用于过程数据压缩的自控精度SDT算法

针对过程数据的压缩,提出一种自控精度SDT算法,通过在压缩过程中对参数的动态调整,使误差控制在给定范围内,保证了压缩精度并且获得了更高的压缩比。相比于SDT算法,压缩比提高了60%～75%,实际误差与期望误差的绝对差在10-3数量级。该算法在UWnTek控制工程软件中测试完成并正式使用,具有重要的工程意义。

基于数据敏感度自适应的SDT改进算法

为解决日益增加的监测数据的高效存储问题,提出了一种基于数据敏感度自适应的旋转门压缩改进算法,根据数据敏感度及数据波动状态来自适应调整容差参数。经过性能测试和实际应用,该算法与标准旋转门压缩算法相比,在基本未增加复杂度的情况下,提高了压缩率,降低了压缩误差。

RWM & DEWS数据二次压缩算法研究

对柑橘实时水分监控与旱情预警系统中的数据参数进行拟合分析,在探讨SDT和LZW 2种压缩算法的基础上,提出一种二次压缩算法:第1次压缩采用基于SDT算法思想的平均值方法;第2次压缩采用改进的LZW算法实现。对压缩效果进行测试,仿真实验证明,在相同的硬件和软件环境下,该算法能实时、高效地压缩数据。

探讨旋转门数据压缩技术在实时数据库中的应用

比较详细地比较了存储历史数据的各种方式,着重讨论了在实时数据库中常用的旋转门过程数据压缩技术,总结了数据压缩在工程应用中的优缺点,并对存在的问题针对性的提出改进方法。