CN106413024A - 一种基于雾计算的传感云数据传输算法 - Google Patents
一种基于雾计算的传感云数据传输算法 Download PDFInfo
- Publication number
- CN106413024A CN106413024A CN201610755912.9A CN201610755912A CN106413024A CN 106413024 A CN106413024 A CN 106413024A CN 201610755912 A CN201610755912 A CN 201610755912A CN 106413024 A CN106413024 A CN 106413024A
- Authority
- CN
- China
- Prior art keywords
- max
- region
- node
- cloud data
- data transmission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
- H04W40/16—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/52—Allocation or scheduling criteria for wireless resources based on load
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于雾计算的传感云数据传输算法,包括如下步骤,1)将传感器网络层的基站作为雾节点层,根据基站的位置生成泰森多边形;2)先统计各个多边形区域内的传感器节点数,而后计算区域节点平均数:区域节点平均数=传感器节点总数/基站总数,结合区域节点平均数分析各个多边形区域的调入调出情况;3)设定区域间的调度算法。本发明将底层网络中的基站充当雾节点,节点之间相互协作,负责将基站繁忙区域的节点调度至较为空闲区域,充分利用雾节点间的通信能力,统一上传至上传云端,最大化提升网络吞吐量。
Description
技术领域
本发明涉及传感云的数据传输领域,特别是一种基于雾计算的传感云数据传输算法。
背景技术
无线传感器网络(Wireless Sensor Networks,WSNs)具有部署迅速、实时性强等优势,它扩展了人们收集外界信息的能力。通过在不同环境中部署传感器节点,人们可以方便地收集各种需要的数据,实时掌握监测区域的状态信息,实现信息世界与物理世界的融合。而由于传感器节点在计算、存储、能量等诸多方面的限制,如何有效管理大规模无线传感器网络以充分发挥其性能仍然是一个极具挑战性的问题。近年来,随着云计算的快速发展,传感器网络与云计算技术的结合也越来越紧密,云计算技术的拓展了传感器网络的应用空间,也为解决传感器网络的诸多限制问题提供了新的思路,如满足传感器网络在数据处理和存储能力等方面的需求。传感云(Sensor-Cloud)正是无线传感器网络与云计算融合的产物通过云端控制传感器网络进行信息采集,利用云计算平台进行信息处理与存储,能够为不同类型的应用提供开放、灵活、可配置的服务平台。
然而,传感器网络在利用云计算技术及服务的同时也存在如下几个问题:1)传感器网络与云端网络之间存在通信瓶颈问题。2)云计算模式缺乏对底层终端传感节点的直接管理,存在实时性差的问题。3)与云计算服务相结合后,系统的不确定因素增加,网络易产生故障和错误,且风险高。
相比云计算模式而言,雾计算(Fog Computing)的特点是更贴近末端节点,具有一定的本地计算能力、更广的地理分布和支持移动性,因而能更好地直接管理和控制传感器网络中节点,并作为联系云计算服务的桥梁和纽带,该新型计算模式正好可以弥补云计算模式的部分缺点。
此外,近年来随着电子制造工艺和机器人技术的发展,功能较强(通信、计算能力、存储能力)的可移动节点逐渐被引入到传感器网络中,并被应用到拓扑控制、数据收集等诸多领域,以提高效率、节省能量。这在一定程度上缓解了传统传感器网络的限制,然而,现有的利用移动节点的方案存在三个问题。一是引入的移动节点本身也给网络节点带来的新的问题,如节点自身的故障问题;二是移动节点之间缺乏良好地协作和配合;三是没有考虑到引入移动节点实际的限制性因素(能耗、成本、最远移动距离),或者考虑不全。
发明内容
本发明的主要目的在于克服传感云系统中,底层网络向上层云端数据量传输不足、实时性差的问题,提出一种基于雾计算的传感云数据传输算法,将雾计算的思想引入到移动传感器网络中,功能较强的节点(基站)作为“雾”,通过雾节点(基站)之间的相互合作,提高系统整体吞吐量,降低系统时延。
本发明采用如下技术方案:
一种基于雾计算的传感云数据传输算法,其特征在于:
1)将传感器网络层的基站作为雾节点层,根据基站的位置生成泰森多边形;
2)先统计各个多边形区域内的传感器节点数,而后计算区域节点平均数:区域节点平均数=传感器节点总数/基站总数,结合区域节点平均数分析各个多边形区域的调入调出情况;
3)设定区域间的调度算法。
优选的,在步骤2)中,所述结合区域节点平均数分析各个多边形区域的调入调出情况具体如下:将各个多边形的区域传感器节点数减去区域节点平均数,若该区域值大于0,则该多边形区域需要调出节点;若该区域值等于0,则该多边形区域的节点维持不变;若该区域值小于0,则该多边形区域需要调入节点。
优选的,在步骤3)中,所述的设定区域间的调度算法,具体如下:
3.1)采用Floyd算法,依据各区域的邻接图得到区域的最短距离邻接矩阵A_Table;
3.2)找出当前邻接矩阵中区域值最大的区域Smax;
3.3)找出当前邻接矩阵中距离Smax最近且最小的区域Smin;
3.4)如果Smax中区域传感器节点数大于等于Smin中区域传感器节点数,则更新Smax=Smax-|Smin|,Smin=0;否则,更新Smin=Smax+Smin,Smax=0。
3.5)记录当前调度方案Smax→Smin,即由当前区域值最大的区域调度节点至最近且最小的区域Smin,更新当前各个多边形的区域值,回到步骤3.2),直至各区域值为0。
优选的,所述区域Smax应满足如下公式:Smax={Sk|Sk>0&&Sk=Max(S)},其中S表示所述区域值的集合,k∈[1,N],N为基站总数。
优选的,所述区域Smin,满足如下公式:
Smin={Sk|Sk<0&&Sk=Min(Sj|Sj∈A_Table(VAmax,:))},其中VAmax表示当前区域值最大的区域,k∈[1,N],j∈[1,N],N表示基站总数。
优选的,所述的调度方案Smax→Smin,其调度值Δ应满足如下公式:
Δ=Min(Smax,|Smin|)。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
1、提升了整体网络吞吐量。底层网络中的基站充当雾节点,节点之间相互协作,负责将基站繁忙区域的节点调度至较为空闲区域,充分利用雾节点间的通信能力,统一上传至上传云端,最大化提升网络吞吐量。
2、减少了系统传输时延。随着网络整体吞吐量的提升,底层传感网向上层云端传输时间相应减短,降低了数据传输时延。
3、基站充当的雾节点层,更加靠近边缘网络,易于对底层网络的管理。
附图说明
图1为基于雾计算的传感云架构图
图2为本发明传输算法的三层框架图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
参见图1,雾节点层作为联系传感器网络与云端的纽带,为上下两层提供服务。其主要任务是进行移动节点之间的写作与配合、桥接传感器网络与云端、管理机密性数据的存储。最上层是云计算层,提供强大的计算服务和存储服务。底层是由普通传感节点组成的传感器网络层,为上两层网络提供数据,并在雾节点层提供的服务下实现容错性管理。
参见图2,本发明的一种基于雾计算的传感云数据传输算法,包括如下步骤:
1)将传感器网络层的基站作为雾节点层,根据基站的位置生成泰森多边形(Voronoi Diagram),构成基站层。
2)统计各多边形区域内的传感器节点数,而后计算区域节点平均数:区域节点平均数=传感器节点总数/基站总数。结合区域节点平均数分析各个多边形区域的调入调出情况,具体如下:
在得到区域节点平均数后,将各区域节点数分别减去区域节点平均数,结果分3种情况:
a区域值大于0:该多边形区域需要调出节点。
b区域值等于0:该多边形区域维持不变。
c区域值小于0:该多边形区域需要调入节点。
3)依据该调入调出情况,设计各区域间的调度算法。调度算法具体步骤如下:
3.1)采用Floyd算法,依据各区域的邻接图得到各区域的最短距离邻接矩阵A_Table。
3.2)找出当前邻接矩阵中区域值最大的区域Smax。
3.3)找出当前邻接矩阵中距离Smax最近且最小的区域Smin。
3.4)如果Smax≥|Smin|,即Smax区域传感节点数大于等于Smin区域传感节点数,更新Smax=Smax-|Smin|,Smin=0,即从Smax区域中调度个|Smin|传感节点至Smin区域中。否则,更新Smin=Smax+Smin,Smax=0,即由于Smax小于|Smin|,则从Smax区域中调度个Smax传感节点至Smin区域中。
3.5)记录当前调度方案Smax→Smin,即由当前区域值最大的区域调度节点至最近且最小的区域,并加入集合U中,更新当前各个多边形的区域值,回到步骤3.2),直至各区域值为0。
最后,输出:调度方案集合U,参照图2的路由层
Smax应满足如下公式:
Smax={Sk|Sk>0&&Sk=Max(S)},即选取区域中大于0且节点个数最多的区域作为Smax。
其中,S表示区域值的集合。k∈[1,N],N表示基站总数。
Smin应满足如下公式:
Smin={Sk|Sk<0&&Sk=Min(Sj|Sj∈A_Table(VAmax,:))},即选取节点个数小于0且在当前的临接矩阵中距离Smax最近且节点数目最小的区域作为Smin。
其中VAmax表示当前区域值最大的区域,k∈[1,N],j∈[1,N]。
进一步的,Smax→Smin的调度值Δ应满足如下公式:
Δ=Min(Smax,|Smin|)
即由当前区域值最大区域Smax调度Δ个节点数据至区域Smin中,Δ取两者绝对值最小值。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (6)
1.一种基于雾计算的传感云数据传输算法,其特征在于:
1)将传感器网络层的基站作为雾节点层,根据基站的位置生成泰森多边形;
2)先统计各个多边形区域内的传感器节点数,而后计算区域节点平均数:区域节点平均数=传感器节点总数/基站总数,结合区域节点平均数分析各个多边形区域的调入调出情况;
3)设定区域间的调度算法。
2.如权利要求1所述的一种基于雾计算的传感云数据传输方法,其特征在于:在步骤2)中,所述结合区域节点平均数分析各个多边形区域的调入调出情况具体如下:将各个多边形的区域传感器节点数减去区域节点平均数,若该区域值大于0,则该多边形区域需要调出节点;若该区域值等于0,则该多边形区域的节点维持不变;若该区域值小于0,则该多边形区域需要调入节点。
3.如权利要求2所述的一种基于雾计算的传感云数据传输方法,其特征在于:在步骤3)中,所述的设定区域间的调度算法,具体如下:
3.1)采用Floyd算法,依据各区域的邻接图得到区域的最短距离邻接矩阵A_Table;
3.2)找出当前邻接矩阵中区域值最大的区域Smax;
3.3)找出当前邻接矩阵中距离Smax最近且最小的区域Smin;
3.4)如果Smax中区域传感器节点数大于等于Smin中区域传感器节点数,则更新Smax=Smax-|Smin|,Smin=0;否则,更新Smin=Smax+Smin,Smax=0。
3.5)记录当前调度方案Smax→Smin,即由当前区域值最大的区域调度节点至最近且最小的区域Smin,更新当前各个多边形的区域值,回到步骤3.2),直至各区域值为0。
4.如权利要求3所述的一种基于雾计算的传感云数据传输方法,其特征在于:所述区域Smax应满足如下公式:Smax={Sk|Sk>0&&Sk=Max(S)},其中S表示所述区域值的集合,k∈[1,N],N为基站总数。
5.如权利要求3所述的一种基于雾计算的传感云数据传输方法,其特征在于:所述区域Smin,满足如下公式:
Smin={Sk|Sk<0&&Sk=Min(Sj|Sj∈A_Table(VAmax,:))},其中VAmax表示当前区域值最大的区域,k∈[1,N],j∈[1,N],N表示基站总数。
6.如权利要求3所述的一种基于雾计算的传感云数据传输方法,其特征在于:所述的调度方案Smax→Smin,其调度值Δ应满足如下公式:Δ=Min(Smax,|Smin|)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610755912.9A CN106413024A (zh) | 2016-08-29 | 2016-08-29 | 一种基于雾计算的传感云数据传输算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610755912.9A CN106413024A (zh) | 2016-08-29 | 2016-08-29 | 一种基于雾计算的传感云数据传输算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106413024A true CN106413024A (zh) | 2017-02-15 |
Family
ID=58002607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610755912.9A Pending CN106413024A (zh) | 2016-08-29 | 2016-08-29 | 一种基于雾计算的传感云数据传输算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106413024A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107493334A (zh) * | 2017-08-18 | 2017-12-19 | 西安电子科技大学 | 一种云雾计算网络架构及增强云雾网络架构可靠性的方法 |
CN107645558A (zh) * | 2017-09-30 | 2018-01-30 | 华侨大学 | 一种基于雾计算的三级安全云存储方法 |
CN108243245A (zh) * | 2017-12-20 | 2018-07-03 | 上海交通大学 | 基于混合雾计算的无线接入网络及其资源调配方法 |
CN108540963A (zh) * | 2018-04-13 | 2018-09-14 | 中南大学 | 回连模式下车联网雾计算能力的评估方法 |
CN108600355A (zh) * | 2018-04-13 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算负载均衡调度系统及方法 |
CN108684038A (zh) * | 2018-05-14 | 2018-10-19 | 华侨大学 | 基于雾计算和分层信任评价机制的隐藏数据攻击检测方法 |
CN108737560A (zh) * | 2018-05-31 | 2018-11-02 | 南京邮电大学 | 云计算任务智能调度方法及系统、可读存储介质、终端 |
CN109286508A (zh) * | 2017-07-19 | 2019-01-29 | 中兴通讯股份有限公司 | 一种雾节点部署方法及系统 |
CN109451459A (zh) * | 2018-12-18 | 2019-03-08 | 华侨大学 | 一种基于移动雾节点的传感云底层节点信任评价方法 |
CN110138538A (zh) * | 2019-05-09 | 2019-08-16 | 南京邮电大学 | 基于雾计算的智能电网安全与隐私保护数据聚合方法 |
CN111580968A (zh) * | 2020-05-07 | 2020-08-25 | 广西大学 | 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 |
CN112996073A (zh) * | 2021-01-12 | 2021-06-18 | 西安电子科技大学 | 无线传感器低功耗低时延路径式协同计算方法 |
CN115714770A (zh) * | 2022-09-23 | 2023-02-24 | 中南大学 | 一种云-边协同的数据服务化网络均衡计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105610944A (zh) * | 2015-12-29 | 2016-05-25 | 北京物联远信息技术有限公司 | 一种面向物联网的雾计算架构 |
US20160182639A1 (en) * | 2014-12-17 | 2016-06-23 | University-Industry Cooperation Group Of Kyung-Hee University | Internet of things network system using fog computing network |
CN105830377A (zh) * | 2013-12-20 | 2016-08-03 | 思科技术公司 | 通过雾计算节点对网络流量进行动态编码 |
-
2016
- 2016-08-29 CN CN201610755912.9A patent/CN106413024A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105830377A (zh) * | 2013-12-20 | 2016-08-03 | 思科技术公司 | 通过雾计算节点对网络流量进行动态编码 |
US20160182639A1 (en) * | 2014-12-17 | 2016-06-23 | University-Industry Cooperation Group Of Kyung-Hee University | Internet of things network system using fog computing network |
CN105610944A (zh) * | 2015-12-29 | 2016-05-25 | 北京物联远信息技术有限公司 | 一种面向物联网的雾计算架构 |
Non-Patent Citations (1)
Title |
---|
JIANDIAN ZENG ET AL: "Data Delivery from WSNs to Cloud based on a Fog Structure", 《2016 INTERNATIONAL CONFERENCE ON ADVANCED CLOUD AND BIG DATA》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109286508A (zh) * | 2017-07-19 | 2019-01-29 | 中兴通讯股份有限公司 | 一种雾节点部署方法及系统 |
CN107493334A (zh) * | 2017-08-18 | 2017-12-19 | 西安电子科技大学 | 一种云雾计算网络架构及增强云雾网络架构可靠性的方法 |
CN107493334B (zh) * | 2017-08-18 | 2020-09-15 | 西安电子科技大学 | 一种增强云雾计算网络架构系统可靠性的方法 |
CN107645558A (zh) * | 2017-09-30 | 2018-01-30 | 华侨大学 | 一种基于雾计算的三级安全云存储方法 |
CN108243245B (zh) * | 2017-12-20 | 2020-06-12 | 上海交通大学 | 基于混合雾计算的无线接入网络及其资源调配方法 |
CN108243245A (zh) * | 2017-12-20 | 2018-07-03 | 上海交通大学 | 基于混合雾计算的无线接入网络及其资源调配方法 |
CN108540963A (zh) * | 2018-04-13 | 2018-09-14 | 中南大学 | 回连模式下车联网雾计算能力的评估方法 |
CN108600355A (zh) * | 2018-04-13 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算负载均衡调度系统及方法 |
CN108684038A (zh) * | 2018-05-14 | 2018-10-19 | 华侨大学 | 基于雾计算和分层信任评价机制的隐藏数据攻击检测方法 |
CN108684038B (zh) * | 2018-05-14 | 2021-02-02 | 华侨大学 | 基于雾计算和分层信任评价机制的隐藏数据攻击检测方法 |
CN108737560A (zh) * | 2018-05-31 | 2018-11-02 | 南京邮电大学 | 云计算任务智能调度方法及系统、可读存储介质、终端 |
CN109451459A (zh) * | 2018-12-18 | 2019-03-08 | 华侨大学 | 一种基于移动雾节点的传感云底层节点信任评价方法 |
CN109451459B (zh) * | 2018-12-18 | 2021-08-03 | 华侨大学 | 一种基于移动雾节点的传感云底层节点信任评价方法 |
CN110138538A (zh) * | 2019-05-09 | 2019-08-16 | 南京邮电大学 | 基于雾计算的智能电网安全与隐私保护数据聚合方法 |
CN110138538B (zh) * | 2019-05-09 | 2022-06-21 | 南京邮电大学 | 基于雾计算的智能电网安全与隐私保护数据聚合方法 |
CN111580968A (zh) * | 2020-05-07 | 2020-08-25 | 广西大学 | 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 |
CN111580968B (zh) * | 2020-05-07 | 2023-04-18 | 广西大学 | 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 |
CN112996073A (zh) * | 2021-01-12 | 2021-06-18 | 西安电子科技大学 | 无线传感器低功耗低时延路径式协同计算方法 |
CN112996073B (zh) * | 2021-01-12 | 2022-10-28 | 西安电子科技大学 | 无线传感器低功耗低时延路径式协同计算方法 |
CN115714770A (zh) * | 2022-09-23 | 2023-02-24 | 中南大学 | 一种云-边协同的数据服务化网络均衡计算方法 |
CN115714770B (zh) * | 2022-09-23 | 2024-04-12 | 中南大学 | 一种云-边协同的数据服务化网络均衡计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106413024A (zh) | 一种基于雾计算的传感云数据传输算法 | |
CN104486715B (zh) | 一种基于地理位置信息的移动传感器网络分簇方法 | |
CN103077082B (zh) | 一种数据中心负载分配及虚拟机迁移节能方法及系统 | |
CN101835237B (zh) | 一种无线传感器网络中的数据融合方法 | |
CN102448138B (zh) | 一种无线传感器网络层次路由协议的组簇方法 | |
CN105516312A (zh) | 一种软件定义网络负载均衡装置与方法 | |
CN104158855B (zh) | 基于遗传算法的移动服务组合计算卸载方法 | |
WO2016082254A1 (zh) | 面向双层结构无线传感器网络的中继节点鲁棒覆盖方法 | |
CN109121141A (zh) | 一种基于mec服务器的星地两级边缘网络及其协作方法 | |
CN111698728B (zh) | 用于动态网络的拓扑控制系统及其控制方法 | |
CN104284150A (zh) | 基于道路交通监控的智能摄像头自主协同跟踪方法及其监控系统 | |
CN102665253B (zh) | 一种基于无线传感网络的事件检测方法 | |
CN106304230B (zh) | 基于即时路由的无线自组网方法及装置 | |
CN106413031A (zh) | 基于节点等级的异构网络自适应分簇算法 | |
CN108880888A (zh) | 一种基于深度学习的sdn网络流量预测方法 | |
CN101917777B (zh) | 基于邻居节点间协作的无线传感器网络节点休眠资格判断方法 | |
Mi et al. | Software-defined green 5G system for big data | |
Bouakkaz et al. | Maximizing WSN life using power efficient grid-chain routing protocol (PEGCP) | |
CN105894174A (zh) | 电力系统移动互联网云计算平台及调度、数据分析方法 | |
CN107318142A (zh) | 一种无线传感网簇间分布式路由方法 | |
CN104836846A (zh) | 一种基于sdn技术的能源互联通信网络架构系统 | |
Kalogeras et al. | Cyber physical systems and Internet of Things: Emerging paradigms on smart cities | |
CN108632943A (zh) | 5g超密集网络中基于小基站部署密度的分簇方法 | |
CN103001231A (zh) | 配电网无功资源集中与分布调控系统及其方法 | |
CN104320343A (zh) | 一种电能感知的跨域虚拟网络映射方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |