业物联网(Industrial Internet of Things,IIoT)中通信故障具有突发性与结构依赖性,提升节点异常状态的预测精度对保障IIoT系统的稳定运行具有重要意义。文章构建了基于图神经网络(Graph Neural Network,GNN)的通信故障预测模型,提出了通信图建模方法。该方法设计了多层图卷积结构与注意力机制,构建了多类别故障标签并实现动态图序列预测。实验结果表明,该方法在预测准确率、故障识别能力与推理效率方面优于传统模型,可以有效感知节点间拓扑与状态演化关系,在工业通信网络中具备部署价值与应用前景。
文摘无线传感器网络(WSNs)的运行效果对保证网络定位精度具有重要的意义。由于网络定位信息数据均可由自组网内节点随机获取,网络定位适用性在先验式路由协议链路状态路由协议(Optimized Link State Routing,OLSR)下表现更好。为了解决OLSR的多点中继(Multpoint Relays,MPR)节点运动速度较快的问题,为此设计了一种基于能量消耗的网络定位OLSR路由协议MPR机制评估方法,并开展仿真分析。研究结果表明:与原协议相比,节点能量消耗MPR选举生成协议表现出的性能更佳,经能量消耗MPR后形成的协议的吞吐量更大,有利于促进网络运行稳定性的提高。
