一、分布式网络性能监测系统的设计与实现(论文文献综述)
甄鹏华[1](2021)在《基于边缘智能的心电信号处理方法与应用》文中研究说明心脏病始终是人类健康的“头号杀手”。心电信号反映了心脏的收缩和舒张,是分析人体健康状况的重要依据。近年来涌现了大量利用人工智能技术来分析心电信号的研究,用于辅助心脏病的诊断。这在一定程度上为医疗工作者减轻了工作压力,提升了工作效率。然而,心脏病患者的情况是十分复杂的,特别是在突发紧急情况下,单纯的心电信号分析研究不能满足患者实时心率监测的需求。为此,应用边缘智能技术实时监测患者的心率情况成为一种新的有效手段。边缘智能结合了边缘计算和人工智能的优势,其通过部署在网络边缘的人工智能模型来分析物联网终端产生的海量数据,具有高效快速、低延迟、低成本、高性能、高可靠性以及安全和隐私保障等特性。论文以心率监测这一典型的边缘智能应用场景为方向,对边缘智能框架和心电信号处理的方法与应用展开研究,满足了边缘环境下的实时心率监测需求。具体而言,论文有以下主要研究内容。(1)提出了一个基于区块链的轻量级边缘智能框架。该框架用于支持心电图仪和网络边缘上的边缘智能设备,以满足心电信号数据的高效快速流转和分析的需求。该框架利用区块链相关技术解决网络边缘上的安全可追溯的数据传输与共享问题,并充分利用网络边缘设备资源,实现了集成“心电图仪–网络边缘–云端”环境的端到端连接,以促进心电图仪产生的数据和网络边缘的交互。(2)提出了一种边缘智能环境下的心电信号处理方法。该方法用于将指定的心电信号处理为规范的数据,并通过搭建的心电信号分类识别模型来进一步验证该处理方法。实验得出的结果显示该方法是可用的,并通过实验分析了该方法下比较适当的数据处理阈值。通过进一步实验说明了该处理方法和适当的数据处理阈值如何应用在更加复杂的人工智能模型当中,以满足边缘智能环境下心电信号分类识别的应用需求。(3)设计并实现了一个基于边缘智能的心率监测系统。以提出的边缘智能框架和心电信号数据处理方法及其人工智能模型为基础,利用心电图仪和网络边缘资源,设计并实现了一个完整的基于边缘智能的心率监测系统。该系统能够对人体进行实时心率监测,通过实验得出了该系统的一些关键性能指标,结果显示该系统作为一个具体的边缘智能应用,具有较好的性能和实际应用价值。论文对上述主要研究内容进行了全面的阐述,并对论文工作进行了总结和对未来工作进行了展望。
陈欢[2](2021)在《埋地油罐渗漏监测方法与系统研究》文中研究指明埋地油罐是加油站油品存储的主要方式,目前国内约有11.9万个加油站,近47.6万个埋地油罐。由于受机械应力和腐蚀的长期影响,其中多数油罐存在随时发生泄漏的危险。油罐渗漏不仅造成经济损失,还会污染土壤和地下水,对周围环境和人口构成威胁。虽然国内外研究开发了相关渗漏监测技术产品,但对于微小渗漏的检测仍有一定困难,渗漏定位更是难以实现。本文秉持安全隐患早发现、早消除的原则,在现有研究的基础上,提出基于阵列电极与分布式液位的双层油罐渗漏检测方案,设计了一种用于埋地卧式油罐渗漏检测的跨平面阵列传感器,研制了一套应用于埋地油罐微小渗漏的监测系统,开展了不同渗漏率和渗漏位置相关验证性实验,通过基于神经网络的数据融合方法对数据集训练学习,验证了本文渗漏监测方案的可行性。本文主要研究工作及创新点如下:(1)建立跨平面阵列传感器数学模型,采用有限元仿真通过电容变化范围、灵敏度、非均匀性的传感器性能指标对结构参数进行优化并分析了不同工况下的阵列电极响应特性,优化参数如下:电极间距L=2.2mm,电极厚度d=0.4mm的2*4阵列电极。对不同物质、电极层、不同电极响应特性进行测试实验,验证了阵列电极渗漏监测的有效性与可靠性。(2)通过软硬件模块化设计研制了一套渗漏监测系统。模拟部分由微小电容检测电路、液位处理电路、电极切换电路和电源电路组成,数字部分由FPGA+AD7606为核心的数据采集电路组成。通过测试各电路模块工作性能良好,其中切换控制逻辑实现了阵列电极依次激励、检测和接地选通,双通道采集控制程序实现了阵列电极与分布液位的数据采集。(3)针对渗漏监测系统采集到的两类传感器数据,通过神经网络进行数据融合,根据LMSE函数在最速下降法的条件下不断校正逼近期望值理论,对阵列电极和液位数据集进行训练学习,渗漏定位识别准确率高达98.62%,可实现埋地油罐渗漏监测的准确定位。(4)结合优化后结构参数的阵列电极和分布式液位传感器构建室内微小渗漏监测模拟测试系统,对不同渗漏工况进行模拟实验,实验数据表明所提出的优化参数阵列电极对微小渗漏量和渗漏位置均响应敏感,分布式液位检测稳定性高、响应快。实验测试结果:在渗漏率0.41%~2.1%范围内,渗漏率测量平均相对误差3.18%,且可实现渗漏区域的准确定位。通过上述提出埋地油罐渗漏监测方案、阵列电极传感器参数优化、渗漏监测系统研究和室内实验工作,为埋地油罐微小渗漏监测提供理论基础和现实依据。
乔锐[3](2021)在《基于物联网技术的无线漏水监测系统研究设计》文中进行了进一步梳理水是生命之源,真正可供人类使用的淡水资源非常有限。供水管网的漏水不仅会造成水资源的浪费而且还会带来诸如生态环境污染、人民生命财产安全等问题。所以对供水管网区域漏水事件的监测是非常必要的。有线的、智能化程度低的、能量损耗较大的漏水检测系统是我国漏水检测系统的主要特征,在实际的应用环境下存在许多问题。本文通过对光纤分布式传感技术和物联网技术的研究和分析,将两种技术进行有效的结合突破传统漏水监测技术,设计一种面向物联网的智能无线光纤传感漏水监测系统。首先,本文对漏水检测的相关背景和国内外漏水检测研究现状做了介绍。然后从任务目标的需求出发,通过分析任务需求确定系统的总体设计方案,确定了物联网无线漏水监测系统低功耗、高精确度、高可靠性的研发目的。物联网前端的感知层是光纤漏水传感器,本文利用漏水事件会改变光纤传感点位耦合区域介质的折射率,引起输出光强突变的原理,设计了光纤漏水传感器。充分发挥了光纤分布式传感技术在一维空间可分布式连续测量和集“传”与“感”于一体的特点。针对光纤输出光强信号的特点,设计了一系列信号处理电路;对比多种无线物联网通信技术,物联网的网络层是基于低功耗无线传感网络传输技术Zigbee,研究设计一个多跳对等的无线自组织传感网络,实现感知层漏水信号和应用层漏水监测上位机的无线通信。重点介绍了CC2530核心芯片电路设计和Zig Bee协议栈的使用,阐述了协调器、终端节点的软件设计;物联网应用层则利用虚拟仪器软件Labview设计了无线漏水监测上位机,实现对漏水信号和系统工作状态的实时监测,最终完成了一个分布式、高精度智能无线漏水监测预警系统。最后对系统的硬件电路和整个传感网络进行测试,测试结果表明系统的传感网络可以稳定实现数据传输,满足系统的任务需求。
刘小军[4](2021)在《基于EPICS的加速器过程控制研究》文中认为近些年,近代物理研究所承担了多项重离子加速器装置的建设任务,例如低能量强流高电荷态重离子加速器装置—LEAF,SSC的直线注入器SSC-LINAC、珠江直线加速器治癌装置、新疆理化所质子位移损伤效应模拟装置—PREF、空间环境地面模拟研究装置—SESRI、强流重离子加速器装置—HIAF等。控制系统的任务目标由原来专注于一台加速器的建设迈向多台共建,传统加速器子系统分工和建设模式已经不能很好的满足工程建设需求,需要对加速器过程控制技术中的标准化、规范化的系统设计方法,标准化、规范化的开发流程和标准化、规范化的工程实施过程做相关技术研究,以便能在有限的时间内高质量的完成多台装置的建设任务。根据重离子加速器装置的特点,其系统模块组成基本相似,主要由离子源、低能传输线、射频四极场加速器、中能传输线、高能传输线、同步环和各个终端组成。本文在完成LEAF、SSC-LINAC和珠江直线加速器的基础上开发了基于EPICS的加速器过程控制通用IOC模块和硬件设计标准,为加速器过程控制提供了标准化、模块化设计模板,在保证过程控制系统稳定性与可靠性的前提下,大大减少了软硬件开发及工程建设周期。论文对加速器过程控制系统设计方法进行了详细分析,采用EPICS作为LEAF、SSC-LINAC和珠江直线加速器过程控制系统的软件架构,建立了LEAF的离子源控制系统,LEAF和SSC-LINAC的磁铁电源控制系统,三个项目的真空控制系统、仪表控制、SSC-LINAC和珠江直线加速器的磁铁温度监测系统、腔体状态监测系统和设备安全联锁系统等。主要技术成果有:采用协议转换将设备硬件接口统一化,并进行了IOC的模块化封装;总结了加速器过程控制系统常用的硬件设备,进行了设备级与系统级的电磁兼容性测试,按照相关规范制定了过程控制系统硬件设计标准化流程,并取得了良好的效果;系统整体稳定性得到大幅度提高,为加速器过程控制系统的建设提供了模板。设计并建设完成的LEAF装置、SSC-LINAC和珠江直线加速器过程控制系统模块化、标准化程度高,维护和扩展简单高效;系统运行稳定、可靠、抗干扰能力强,能够保证加速器的高质量运行,为装置达到束流设计指标提供了可靠保障。
张晓坤[5](2021)在《基于云平台的太阳能利用监测系统设计及应用研究》文中研究说明当下,我国面临着能源短缺与生态保护两大问题,可再生能源利用的发展将是同时解决这两个问题的关键。太阳能资源作为一种重要的可再生能源,其应用技术已经得到极大的发展。但由于受到周围环境的影响或运行维护不当等原因,太阳能资源的利用效率往往较低。因此,为促进太阳能资源的高效利用,有必要对太阳能利用过程中的系统性能及运行状况进行监测与分析。在此背景下,本文对太阳能利用监测系统的设计与应用展开了研究。根据实际使用需求,本文在监测系统的数据采集,数据传输和数据可视化显示过程中,采用了云平台、物联网、数据库、无线数据传输等关键技术。监测系统主要由数据采集终端和监测平台组成。数据采集终端以工业级的Edge Box-RPI作为硬件基础,采用高级编程语言Python进行数据采集、数据存储和数据上传的程序设计。其中数据上传程序以“断点续传”的方式进行设计,以保障数据上传的完整性。数据存储采用Mysql数据库。在通信设计方面,数据采集终端采用“Rs485+Modbus”的通信方式与传感器设备进行通信,以完成数据的采集工作,采用“4G+HTTP”的通信方式与监测平台进行通信,以完成数据上传的工作。此外,数据采集终端还安装有远程控制软件,以方便用户对其进行远程控制操作。在监测平台的设计开发中,本文以Web应用程序开发的方式来建立监测平台,并将其部署在云服务器上。监测平台的服务器采用了B/S模式和“Flask+Nginx+gunicorn+Mysql”架构进行开发。在前端,监测平台基于Admin LTE模板进行Web页面的设计与开发,并使用了Bootstrap、Jquery、Ajax和Echarts等前端技术。监测平台设计并实现了用户登录管理、实时数据显示、数据下载和历史数据查询等功能。最后,本文通过搭建光伏发电系统实验装置对监测系统的实际应用效果展开研究。在应用过程中,对监测系统的设计功能以及长期运行效果进行检验和分析。此外,还尝试利用BP神经网络来搭建光伏系统瞬时发电功率的预测模型,并将预测模型加入监测系统,实现光伏发电系统在线故障报警的功能。
刘禹[6](2021)在《基于Websoket的多源数据流监测平台设计》文中研究表明地震监测预警网络的扩展随之而来的现象是地震观测数据量急剧增加,相比较于为解决海量数据处理问题的分布式大数据平台,传统单机平台下的地震数据处理软件以无法满足当今地震预报工作,依赖于实时数据流监测的变形监测和测震数据流响应拾取显示等对时间依赖性较强的监测工作在传统监测平台下已无法满足当前需求。传统监测平台针对数据流所采用的”轮询”模式常导致服务器网络消耗大,数据处理工作过分依赖于服务器性能且效率低下,同时多基站实时数据流可视化处理过程中多基站数据流多线程并行执行下会存在线程阻塞和等待导致数据流时间片段缺失等问题。为了适应当前需求下海量数据流实时监测需求,本研究采用B/S架构基于最新的HTML5标准构建系统框架,引入多源数据流接口作为服务器通讯手段、采用Websocket技术解决前后端的全双工通讯、并利用哈希表优化多线程管理保证流数据接收完整,在客户端以Echarts为渲染组件以实现流数据动态显示,整体以模块嵌入式思想为开发基准设计并开发了一套多源数据流实时监测系统。系统借助Websocket全双工通讯技术,构建了低网络负载环境下服务器与客户端间单次网络请求,持续数据推送功能;通过哈希表将多线程并发执行下复杂的线程切换操作优化为单线程顺序执行下线程开闭操作,避开了多线程切换中阻塞和等待机制造成的数据流时间序列缺失,保证了基站数据流多线程间的线程原子性;利用Echarts统计图高兼容性以及流式加载特点,与Web Socket协议相结合实现数据流实时可视化图表监测;同时模块嵌入式设计思想也保证了系统的可拓展性。经系统压测和运行结果表明,系统服务器在并发数为60的高并发环境下的针对113个GNSS基站在12小时运行时间内数据流接收完整、156个并行执行稳定、无线程阻塞,前后端在传递690条通讯数据中仅耗时39ms服务器网络负载较低、通讯高效,监测结果准确。区别于传统轮询技术下数据流处理所带来的网络负载较高和多线程间切换阻塞和等待导致数据流缺失等诸多关键性问题,本系统构建了Websocket通道实现服务器低负载环境,且系统界面整体简洁美观,而哈希表与多线程管理相结合思想也使各基站数据流线程切换过程中系统所接收数据时间片段完整。系统即保证未来监测网扩建环境下可拓展性,也满足于未来大数据时代下的海量测震数据流的可视化需求,进一步提升数据流实时传输以及显示能力。
李梦辉[7](2021)在《分布式实时运行数据驱动的液压支架群虚拟监测关键技术》文中指出煤炭智能化建设直接关系我国国民经济和社会智能化的进程,液压支架作为综采工作面的核心设备之一,对于综采工作面装备的协同运行起着重要的作用。随着智能化技术的不断推进,液压支架电液控制技术已成为常态配置,支架跟随预设程序进行自主动作,在复杂底板、矿压等未知环境因素作用下,支架自动跟机移架可能会由于自身重心不稳,与周围支架发生咬架、挤架等一系列意外问题,干扰着支架群的正常支护任务,严重时威胁工人生命。因此,必须要全面、准确、不间断地获得工作面所有支架的实时位置和姿态数据,才有可能实现在复杂工况条件下对支架以及群组的远程精准调控。同时随着智能传感和监测技术的不断完善,液压支架的监测数据量越来越庞大,仅仅依靠单机系统显然已经无法完成艰巨的监测任务。本文针对以上问题,结合虚拟现实、局域网协同、分布式、负载均衡等技术,对分布式实时运行数据驱动的液压支架群虚拟监测关键技术进行了研究。在获取了支架的实时位置和姿态数据的基础上,进一步研究了分布式虚拟监测方法。本文的主要研究内容和结论如下:(1)研究了液压支架姿态数据的处理流程。在实现数据驱动的基础上,加入了对数据的处理,通过异常数据识别与处理-基于经验模态分解(Empirical Mode Decomposition,EMD)的数据去噪-基于旋转矩阵的传感器数据转换三个数据处理步骤,从而获取了实时、有用的液压支架群姿态数据,实现了真实支架姿态与模型姿态的一致性。本方法能够为其他综采装备的监测提供参考与借鉴。(2)提出了基于超宽带技术(Ultra Wideband,UWB)的液压支架定位方法。利用UWB测距模块获取的测距信息以及预设的基站坐标,利用三边定位原理求解得到了支架在空间中的三维坐标。该方案能够为液压支架的位置监测提供一种新的思路,同时为多数据源融合的液压支架位置监测奠定了基础。(3)研究了基于数据交互器的分布式网络同步方法。在考虑液压支架运动特点的基础上,在Unity3D中确定了采用基于关键参数的远程调用过程而非直接状态同步的方法实现分布式主机之间的数据交互,大大减少了需要同步的网络数据量。该方法能够解决由于数据量庞大导致单机系统无法完成复杂任务的问题,能够为透明综采工作面的建设提供技术支撑。(4)提出了液压支架群分布式监测的任务动态分配方法。在第(3)步的基础上,加入基于一致性哈希算法的监测任务动态分配方法,能够实时评价主机运行状况,及时对监测任务进行动态调整,保证分布式系统负载均衡以及资源的最大化利用,实现流畅的监测。
王艳华[8](2021)在《智慧林业中立体感知体系关键技术研究》文中提出森林是规模最广泛的陆地生态系统,约占土地总面积的三分之一,同时也是地球生态系统的必要组成部分,森林生态系统是否正常,与地区生态安全和社会经济的可持续发展密切相关。传统基于人工的森林资源调查方法存在花费高,野外工作强度大,消耗时间长等缺点,且时效性和准确性往往无法达到实际应用的标准。传统的单一的数据源难以获取高精度的森林参数信息,多源数据综合应用将成为未来森林资源监测的有效方法。国家林业发展“十三五”规划提出,加强生态检测评价体系建设,深化遥感、定位、通信技术全面应用,构建天空地一体化监测预警评估体系。随着智慧林业的不断普及,信息技术以及对地观测技术的不断进步,利用不同类型、不同分辨率的遥感影像、无人机以及无线通信网络对森林资源的信息进行监测可以有效的指导林业生产,通过构建森林资源综合监测体系,实时准确了解森林资源的基本情况及变化,及时采取应对措施,可以大大提高资源保护与利用效果,对于环境治理和生态建设等有关工作的开展均有重大意义。本文从空天地一体的森林资源监测角度出发,针对森林资源监测信息类型复杂多样、数据维度高、信息冗余度高、数据信息处理量大等问题,研究综合性、立体性的森林资源监测网络体系,研究适合于森林环境监测无线传感器网络的网络方案和模型,并着重解决在符合森林环境监测无线传感器网的模型的网络结构中传感器以自组织和多跳的和传输的效率,研究海量遥感影像数据处理、数据存储、数据挖掘一体化的解决方案,开展森林资源综合监测体系研究,为森林资源连续清查体系的优化改革提供理论支撑和数据参考。本文的主要工作如下:(1)针对森林环境监测的无线传感器网络的数据传输问题,提出一种改进的基于ADHOC网络的组播路由模型,该模型特别适用于大规模、低密度无线传感器网络中传感器节点相对位置的确定,节点间连通性差,远距离节点间测距误差大的网络监测环境。在研究无线传感器网络邻居节点拓扑结构的基础上,将主流形学习和非线性维数算法相结合,提出了一种局部组合定位(LCL)算法,根据每个节点与相邻节点在一定通信范围内的成对距离,首先通过为每个节点构造一个局部子空间来获取全局结构的局部几何信息,然后对这些子空间进行比对,得到所有节点的内部全局坐标。结合全局结构和锚节点信息,最后利用最小二乘算法计算出所有未知节点的绝对坐标,构建可靠、高效的路由传输协议。通过在哈尔滨实验林场区域构建监测系统,实现气象、光照、土壤和空气质量全方位森林环境信息的获取。(2)针对遥感数据的预处理及数据挖掘,基于Hadoop内部提供的二进制文件存储形式SequenceFile,将图像数据序列化成字节流存到二进制文件中,在执行MapReduce任务时,直接用Hadoop的SequenceFileInputFormat输入文件格式进行读取,实现了图像并行处理。通过自定义分区策略的方式对遥感影像特征并行提取算法进行改进,增加提取遥感影像特征的MapReduce程序中Reduce任务数量,实现了 Hadoop的遥感影像特征提取并行化。从而提高并行处理效率。针对KMeans聚类算法需要人为确定初始聚类中心和聚类数目,从而使聚类结果陷入局部最优的问题,本文结合Canopy算法对KMeans算法进行改进,首先通过Canopy算法对遥感影像的特征信息进行“粗聚类”,然后将结果作为KMeans聚类算法的初始聚类点,从而完成遥感影像的分类处理,为监测数据提供了高质量的遥感影像。(3)针对现有遥感影像变化检测模型存在的检测精度不高的问题。提出了一种基于两阶段的遥感影像变化检测模型,该模型充分利用遥感影像的多维特征,利用U-net网络对遥感影像进行语义分割,并将分类结果与不同时相的遥感数据的分类结果进行融合,从而准确的获得监测区域地物变化的特征,该方法能够有效的提取遥感影像的纹理和光谱特征,提高变化检测的精度。此外,本文通过无人机获取高空间分辨率影像数据来实现单木尺度森林资源监测,通过H-maxima变换结合标记控制分水岭算法实现单木树冠的自动勾绘,从而实现单木信息的提取。最后利用改进的变化检测模型,实现了基于卷积神经网络的对西双版纳自然保护区的变化检测,根据对自然保护区内的植被变化监测的应用需要,进行系统的需求分析与设计,模型分析,实现了西双版纳自然保护区森林监测系统,对区域内森林变化情况进行精准监控。
张琦[9](2020)在《基于改进Kademlia算法的P2P网络资源监测研究》文中认为P2P网络中共享的数据资源不需要中心服务器的控制,即可在网络节点之间直接传输。这种去中心化特性相比中心化系统有着更高的容错性、抗攻击性和资源利用率,但也导致P2P网络中传输的资源难以被监测追踪。如何高效监测P2P网络资源的相关信息,提高节点收到资源消息的速率,降低系统的性能开销,成为P2P网络资源监测中有待解决的关键问题。本文在研究P2P技术,Kademlia协议基础上,针对传统资源发现模型无法适应P2P网络随机性、资源发现效率低下且全面性不佳、大量资源无法被有效监测等问题,提出改进Kademlia算法。改进算法通过动态修改节点ID,与网络中的节点进行交互,存储到其他节点路由表的特定位置,提高获取节点间资源搜索或资源下载消息的速率,从而发现更多P2P网络中传输的资源信息。实验结果表明,改进Kademlia算法找到了获取节点间资源消息数量最多的节点路由表位置,验证了改进算法的可行性与高效性。针对资源监测过程中采集资源失败率和重复率高等问题,通过设计新的资源采集策略,达到提升资源采集效率、降低网络开销的目的。针对非法资源判别过程中判别效率低下、准确率不高等问题,使用确定型有限自动机算法,提升资源判别的准确率,并将处理时间保持在毫秒级别,实现实时准确的资源信息判别。基于以上研究,本文开发实现了 P2P网络资源监测软件。根据资源发现、采集、判别、查询、统计过程,采用模块化设计思想完成整个系统的总体设计和详细设计,并在真实的P2P网络中测试软件,测试结果表明其功能及性能均满足监测系统实际需求。
孟令达[10](2019)在《海量时间频率科学数据管理与服务关键技术研究》文中研究表明随着国防、科研、经济社会各行业对高精度时间的依赖不断提升,为提高我国的高精度时间同步服务水平和保障能力,国家先后开展了高精度地基授时系统、国家时间频率体系、空间站时频实验系统等面向服务的基础大科学装置和试验仪器的建设,将时间频率服务纳入基础设施建设,时间频率科学数据将迈入大数据和信息服务时代。海量时间频率科学数据高效管理不仅是实现时间频率科学大数据存储与分析、提供高效时间频率信息服务的基础,更为时间频率科学大数据知识获取和科学发现提供技术支撑。本文从面向服务的角度以海量时间频率科学数据的管理体系、存储与并行处理方法为研究对象,利用云计算和大数据处理技术对面向服务的海量时间频率科学数据管理关键技术展开研究,所作的主要工作及创新点体现在以下几个方面:(1)研究并设计了面向服务的多元海量时间频率科学数据一体化管理模型、技术架构和多样化服务方式:针对独立建设的时频科学数据管理系统在管理规范、数据标准等方面多样差异,造成数据管理复杂、数据使用困难、数据产品单一问题。结合时间频率科学大数据特征和面向服务的应用需求,构建了数据管理标准体系和原型系统。采用面向服务体系架构的设计理念和松耦合特性,综合运用多种数据存储管理和分析方法,设计了面向服务的多元海量时间频率科学数据一体化管理模型、技术架构和多样化服务方式,并对其中的关键技术进行了改进,进而实现海量时间频率科学数据高效管理。(2)研究了海量时间频率科学数据非结构化、半结构化及时序化,多数据结构并存的数据存储管理方法:针对海量时间频率科学数据多数据结构并存的特点,结合面向服务的海量历史数据快速查询和在线数据实时读写的应用场景。研究了基于“分布式文件系统+分布式列数据库+时间序列数据库”的组合存储管理和表设计方法,解决时频科学数据传统集中式、统一存储效率低、扩展复杂问题。同时根据时间频率科学数据中文件数多、数据量小和关联分析特点,提出了采用小文件聚合和考虑数据关联性的多副本哈希时频数据分布算法,进一步提高了时频科学数据存储管理效率和存储资源利用率。(3)研究了分布式并行编程框架下海量历史数据离线并行分析方法:针对海量历史时间频率科学数据离线分析中数据量与计算量大导致传统时频分析模式计算效率低或无法计算问题,研究了基于Map Reduce并行编程框架的分布式并行分析方法。根据时频分析算法中多阶滑动差分特征,提出时频科学数据分段和矩阵分块法,在优化时频分析算法的同时实现了时间间隔误差和频率源钟差模型参数并行化计算,并对算方法性能进行测试。结果表明本文提出的并行化海量离线时频分析方法有效解决数据量大、计算复杂时传统单机无法有效计算问题。(4)针对面向服务应用交互频繁、高实时性的海量时间频率科学数据分析问题,研究了基于Spark内存并行计算框架的海量时间频率科学数据实时分析方法。实现了基于Spark并行化的Allan、MTIE计算方法,同时针对时频分析中典型的测量数据粗差剔除问题,开展了基于光纤时间比对的溯源钟差粗探测方法(ODTD)研究并实现了Spark-ODTD。通过实验验证了算法有效性与性能优势。(5)针对高精度地基授时系统、国家时间频率体系等重大科学工程以及时频用户对远程高精度时间比对、同步和溯源服务需求。采用本文提出的数据管理体系和相关技术与方法,对传统卫星共视远程时间比对系统的系统架构、数据存储与处理方法和服务模式进行优化。设计并实现的云服务原型系统可通过动态扩展支持10000台终端设备业务数据在线处理、交互以及1000个用户的在线访问。本论文的研究将进一步提升时间频率科学数据标准化管理水平,为面向服务的时频时间频率科学发展和应用提供标准化数据和技术支撑。解决目前海量时间频率科学数据存储管理效率低、数据分析困难或无法计算的问题。同时本文的海量数据存储和并行分析技术,为国家时间频率体系、高精度地基授时系统等重大科学工程建设分布式时间频率数据中心架构设计提供解决途径,为时间频率科学大数据知识获取和科学发现奠定基础。
二、分布式网络性能监测系统的设计与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、分布式网络性能监测系统的设计与实现(论文提纲范文)
(1)基于边缘智能的心电信号处理方法与应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 边缘计算研究现状 |
1.2.2 边缘智能在心电信号处理领域研究现状 |
1.2.3 相关工作总结与对比 |
1.3 论文的主要研究内容 |
1.4 论文的组织与安排 |
1.5 本章小结 |
第2章 相关技术与概念 |
2.1 边缘智能相关概念 |
2.2 人工智能相关技术 |
2.2.1 人工神经网络 |
2.2.2 滤波 |
2.3 心电信号相关概念 |
2.3.1 心电信号及心拍分类 |
2.3.2 心电数据库 |
2.4 区块链相关技术 |
2.4.1 哈希算法技术 |
2.4.2 数据加密与数字签名技术 |
2.4.3 区块链相关概念及其共识算法技术 |
2.5 本章小结 |
第3章 基于区块链的轻量级边缘智能框架 |
3.1 引言 |
3.2 框架的基本设计 |
3.2.1 框架结构 |
3.2.2 硬件组成 |
3.2.3 网络结构 |
3.2.4 区块链网络 |
3.3 实现 |
3.3.1 软件组件 |
3.3.2 用户接口 |
3.3.3 网络传输 |
3.4 部署和运行过程 |
3.4.1 部署过程 |
3.4.2 运行过程 |
3.5 本章小结 |
第4章 边缘智能环境下的心电信号处理方法 |
4.1 引言 |
4.2 心电信号的预处理 |
4.2.1 数据集的划分 |
4.2.2 数据样本的分段与标记 |
4.2.3 数据样本的平衡 |
4.2.4 信号的降噪处理 |
4.3 实验 |
4.3.1 实验环境 |
4.3.2 神经网络模型 |
4.3.3 实验结果 |
4.4 本章小结 |
第5章 基于边缘智能的心率监测系统 |
5.1 引言 |
5.2 系统设计 |
5.2.1 硬件系统模型 |
5.2.2 软件架构模型 |
5.3 系统实现 |
5.3.1 实验环境 |
5.3.2 网络连接 |
5.4 系统运行 |
5.4.1 程序运行 |
5.4.2 区块链运行 |
5.4.3 实验效果 |
5.5 性能评价 |
5.5.1 性能指标 |
5.5.2 性能对比分析 |
5.5.3 边缘节点数量对性能的影响 |
5.5.4 非法数据的应对 |
5.6 本章小结 |
第6章 结论 |
6.1 论文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
在学期间主要科研成果 |
一、发表学术论文 |
二、其它科研成果 |
三、参与科研项目 |
(2)埋地油罐渗漏监测方法与系统研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究目的及意义 |
1.2 国内外研究现状及发展 |
1.2.1 油气渗漏检测国内外研究现状 |
1.2.2 阵列电极研究现状 |
1.3 本文主要工作和内容 |
第二章 埋地油罐渗漏监测原理及方案设计 |
2.1 埋地油罐渗漏监测方案 |
2.2 埋地油罐渗漏监测基本原理 |
2.2.1 跨平面式阵列电极监测原理 |
2.2.2 分布式液位监测原理 |
2.3 本章小结 |
第三章 阵列电极传感器参数优化与仿真研究 |
3.1 传感器性能指标 |
3.1.1 电容变化范围 |
3.1.2 灵敏度 |
3.1.3 灵敏度非均匀性 |
3.2 传感器设计及参数优化 |
3.2.1 阵列电极模式 |
3.2.2 电极间距 |
3.2.3 电极厚度 |
3.3 微小渗漏工况下,阵列电极响应分析 |
3.3.1 阵列电极响应区域划分 |
3.3.2 阵列电极响应特性 |
3.3.3 不同渗漏率仿真分析 |
3.4 跨平面式阵列电极理论模型 |
3.4.1 阵列电极数学模型 |
3.4.2 介电常数 |
3.4.3 横截面特性 |
3.4.4 轴面特性 |
3.5 阵列电极实验测试及分析 |
3.5.1 不同物质检测实验及分析 |
3.5.2 电极层检测实验及分析 |
3.5.3 不同响应电极检测实验及分析 |
3.6 本章小结 |
第四章 埋地油罐渗漏监测系统研究 |
4.1 埋地油罐渗漏监测系统 |
4.2 信号处理模块设计 |
4.2.1 C/F测量模块设计及调试 |
4.2.2 C/V测量电路原理 |
4.2.3 C/V测量模块仿真及调试 |
4.2.4 液位测量模块设计 |
4.3 电极切换模块设计 |
4.3.1 激励与检测端控制电路设计 |
4.3.2 接地控制电路设计 |
4.4 数字电路设计 |
4.4.1 电源电路设计 |
4.4.2 数据采集电路设计 |
4.4.3 通信电路设计 |
4.5 软件程序设计 |
4.5.1 FPGA的总体软件设计 |
4.5.2 ADC模块控制 |
4.5.3 切换模块控制 |
4.6 本章小结 |
第五章 基于神经网络的埋地油罐融合监测方法 |
5.1 信息融合方法 |
5.1.1 信息融合的基本原理 |
5.1.2 BP神经网络原理 |
5.2 基于BP神经网络的渗漏预测融合方法 |
5.2.1 数据融合 |
5.2.2 BP神经网络学习算法 |
5.3 数据融合结果分析 |
5.3.1 数据分析 |
5.3.2 预测结果分析 |
5.4 本章小结 |
第六章 系统测试实验与结果分析 |
6.1 电路调试及性能分析 |
6.2 室内渗漏监测模拟系统搭建 |
6.3 不同工况下实验结果分析 |
6.4 本章小结 |
第七章 总结与展望 |
致谢 |
参考文献 |
攻读学位期间参加科研情况及获得的学术成果 |
(3)基于物联网技术的无线漏水监测系统研究设计(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 无线漏水监测的国内外研究现状 |
1.2.1 国外无线漏水监测研究 |
1.2.2 国内无线漏水监测研究 |
1.3 论文主要内容及组织结构 |
1.3.1 研究内容 |
1.3.2 论文组织结构 |
1.4 本章小结 |
2 无线漏水监测系统总体架构和关键技术 |
2.1 漏水监测系统总体设计 |
2.1.1 无线漏水监测系统需求分析 |
2.1.2 无线漏水监测系统整体设计 |
2.1.3 系统模块功能分析 |
2.2 光纤传感技术与漏水检测原理 |
2.2.1 光纤传感器概述 |
2.2.2 塑料光纤折射率敏感机理 |
2.2.3 光纤侧向耦合效应的漏水检测原理 |
2.3 基于Zigbee的无线物联网技术 |
2.3.1 物联网技术介绍 |
2.3.2 无线传输技术的对比 |
2.3.3 Zigbee协议栈的使用 |
2.3.4 对等的网络拓扑结构 |
2.4 对等网状网络的路由算法 |
2.4.1 无线传感网络路由算法 |
2.4.2 网络传输的路由机制 |
2.4.3 网络节能路由设计 |
2.5 本章小结 |
3 无线漏水监测系统的硬件平台搭建 |
3.1 概述 |
3.2 漏水检测传感器设计 |
3.2.1 光纤漏水传感器的设计模型与定位原理 |
3.2.2 传感器封装结构设计 |
3.3 信号处理模块设计 |
3.3.1 光电转换电路设计 |
3.3.2 I-V转换电路 |
3.3.3 放大滤波电路的设计 |
3.3.4 主控电路设计 |
3.4 Zigbee无线自组网络节点硬件设计 |
3.4.1 核心芯片选型与节点电路设计 |
3.4.2 串口转接设计 |
3.5 电源模块设计 |
3.6 本章小结 |
4 无线漏水监测系统软件设计 |
4.1 组网软件开发环境搭建 |
4.1.1 IAR集成开发环境 |
4.1.2 Z-Stack协议栈 |
4.2 协调器和终端节点软件设计 |
4.2.1 构建网状通信网络 |
4.2.2 终端节点入网软件设计 |
4.3 漏水定位信号的混合编程 |
4.4 上位机软件的设计 |
4.4.1 软件开发平台 |
4.4.2 漏水监测上位机功能设计 |
4.4.3 漏水监测上位机功能实现 |
4.5 本章小结 |
5 测试结果与分析 |
5.1 传感采集处理模块测试 |
5.1.1 传感器采集数据测试 |
5.1.2 传感点位数据测试 |
5.2 无线网络测试 |
5.2.1 网状网络组建测试 |
5.2.2 网络自组织自愈测试 |
5.2.3 网络节点通信测试 |
5.3 系统功能集成测试 |
5.3.1 系统测试平台 |
5.3.2 模拟漏水实验 |
5.4 本章小结 |
6 总结与展望 |
6.1 论文工作总结 |
6.2 下一步工作建议与展望 |
参考文献 |
攻读硕士期间发表的论文及研究成果 |
致谢 |
(4)基于EPICS的加速器过程控制研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 课题研究背景 |
1.2 课题研究意义 |
1.3 国内外研究现状 |
1.4 论文主要研究内容及创新点 |
1.4.1 研究内容 |
1.4.2 本文创新点 |
第2章 加速器过程控制系统 |
2.1 过程控制概述 |
2.2 加速器过程控制系统 |
2.2.1 加速器过程控制组成 |
2.2.2 加速器过程控制特点 |
2.2.3 加速器过程控制要求 |
2.3 过程控制软件系统 |
2.3.1 软件实现功能 |
2.3.2 分布式控制系统 |
2.3.3 EPICS概述 |
2.3.4 EPICS IOC模块化封装 |
2.4 过程控制硬件系统 |
2.4.1 硬件基本构成 |
2.4.2 硬件实现功能 |
2.5 本章小结 |
第3章 LEAF过程控制设计与实现 |
3.1 LEAF工程简介 |
3.2 过程控制系统设计 |
3.2.1 控制系统网络 |
3.2.2 控制系统架构 |
3.3 过程控制系统实现 |
3.3.1 真空控制系统 |
3.3.2 磁铁电源控制系统 |
3.3.3 离子源控制系统 |
3.3.4 仪器仪表控制 |
3.4 调试及运行情况 |
3.5 本章小结 |
第4章 SSC-LINAC过程控制设计与实现 |
4.1 SSC-LINAC工程简介 |
4.2 过程控制系统设计 |
4.2.1 控制系统网络 |
4.2.2 控制系统架构 |
4.3 过程控制系统实现 |
4.3.1 真空控制系统 |
4.3.2 磁铁电源控制系统 |
4.3.3 磁铁温度监测系统 |
4.3.4 设备安全联锁系统 |
4.3.5 腔体状态监测系统 |
4.4 调试及运行情况 |
4.5 本章小结 |
第5章 珠江直线加速器过程控制设计与实现 |
5.1 珠江直线加速器工程简介 |
5.2 过程控制系统设计 |
5.2.1 控制系统网络 |
5.2.2 控制系统架构 |
5.3 过程控制系统实现 |
5.3.1 电磁兼容测试 |
5.3.2 控制机柜设计与装配 |
5.3.3 真空控制系统 |
5.3.4 磁铁温度监测系统 |
5.3.5 腔体状态监测系统 |
5.3.6 设备安全联锁系统 |
5.4 调试及运行情况 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 后续工作及展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(5)基于云平台的太阳能利用监测系统设计及应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 研究现状 |
1.2.1 数据传输技术 |
1.2.2 物联网技术 |
1.2.3 云平台技术 |
1.3 论文主要内容与结构 |
第2章 监测系统的整体方案设计 |
2.1 监测需求与应用技术分析 |
2.2 整体设计方案 |
2.3 本章小结 |
第3章 数据采集终端的设计与实现 |
3.1 硬件设计 |
3.2 数据通信设计 |
3.2.1 数据采集部分的通信设计 |
3.2.2 数据上传部分的通信设计 |
3.2.3 数据采集终端的远程控制设计 |
3.3 程序设计 |
3.3.1 数据采集程序设计 |
3.3.2 数据存储程序设计 |
3.3.3 数据上传程序设计 |
3.4 本章小结 |
第4章 监测平台的设计与实现 |
4.1 监测平台的架构设计 |
4.1.1 阿里云服务器 |
4.1.2 监测平台服务器的搭建 |
4.1.3 数据库设计 |
4.1.4 网页页面设计 |
4.2 监测平台的功能设计 |
4.2.1 用户登录管理 |
4.2.2 实时数据显示 |
4.2.3 数据查询与下载 |
4.2.4 进程守护 |
4.3 本章小结 |
第5章 监测系统的实际应用效果研究 |
5.1 监测系统在太阳能光伏发电系统中的应用效果分析 |
5.1.1 太阳能光伏发电系统实验装置 |
5.1.2 实验台测量系统 |
5.1.3 监测系统的实际应用效果分析 |
5.2 光伏发电系统在线故障报警功能的设计与开发 |
5.2.1 BP神经网络 |
5.2.2 光伏发电瞬时功率预测模型的建立 |
5.2.3 实时在线故障报警功能开发 |
5.3 本章小结 |
总结与展望 |
参考文献 |
致谢 |
(6)基于Websoket的多源数据流监测平台设计(论文提纲范文)
作者简介 |
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
1.4 论文架构 |
第二章 Websocket全双工通讯 |
2.1 Websocket技术介绍 |
2.1.1 长、短轮询技术比对Websocket |
2.1.2 Iframe流技术比对Websocket |
2.2 Websocket通道构建 |
2.2.1 Websocket协议升级 |
2.2.2 Websocket通道构建流程 |
2.2.3 Websocket生命周期总结 |
第三章 多基站线程优化设计研究 |
3.1 数据流格式介绍 |
3.1.1 GNSS数据流格式介绍 |
3.1.2 Kafka分布式缓存数据库介绍 |
3.1.3 Kafka消息管理机制 |
3.2 多线程设计 |
3.2.1 基站数据流传输线程设计 |
3.2.2 数据数据流获取线程设计 |
3.3 哈希表线程优化 |
3.3.1 哈希表构建 |
3.3.2 哈希表实现多线程优化 |
第四章 系统设计 |
4.1 系统架构设计 |
4.1.1 架构设计 |
4.1.2 表示层设计 |
4.1.3 服务层设计 |
4.1.4 数据层设计 |
4.2 系统运行流程 |
4.2.1 系统触发机制 |
4.2.2 系统整体运行 |
4.3 数据源接口设计 |
4.3.1 系统对接GNSS数据源 |
4.3.2 系统对接Kafka数据源 |
4.4 可拓展数据源接口设计 |
第五章 系统运行测试 |
5.1 Websocket性能测试 |
5.2 多线程并发测试 |
5.2.1 多线程高并发测试 |
5.2.2 服务器性能压测 |
5.3 系统功能介绍 |
5.3.1 数据源基站显示 |
5.3.2 数据流实时显示 |
5.3.3 Kafka缓存服务器流数处理 |
第六章 结论及展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
(7)分布式实时运行数据驱动的液压支架群虚拟监测关键技术(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 研究背景、目的和意义 |
1.2.1 研究背景 |
1.2.2 研究目的 |
1.2.3 研究意义 |
1.3 国内外研究动态 |
1.3.1 虚拟现实技术在煤矿领域的研究动态 |
1.3.2 液压支架群的运动状态监测研究动态 |
1.3.3 分布式技术在煤矿领域的研究动态 |
1.3.4 目前研究中存在的问题与不足 |
1.4 技术路线及主要研究内容 |
1.5 本章小结 |
第2章 液压支架群虚拟监测系统总体框架 |
2.1 引言 |
2.2 系统的设计目标 |
2.3 系统的总体设计 |
2.3.1 系统的体系结构 |
2.3.2 系统结构及功能设计 |
2.4 系统的硬件设计 |
2.5 系统的软件设计 |
2.6 本章小结 |
第3章 基于实时姿态数据的液压支架群监测 |
3.1 引言 |
3.2 液压支架姿态监测框架设计 |
3.3 姿态监测硬件及数据交互通道设计 |
3.3.1 概述 |
3.3.2 传感器布置方案 |
3.3.3 数据传输通道关键技术 |
3.4 支架姿态监测中的数据处理流程 |
3.4.1 概述 |
3.4.2 异常数据处理方法 |
3.4.3 基于经验模态分解的数据去噪方法 |
3.4.4 支架姿态数据的坐标转换 |
3.5 本章小结 |
第4章 基于实时位置数据的液压支架群监测 |
4.1 引言 |
4.2 液压支架位置监测框架设计 |
4.3 模块布置方案及数据交互通道设计 |
4.3.1 UWB测距原理 |
4.3.2 测距模块选型 |
4.3.3 坐标系建立与模块布置方案设计 |
4.3.4 Unity3D与测距模块的数据交互 |
4.4 基于三边定位方法的位置计算 |
4.4.1 三边定位方法简介 |
4.4.2 基于牛顿迭代法的求解方法 |
4.5 基于Arduino的综采三机试验台电路控制方法 |
4.5.1 硬件简介 |
4.5.2 试验台控制电路总体框架 |
4.5.3 基于Unity3D的上位机设计 |
4.5.4 基于Arduino的下位机设计 |
4.5.5 上位机与下位机交互数据帧设计 |
4.6 本章小结 |
第5章 分布式液压支架群虚拟监测 |
5.1 引言 |
5.2 分布式虚拟监测系统框架设计 |
5.3 基于数据交互器的网路同步方法 |
5.3.1 Unity3D网络组件简介 |
5.3.2 局域网通信环境的搭建 |
5.3.3 基于远程过程调用的数据交互器 |
5.3.4 数据交互管理器的建立 |
5.3.5 液压支架群分布式监测方法 |
5.3.6 方法小结 |
5.4 基于一致性哈希算法的监测任务动态分配方法 |
5.4.1 基于一致性哈希算法的分配策略 |
5.4.2 分布式系统运行状况评价方法 |
5.4.3 系统初始化任务分配方法 |
5.4.4 系统运行中任务动态分配方法 |
5.5 本章小结 |
第6章 原型系统开发及试验 |
6.1 引言 |
6.2 原型系统开发 |
6.2.1 煤矿综采成套试验系统概述及改造 |
6.2.2 综采虚拟场景试验系统概述及改造 |
6.3 系统的数据可靠性试验 |
6.3.1 液压支架的姿态测量误差试验 |
6.3.2 液压支架位置测量误差试验 |
6.4 系统的分布式试验 |
6.4.1 分布式监测初始化试验 |
6.4.2 分布式监测动态分配试验 |
6.5 系统的整体试验 |
6.5.1 系统的整体运行试验 |
6.5.2 系统的延迟性试验 |
6.6 本章小结 |
第7章 结论与展望 |
7.1 工作总结 |
7.2 主要结论 |
7.3 进一步工作展望 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(8)智慧林业中立体感知体系关键技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景 |
1.1.1 选题目的 |
1.1.2 选题意义 |
1.2 研究现状 |
1.2.1 基于无线传感器网络的森林资源信息监测研究 |
1.2.2 基于遥感影像的森林变化监测研究 |
1.3 研究内容以及创新点 |
1.3.1 本文的研究内容 |
1.3.2 本文主要创新点 |
1.4 本文的组织结构 |
2 相关理论及方法 |
2.1 无线传感器网络 |
2.1.1 无线传感器网络结构 |
2.1.2 无线传感器网络的协议栈 |
2.2 遥感影像处理技术 |
2.2.1 遥感影像的预处理 |
2.2.2 基于深度学习的遥感影像分类与变化检测 |
2.3 本章小结 |
3 基于无线传感器网络的森林资源监测方法及系统 |
3.1 基于信任的无线传感器网络数据传输模型 |
3.1.1 无线传感器网络与可信信息传播概述 |
3.1.2 基于信任的信息传播模型 |
3.1.3 实验结果与分析 |
3.2 改进的基于ADHOC网络的组播路由算法 |
3.2.1 组播路由协议基本过程 |
3.2.2 局部组合定位的路由算法 |
3.2.3 实验结果与分析 |
3.3 基于博弈理论的无线传感器网络自私节点惩罚机制 |
3.3.1 激励惩罚机制概述 |
3.3.2 基于博弈理论的惩罚机制 |
3.3.3 模拟实验与结果分析 |
3.4 基于无线传感器网络的森林环境信息监测系统 |
3.4.1 系统设计思路 |
3.4.2 系统硬件设计 |
3.4.3 系统模拟软件 |
3.5 本章小结 |
4 基于无人机激光雷达的单木尺度森林资源监测技术 |
4.1 激光雷达数据解算及误差分析 |
4.2 地面点滤波 |
4.3 冠层高度模型的生成 |
4.4 单木树冠提取 |
4.5 单木参数提取 |
4.6 实验结果与分析 |
4.6.1 无人机激光雷达系统 |
4.6.2 地面调查数据介绍 |
4.6.3 精度评价与分析 |
4.7 本章小结 |
5 基于遥感影像的森林资源监测方法 |
5.1 基于分布式的遥感影像特征提取方法 |
5.1.1 遥感影像并行预处理 |
5.1.2 基于Hadoop的遥感影像特征提取方法 |
5.1.3 基于Hadoop的遥感影像特征提取算法实现 |
5.1.4 实验结果与分析 |
5.2 基于卷积神经网络的遥感影像语义分割 |
5.2.1 编码器模块组成 |
5.2.2 SELU激活函数 |
5.2.3 实验结果与分析 |
5.3 基于特征融合的森林资源变化监测方法 |
5.3.1 聚焦损失函数 |
5.3.2 随机森林 |
5.3.3 特征融合 |
5.3.4 实验结果及分析 |
5.4 基于深度学习的森林变化监测系统 |
5.4.1 需求分析 |
5.4.2 系统的总体功能 |
5.4.3 数据库概念结构设计 |
5.4.4 用户管理和遥感影像管理模块 |
5.4.5 监测区域变化监测功能 |
5.4.6 变化检测结果显示模块 |
5.5 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
东北林业大学博士学位论文修改情况确认表 |
(9)基于改进Kademlia算法的P2P网络资源监测研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 P2P技术和P2P应用 |
1.1.2 P2P网络存在的问题 |
1.2 国内外研究现状 |
1.2.1 P2P网络拓扑结构现状 |
1.2.2 P2P搜索技术现状 |
1.2.3 P2P网络监测技术局限 |
1.3 研究内容及思路 |
2 改进Kademlia算法 |
2.1 P2P网络资源监测的关键技术 |
2.1.1 资源发现策略 |
2.1.2 资源采集策略 |
2.1.3 非法资源判别策略 |
2.2 Kademlia协议 |
2.2.1 节点距离 |
2.2.2 路由表 |
2.2.3 远程过程调用消息 |
2.2.4 资源定位 |
2.3 基于Kademlia协议的改进算法 |
2.3.1 动态修改节点ID |
2.3.2 提升资源HASH数量 |
2.3.3 节点加入 |
2.3.4 节点定位 |
2.3.5 改进的资源定位 |
2.4 实验结果与分析 |
2.5 本章小节 |
3 P2P网络资源监测系统设计与实现 |
3.1 系统总体设计 |
3.2 数据库设计 |
3.3 系统模块设计 |
3.3.1 资源发现模块 |
3.3.2 资源采集模块 |
3.3.3 资源判别模块 |
3.3.4 资源查询模块 |
3.3.5 数据统计模块 |
3.4 系统功能实现 |
3.5 本章小节 |
4 P2P网络资源监测系统测试 |
4.1 测试环境 |
4.2 功能测试 |
4.2.1 资源发现功能测试 |
4.2.2 资源采集功能测试 |
4.2.3 资源判别功能测试 |
4.2.4 资源查询功能测试 |
4.2.5 数据统计功能测试 |
4.3 性能测试 |
4.3.1 资源发现性能测试 |
4.3.2 资源采集性能测试 |
4.3.3 资源判别性能测试 |
4.3.4 资源查询性能测试 |
4.3.5 数据统计性能测试 |
4.4 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间的科研成果 |
(10)海量时间频率科学数据管理与服务关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状与分析 |
1.1.1 时间频率科学数据存储管理 |
1.1.2 时间频率科学数据计算模式 |
1.1.3 时间频率科学数据服务方式 |
1.1.4 现状分析 |
1.3 研究目标和主要研究内容 |
1.3.1 研究目标 |
1.3.2 主要研究内容 |
1.4 论文组织结构 |
第2章 面向服务的海量时间频率科学数据管理体系设计 |
2.1 时频数据特征与管理系统分析 |
2.1.1 时间频率科学数据特征 |
2.1.2 时间频率科学数据管理原型系统 |
2.2 面向服务的海量时间频率科学数据管理体系设计 |
2.2.1 面向服务的海量时频数据管理标准体系 |
2.2.2 面向服务的海量时频数据管理框架(STFDMA) |
2.3 面向服务的海量时间频率科学数据管理实现模型 |
2.3.1 云计算与大数据技术 |
2.3.2 STFMDA的实现模型 |
2.4 本章小结 |
第3章 海量时间频率科学数据存储管理方法研究 |
3.1 基于HDFS的海量时频数据文件存储方法研究 |
3.1.1 HDFS架构与存储特性分析 |
3.1.2 基于HDFS的时频数据文件存储架构设计 |
3.1.3 分布式时频科学数据文件存储系统优化方法 |
3.1.4 实验结果与分析 |
3.2 基于HBase的海量半结构化时频数据存储方法研究 |
3.2.1 HBase系统特性与架构方案 |
3.2.2 基于HBase的GNSS系统时差监测数据存储设计 |
3.2.3 实验结果与分析 |
3.3 基于时间序列数据库Influx DB的时频数据存储方法研究 |
3.3.1 Influx DB系统架构与数据存储管理特征分析 |
3.3.2 基于Influx DB的时间序列数据组织与模型设计 |
3.3.3 基于Influx DB的时频测量数据存储管理方法研究 |
3.3.4 基于Influx DB的CAPS主钟溯源比对数据存储设计 |
3.3.5 实验结果与分析 |
3.4 本章小结 |
第4章 海量时间频率科学数据离线并行分析方法研究 |
4.1 基于Map Reduce的时频数据并行处理框架及流程设计 |
4.1.1 基于Map Reduce的并行处理框架及功能分析 |
4.1.2 基于Map Reduce的离线分析作业运行流程设计 |
4.2 基于Map Reduce的并行化时间间隔误差计算方法 |
4.2.1 时间间隔误差原理与分析方法 |
4.2.2 基于Map Reduce的时间间隔误差算法MR-TIE |
4.3 基于Map Reduce的并行化频率源钟差模型计算方法 |
4.3.1 频率源钟差模型与计算方法 |
4.3.2 基于Map Reduce的频率源钟差模型计算方法MR-CLS |
4.4 实验结果与分析 |
4.4.1 实验环境部署 |
4.4.2 基于MR-TIE的CAPS主钟溯源比对钟差分析 |
4.4.3 基于MR-CLS的CAPS主钟溯源比对钟差分析 |
4.5 本章小结 |
第5章 海量时间频率科学数据实时并行分析方法研究 |
5.1 基于Spark的时频数据并行计算框架及流程设计 |
5.1.1 基于Spark的并行计算框架及功能分析 |
5.1.2 基于Spark的实时并行计算流程设计 |
5.2 基于Spark的频率稳定度Allan方差计算方法 |
5.2.1 频率稳定度Allan方差计算方法 |
5.2.2 基于Spark的并行化Allan方差Spark-Allan |
5.2.3 Spark-Allan数据处理流程 |
5.3 基于Spark的最大时间间隔误差算法Spark-MTIE |
5.3.1 最大时间间隔误差定义及计算方法 |
5.3.2 基于Spark的并行化MTIE计算方法Spark-MTIE |
5.3.3 Spark-MTIE数据处理流程 |
5.4 基于Spark的光纤溯源钟差粗差探测算法 |
5.4.1 基于光纤时间传递的溯源钟差模型 |
5.4.2 光纤溯源钟差粗差探测算法(ODTD) |
5.4.3 基于Spark的光纤溯源钟差粗差探测方法Spark-ODTD |
5.5 实验结果与分析 |
5.5.1 实验环境搭建 |
5.5.2 基于Spark-Allan的CAPS主钟频率稳定度分析 |
5.5.3 基于Spark-MTIE的CAPS主钟溯源比对钟差分析 |
5.5.4 基于Spark的光纤溯源钟差粗差探测实验分析 |
5.6 本章小结 |
第6章 远程溯源比对云服务原型系统设计与实现 |
6.1 远程溯源比对云服务原型系统总体框架 |
6.1.1 远程溯源比对云服务基本原理与系统架构 |
6.1.2 远程溯源比对云服务系统总体框架 |
6.2 远程溯源比对云服务原型系统模块设计与实现 |
6.2.1 远程溯源比对云服务原型系统服务与模块设计 |
6.2.2 远程溯源比对云服务原型系统应用界面 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者简历及在学期间发表的学术论文与研究成果 |
四、分布式网络性能监测系统的设计与实现(论文参考文献)
- [1]基于边缘智能的心电信号处理方法与应用[D]. 甄鹏华. 齐鲁工业大学, 2021(10)
- [2]埋地油罐渗漏监测方法与系统研究[D]. 陈欢. 西安石油大学, 2021(09)
- [3]基于物联网技术的无线漏水监测系统研究设计[D]. 乔锐. 中北大学, 2021(09)
- [4]基于EPICS的加速器过程控制研究[D]. 刘小军. 中国科学院大学(中国科学院近代物理研究所), 2021(01)
- [5]基于云平台的太阳能利用监测系统设计及应用研究[D]. 张晓坤. 北京建筑大学, 2021(01)
- [6]基于Websoket的多源数据流监测平台设计[D]. 刘禹. 中国地震局地震研究所, 2021(01)
- [7]分布式实时运行数据驱动的液压支架群虚拟监测关键技术[D]. 李梦辉. 太原理工大学, 2021(01)
- [8]智慧林业中立体感知体系关键技术研究[D]. 王艳华. 东北林业大学, 2021
- [9]基于改进Kademlia算法的P2P网络资源监测研究[D]. 张琦. 西安科技大学, 2020(12)
- [10]海量时间频率科学数据管理与服务关键技术研究[D]. 孟令达. 中国科学院大学(中国科学院国家授时中心), 2019(01)