关键词： Pointnet   点云处理   路径规划   参数优化   点云切片  

摘要： 随着智能化时代的到来,各个行业都在尝试智能化发展。自动化喷涂在工业领域占据了一个重要领域,广泛应用于航空、军事、船舶等领域,提高了喷漆效率。虽然喷涂机器人智能化水平有所提高,能取代大部分人工喷漆,但目前智能化喷涂还是采用人工示教的方法进行喷涂时的路径规划,这样不仅影响工作人员的安全,还影响喷涂质量。所以急需研究自动喷涂技术,即通过离线编程规划路径后让机器人自己路径规划从而进行自动喷涂。因此,本文针对从工业现场获取的点云数据,结合深度学习方法,对从工业现场采集的点云数据进行处理,并研究分析了喷涂机器人的自动化喷涂。首先,介绍了深度学习网络模型Pointnet和Pointnet++理论基础和网络结构。通过处理自己的点云数据训练深度学习网络模型Pointnet和Pointnet++,根据分类结果开始喷涂过程的路径规划。介绍了点云数据处理的一些操作,包括利用直通滤波和统计滤波结合的方法去除点云的离群点、利用体素栅格法对点云数据降采样,完成点云数据的精简、计算点云法向量,曲面重构。然后,根据喷涂工程主要影响因素,建立喷涂过程的涂层厚度沉积模型。建立涂层厚度分布均匀性的目标优化函数,确立约束条件和单一目标,求解优化参数,为后续喷涂路径规划做准备。最后,根据前面处理的点云数据和求取的最优解参数,采用点云切片法求取喷涂路径点,通过对路径点排序获取最终的喷涂路径。在最后的实验部分,根据算法流程实现算法,分析实验结果。首先在Ubuntu16.04操作系统下构建深度学习框架PyTorch1.1.0,完成对点云数据的分类实验。根据准确率进行后续实验。分类结果超过了90%,所以进行点云数据处理,展示了效果图,根据处理的点云数据和求取的优化参数进行最后的喷涂路径的获取,效果图显示获取的异形点云数据的路径是比较完整的。

关键词： Spark计算框架   鲸鱼优化算法   核极限学习机机   弹性分布式数据集   并行分析   故障预警  

摘要： 风电机组机械旋转设备有着复杂的周边环境以及随机性较强、波动性较大、稳定性较差的风力资源,使得风电机组故障预警变得极为重要。风电机组故障预警可以有效地将事后维修变为维修预防,在提高配件利用率和设备维修效率的同时,也使得重大故障的发生率大大降低,保护风场的人力、物力、财力的安全。传统的风电机组的故障预警模型多为单机环境,无法满足海量数据的产生,大数据处理技术的产生解决了这一问题。该课题建立了Spark平台,将SCADA数据作为实验数据进行研究,实现了基于Spark平台的风电机组的故障数据的预警分析和并行化处理研究。基于Spark平台实现风电机组故障预警模型的并行化处理。引入核极限学习机算法,构建核极限学习机的预警算法基于Spark框架的并行化实现方案,包括设计模型和预警测试。首先深入学习极限学习机算法,引入核函数方法,利用Spark平台下的弹性分布式数据集RDD对数据集进行分块存储,各分学习机模型并行训练,最终合成整个预警模型,完成了风电机组故障预警的并行化过程,大大提高了故障数据批处理的效率。引入鲸鱼优化算法,基于并行核极限学习机预警模型,结合改进鲸鱼优化算法,实现在Spark平台下的一种LPP-MAWOA-KELM混合故障预警模型,包括建立模型和预警测试。首先,采用保局投影算法对机组状态参数进行特征提取后,然后使用改进鲸鱼算法对核极限学习机进行优化,以及建立预警模型,最后实现Spark平台的并行化操作。仿真实验表明,该算法至少能提前3天预警潜在故障;将其与遗传算法、粒子群算法、鲸鱼算法优化参数建立的核极限学习机预警模型进行对比,得到模型在故障预警方面明显优于其他选定模型,具有较高的精度和稳定性;对比单机环境和并行集群下的数据处理,并行化大大提高了模型的效率。引入蚁狮优化算法,基于并行核极限学习机预警模型,结合改进蚁狮优化算法,实现在Spark平台下的一种LPP-CALO-WKELM混合故障预警模型,包括建立模型和预警测试。先采用保局投影算法提取SCADA数据特征向量;其次,CALO算法采用柯西变异算子对蚁狮优化算法改进,提升全局寻优能力;最后,运用CALO算法对小波核极限学习机的参数进行优化,提高算法的预警精度和收敛速度。为验证设计的预警模型的有效性,采用西北某风力发电场实测风机设备运行数据进行仿真实验验证,仿真结果表明,LPP-CALO-WKELM预警模型能有效预警齿轮箱的不同故障,能够满足齿轮箱故障预警需求。

ISBN: (纸本)9787302571384

关键词： 广告系统   数据处理   ElasticSearch   筛选策略   白盒测试  

摘要： 随着移动互联网的发展和智能手机的普及,网约车逐渐成为人们短程出行的首选方式。与此同时,数据中台每天会生成上千万的出行订单,这些订单中蕴藏着丰富的潜在价值,其中互联网广告是一种重要的挖掘订单价值的方式。与传统的在线广告不同,网约车广告以车载智能屏为载体,经乘客授权后在车上推送广告,通过构建适用于网约车场景的广告系统,结合出行大数据分析,实现广告与用户之间的精准匹配,同时促进了网约车企业和广告主之间的收益增长,达到三方共赢。本文探索网约车的商业广告变现模式,通过对主流广告平台技术和网约车行程节点的深入调研,设计一套合理可用的广告系统,结合成熟的Elastic Search技术,设计了投放的业务逻辑,结合需求指出系统面向的业务场景和目标,设计并实现了网约车广告系统的相关功能,并结合TF-IDF算法和BM25算法对核心的数据存储与搜索功能进行了研究,论文的主要工作如下:（1）针对实际业务场景需求,对广告系统进行需求分析,结合相关开发技术,简述系统的整体设计思路,对广告配置平台模块、投放功能模块、分布式数据存储与搜索模块进行详细设计与实现。（2）广告系统率先引入地理围栏这个概念,完善了广告的投放方式。通过接入大量的网约车订单数据,并借助MQ消息队列对数据进行处理,使得数据耦合大大降低,显著提高了系统的可拓展性。（3）针对大数据场景,使用My SQL存储原始数据,并在其上层部署Elastic Search中间件来实现需要的搜索功能。除此之外,结合业务场景对Elastic Search的写入速度进行优化,在TF-IDF算法的基础上结合BM25算法详细分析并设计符合业务场景的搜索打分策略。（4）结合设计的测试用例,对系统进行测试。在相应的测试环境下,按照设计好的测试用例,覆盖所有测试点,并对bug进行优化处理。与目前网约车行业对商业广告变现的探索相比,本论文设计与实现的系统具备多个方面的优点:（1）搭建了内部外部一体化的广告配置平台（2）引入新型投放条件,精准投放对象（3）结合场景优化了写入速度（4）可移植,投放功能随时兼用新增接口（5）高并发、数据量大本系统已在部分城市进行试点运营,从一个季度的试运营结果来看,系统提升了广告管理效率,满足企业开拓新业务的需求,达成了商业变现的战略目标。

ISBN: (纸本)9787121411090

关键词： 交通瓶颈   网络最大流   最小截集   蚁群算法   路径优化  

摘要： 智能交通系统的研究是智慧城市的建设中重要的研究方向。在智能交通系统中如何解决因交通瓶颈造成的城市瘫痪问题对智慧城市具有重要现实意义。对于瓶颈路段的准确预测以及合理规划绕行路线,有利于提高城市居民出行舒适度,也是智慧城市建设发展的特别要求。本文在交通瓶颈识别研究的基础上,进行针对瓶颈路段路径优化研究,其主要研究内容如下:（1）交通多源数据处理与分析。路网数据是研究路径规划问题的基础数据,在本文中首先分析了路网数据的数据元素和拓扑关系,并针对路网数据进行处理,道路筛选,删除冗余节点,拓扑纠错等工作。其次,因为交通问题是多源数据问题,对多源数据的综合处理分析对智能交通问题的解决有重要作用,所以本文对出租车轨迹数据、交通量统计数据、天气数据与POI数据的获取方式以及针对缺失值的处理进行了研究。（2）交通瓶颈识别模型研究。针对交通瓶颈的分类特点,分析了研究瓶颈路段的特征与形成原因,提出建立基于网络最大流问题的交通瓶颈识别模型,根据实际交通流和路径的最大容量,利用最大流最小截集理论判断瓶颈所在,其最小截集所在弧段为瓶颈路段,并选择相应路段进行实例验证,证明可以有效识别瓶颈路段。（3）动态路网模型以及蚁群算法应用研究。在分析了图论的相关理论后,结合实际道路网络,通过计算早高峰瓶颈路段的平均速度,建立动态路网模型。然后,对蚁群算法进行了详细的描述,就蚁群算法的信息素初始值和启发函数进行改进,并根据实例验证了在不同天气状态下,成功绕开瓶颈路段达到路径优化的目的。本文主要针对存在交通瓶颈的城市路网的路径优化问题进行研究,在获得交通多源数据的基础上,对瓶颈路段的识别和对瓶颈路段绕行的路径规划问题进行深入研究,结合实际城市路网,验证了研究内容的可行性。研究结果对解决因交通瓶颈造成的城市瘫痪问题有一定现实意义。

关键词： 可穿戴网络   数据处理   不确定数据   数据融合   数据估计   聚类算法   分类算法  

摘要： 可穿戴网络作为物联网的重要组成部分之一,在军事、医疗、工业等领域均有重要的应用。近些年,随着电子产业以及大数据相关技术的迅猛发展,可穿戴网络与各领域的结合更加紧密与深入,对于可穿戴网络中信息的精度也提出了更高的要求。数据融合技术可以利用原始数据的冗余信息进一步提高数据的精度与可用性;数据估计技术则可以根据原始数据的状态信息进行数据的处理,去除或减少噪声的影响。可穿戴网络数据处理中的高精度数据融合估计技术已经成为可穿戴网络的研究热点之一。可穿戴网络主要是对个人或群体的运动数据和状态数据进行采集和处理。一方面,数据的采集过程中不可避免的混入了噪声,使得数据存在不确定性,如何降低不确定性或充分利用不确定性信息提高数据精度是本领域研究的一个重要课题;另一方面,可穿戴网络采集和处理后的数据,需要进一步的数据分析,以得到最终的、可用的结论,如何将数据的融合估计与后续的数据分析紧密结合,充分利用数据信息,也是本领域研究的一个重要内容。本论文结合可穿戴网络数据处理中存在的实际问题,从上述两个角度分别对高精度融合估计技术进行了深入的研究:(1)针对非平稳过程的出现会导致估计结果存在一定的滞后性和精度出现明显下降的问题,提出了一种基于无损卡尔曼估计的突发事件感知融合估计模型,该模型引入了绝对差阈值用于发现数据流的非平稳过程,并且在非平稳过程出现时主动进行模型参数调整,一定程度上避免了非平稳过程导致的数据精度下降的问题,仿真实验表明,非平稳阶段的出现对所提模型的融合估计精度的影响不大。而且基于本模型的分类算法,其分类精度至少提升了4%。(2)针对采集数据的不确定性差异较大时,基于可能世界聚类算法的精度快速下降甚至失效的问题,提出了一种基于可能世界和K-L散度的融合估计模型。该模型将估计结果看作概率分布进行处理,充分利用了数据的不确定性。模拟数据和真实数据仿真分析表明:模型在采集数据的不确定性差异较大时,提高了聚类精度,避免了聚类算法失效,扩展了聚类算法的应用范围。(3)针对可穿戴网络中已经存在的采集数据具有一定关联性时,算法的复杂度高,估计精度低的问题,提出了一种基于吸引子的二次融合估计模型。该模型利用吸引子思想对未知的状态数据关系进行了近似拟合,得到了状态数据间数值上的关系表达式,并利用该表达式对融合估计结果进行二次处理,进一步提高了数据的融合估计精度。仿真分析表明:模型在一定条件下可以提高数据的精度,并使得同类数据的分布更加集中。(4)针对基于卡尔曼思想的融合估计算法无法处理噪声不服从正态分布下的数据,以及目前基于降维和数据离散化的处理能耗偏大的问题,提出了基于混合H/H的轻量级融合估计模型。该模型使用了混合H/H估计算法对状态转移方程进行融合估计,弱化了模型对噪声的要求;同时考虑到可穿戴设备中能量有限的问题,使用数据压缩方法降低可穿戴设备的数据通信消耗,达到降低能量消耗,延长使用寿命的目的。仿真分析表明:该模型在提高整体估计精度的同时,模型中各设备的通信量较其他同类模型有所降低,并在噪声剧烈变化时保持了较强的鲁棒性。

关键词： 发动机   喷雾系统   测控系统   PLC   WinCC   数据处理  

摘要： 近年来,随着我国航天事业的蓬勃发展,对太空的探索不断深入,在航天动力系统方面的研发攻坚上也是屡创佳绩,取得了傲人的成就,例如早期的神舟系列载人火箭、长征系列火箭,再到后来的嫦娥系列探月探测器以及天宫系列太空实验室等。与此同时,对航天动力系统的研发也不断地在提出新要求,主要包括提高发动机性能、提高推进剂燃烧效率、降低设计成本、减少环境污染、缩短研发周期等。喷注器作为发动机的核心部件,其雾化特性是评价动力机械领域和工程领域里的气体燃料发动机、固体燃料发动机和液体燃料发动机性能好坏的重要指标,其技术性能决定了推进剂的雾化混合效果以及发动机的燃烧效率。因此,设计一个功能完善的喷雾系统的测控系统是保证准确测量发动机喷注器的喷雾场液滴直径和速度的分布,评估喷注器喷射的雾化特性的重要措施。本文针对喷雾系统的测控系统展开了研究。本系统的设计开发包括两个部分:上位机监控部分的开发和下位机测控部分的开发。重点研究上位机监控部分。主要的研究内容如下:(1)介绍测控系统的工艺流程,结合现场实际控制需要分析测控系统的功能要求,包括设计目标,功能框图,性能指标,环境条件要求等,提出测控系统的设计方案。在确定设计方案之后,进行系统的软硬件设计。上位机监控部分由SIMATIC WinCC组态软件结合工业计算机开发相关控制画面和监控画面,使用博图TIA Portal V16开发PLC控制程序;下位机测控硬件部分采用西门子S7-1500作为主控制器,在线对电磁阀等进行控制;并对使用到的上位机IPC、显示器、PLC模块等硬件设备进行选型;WinCC与S7-1500之间通过TCP/IP协议进行通信。(2)对测控系统需要采集与处理的参数进行了分析,包括参数含义跟数据处理的方法、取值区间、精度等;并编程实现了部分主要参数的自动处理。(3)完成上位机组态设计,通过数据报表、数据趋势曲线、报警提示、控制模式切换等界面组态设计,实现了数据存储的完整性、数据查询的可视性、故障的可查性、报警及时性以及操作便利性;通过Matlab仿真实验,模拟了最接近实际工业现场的参数情况,进一步论证了系统的实用性。本设计实现了整个实验过程自动化,实验流程可通过专用测控软件实现自主定制,测试过程和相关物理量的可视化实时监控,实验结果数据持久化存储,实验结果数据可视化展示和智能化分析等功能。通过设计达到简化操作流程,降低实验人员的劳动强度,保证实验过程的稳定可靠保证实验数据的完整和准确。方便相关研究人员从庞大的实验结果数据中快速提取和加工出与实验相关的有意义的数据,加速研究成果转化效率。

关键词： 数据处理   相关分析   多元线性回归   拟合质量   多重共线性  

摘要： 脉搏最大值通常用于测量病人血氧饱和度。在连续监测过程中,我们希望使用一个模型来描述病人的血氧饱和度,这就需要使用现有数据来进行模型预测。目前,已经从36名受试者那里获得数据,其中每个人都接受大约1小时1赫兹频率的氧饱和度测试。此外,根据参与者的年龄、体重指数、性别和当前吸烟状况,把这些指标作为独立变量,根据氧饱和度的变化来建立测试模型。首先,分析36个人的数据。其次,利用过程数据建立一个分析模型,用SPSS进行多元线性回归分析。最后,得到一个可以用来表示人体氧饱和度的模型。

关键词： 工业互联网平台   报表   React   Java Web  

摘要： 近年来全球的信息化发展加速,制造业正从数字化阶段向网络化阶段加速转变,而传统的报表工具偏向于对具体业务的定制,且开发维护成本高昂,无法适应如今制造业多变的需求,新的具有高扩展性和灵活性的报表工具显得尤为重要。本文首先结合生产报表的背景和发展历程进行分析,提出了本文的研究内容和意义。然后分析了报表数据处理app的功能性需求和非功能性需求,并对app进行了总体设计,根据架构设计将app分为表现层、平台适配层、服务层、数据库,并对每层分别进行功能模块设计。随后,在总体设计的基础上给出了以React和Ant Design框架为基础的表现层页面的详细设计和实现、结合平台功能的围绕OPC UA协议的数据采集模块和以对象模型为基础的数据建模模块的平台适配层的详细设计、使用Spring boot快速开发框架进行构建,采用Aviator引擎对配置表达式的分析,Quartz框架对定时任务管理的服务层的详细设计与具体实现。然后,按照功能性和非功能性测试对app进行测试,结果表明app功能完整,业务流程完善,性能满足需求,整体测试结果良好,并对app的应用成果进行了展示。最后总结了本文取得的主要成果和个人贡献,并对app的不足提出了可能的改善方式。本文主要创新点在于结合工业互联网平台的功能模块,将报表内的数据以配置的形式,借助服务层的通用数据处理模块和平台的数据建模模块将报表配置转化为具体数据的方式,实现对报表数据的处理的高扩展性和灵活性。