自适应日志采集间隔时间动态调整算法研究

针对日志审计系统,分析日志记录数量变化规律及等间隔时间日志采集策略问题,提出一种自适应日志采集间隔时间动态调整算法。该算法的功能是根据当前采集的日志记录数量,计算出单位时间内产生的日志记录数量变化,据此自动调节采集间隔时间。

基于最大时间阈值与自适应步长的时间相关性感知数据去冗余算法

针对传感器网络感知数据去冗余方法存在冗余度高的不足,提出一种基于最大时间阈值及自适应步长的时间相关性感知数据去冗余算法(TCDA).TCDA充分考虑了去冗余过程中,数据变动幅度大、局部最大值与最小值存在较大误差、局部特征值的丢失以及数据平稳时的数据相似阈值失效因素;TCDA在保证去冗余率的前提下,设置最大时间阈值防止数据相似阈值失效,确保数据的时效性;同时TCDA采用自适应步长机制降低计算复杂性,减少计算能耗.实验结果表明:TCDA与数据传输协议(DaT)方法相比,节约了3%的传输能耗和50%的计算能耗.

WSN数据采集时间同步算法研究

针对现有的WSN时间同步算法不适用于数据采集时间同步的问题,以基于WSN的某洗煤厂设备点检系统电动机振动信号采集为例,提出了一种新的延时时间广播同步算法,详细分析了该算法的原理、在单跳WSN中的实现过程及其时间同步延时补偿和误差计算,并与其它WSN时间同步算法进行了比较,得出该算法开销小、能量消耗低、同步精度较高的结论。该算法的有效性在基于WSN的洗煤厂设备点检系统数据同步采集中已得到验证。

切削力数据采集时间间隔的自动调整

介绍了切削力微机采集系统中自动调整数据采集时间间隔的方法,并分析了其特点。

自适应数据采集与重构算法仿真研究

针对固定采样周期和输入输出增益的动态信号数据采集观测失效问题,以二阶系统的阶跃响应过渡过程为研究对象,提出了一种采样周期和信号增益自适应数据采集与重构算法,能够根据实时系统的结构参数自动调整采样周期、数据采集输入调整倍率和数据重构输出匹配倍率,从而自动适应信号幅值和过渡过程调节时间的变化,实现有效观测。设计了自适应数据采集与重构MATLAB仿真程序,并借助一组具有代表性的检验试样运行验证了这种算法的正确性。

网络性能管理中一种数据采集算法的研究

根据大量的网络管理实践 ,研究了网络性能数据变化的规律和现在被大量采用的等时间间隔数据采集算法的弊端 ,提出了一种自适应时间间隔数据采集算法 .该算法根据网络性能数据变化的缓急自动调整采样时间间隔 ,更合理地使用网络带宽 .理论分析和仿真实验结果证明 ,该算法克服了等时间间隔数据采集算法没有考虑所采样数据的变化、采用统一采样时间间隔从而浪费网络带宽的缺点 .在消耗相同网络带宽的情况下 ,自适应时间间隔数据采集算法的数据拟和曲线与等时间间隔数据采集算法的拟和曲线相比 ,失真度明显偏小 .

基于旋转门算法的自适应变频数据采集策略

针对无线传感器网络在监测类似室内或大棚等微气候环境数据时,传统的等间隔时间数据采集方法存在数据大量冗余、浪费网络带宽的问题,以及现有自适应变频数据采集策略仍然非常复杂的问题,提出一种基于旋转门算法的自适应变频数据采集策略,该策略根据旋转门算法能否"套住"数据以及能连续"套住"数据的次数,自适应地调整数据采集的间隔时间。仿真和实验结果证明,该策略与传统的等间隔时间数据采集方法相比,可以降低数据采集量76%以上,减少数据传输量90%以上。该策略具有创新性,实现简单,不仅可行,而且高效。

基于Bisquare算法的自适应数据采集策略

自适应数据采集中,往往忽略了真实工业现场中噪声数据对采集过程的影响,导致采集时间间隔变化不准确,采集失真度较高。结合噪声数据的离群程度,文章提出了一种基于Bisquare算法的自适应采集策略。该策略通过对数据点分配权重,降低噪声数据对拟合模型的影响,提高了采集时间间隔变化准确度。通过分析及仿真试验证明,该方法有效降低了噪声数据对采集过程的影响,在自适应采集减少数据量的同时降低了数据采集失真度。为自适应数据采集领域提供了参考。

自适应遗传算法的数据中继卫星光网络资源调度算法

以数据中继卫星光网络系统资源、任务和约束条件为参量,以任务对资源的选择为优化对象,提出了一种基于自适应遗传算法的数据中继卫星光网络资源调度算法。综合考虑多中继星、多时间窗口、多光学天线以及任务优先级要求,建立调度模型;采用"当前任务调度时间的确定"和"后续任务可见时间窗口的更新"的调度操作,对不同资源的任务集合进行调度安排并实现了可见时间窗口的动态更新,获得调度任务的总权值并将其作为参量计算适应度值,最后通过改进的自适应遗传算法对不同调度方案进行寻优。以3颗中继星、12颗用户星,6个光天线,60个任务为条件设置了仿真场景,仿真结果表明该算法在收敛速度、调度效率方面具有优势,适应于多任务、多天线的数据中继卫星光网络系统资源调度。

基于最大锋电位间隔的爆发检测自适应算法

在各种类型的培养神经元网络、哺乳动物中枢神经系统和切片中,都可以观察到爆发。爆发是空间-时间放电模式的重要特征,它由一系列高频率发放的连续动作电位组成,由于在时间尺度上的复杂性,使其辨识和探测存在许多困难。自适应算法利用爆发外部锋电位间隔超过爆发内部锋电位间隔的累加和识别爆发本身。基于该算法原理,以爆发内部最大锋电位间隔参数作为确定爆发的约束条件,改进爆发检测自适应算法。实验结果表明,改进算法可以有效地避免爆发的漏检和错检,较准确地检测出神经元的爆发活动,确定爆发活动的数目和持续时间等,爆发检测的平均准确率为93.8%,比原自适应算法提高了35.3%。

自适应微机保护数据采集的频率跟踪

针对电力系统中因频率变化而引起的微机保护数据采集及误差计算,分析了基于硬件测频和傅氏算法测频两套方案的特点,提出了硬件测频和傅氏算法测频相结合的自适应频率跟踪方案,当线路中高频分量很大影响正确测频时,即时启动软件测频方案,以保持频率跟踪的正确性,并对自适应硬件测频和傅氏算法测频方案进行了数值仿真,其结果表明基于该自适应频率跟踪的数据采集方案可快速精确测量电力系统中的频率、电压、电流等信号,提高了微机保护装置的灵敏度和防误动能力.

基于时间交替采样技术的1 GS/s、16 bit数据采集系统研究

为了实现对大动态范围信号的高精度幅度信息获取,基于时间交替采样技术,研制1 GS/s、16 bit高速高分辨率数据采集系统,功能测试发现:当输入模拟信号中含有较大直流分量时,输出采样数据波形会发生振荡问题。研究时间交替采样技术,确认偏置误差是导致振荡问题发生的原因。设置ADC工作在实时校正误差模式,结合离线校正算法,解决采样数据的振荡问题,对比偏置误差校正前后的时域波形和频谱,验证校正算法的有效性。测试结果表明,研制的数据采集系统实现了对大动态范围信号的单信道高精度测量功能。

基于AUTBUS总线的机载无线柔性分布式测试系统数据同步采集技术

本研究致力于机载无线柔性分布式测试系统的研制,以解决在飞行试验中测试系统占地空间大、线缆使用量大、走线复杂、测试通道数量多等问题。分布式系统的节点分布在不同的位置,其内部时钟可能因多种因素而出现不同步的情况,从而影响数据采集的精度。通过灵活的时隙资源分配机制实现AUTBUS总线的动态调整,确保系统通信的高效稳定。采用1PPS、TOD及AUTBUS总线对表算法,系统能够有效地实现全网节点设备的时间同步,确保各个节点在相同的时间基准上进行协同操作。测试数据同步采集基于外部触发的模数转换模块,在全网协同事件的时刻实现各节点数据的同步采集。测试结果表明系统的同步数据采集精度最低为822.5 ns,满足飞行试验中机载测试的数据采集需求。

基于自适应算法的采集方式在卷包生产过程中的应用

文章通过介绍基于自适应数据变化规律的采集算法,对卷烟生产中卷接包工段的所有关键设备进行全面、准确、实时的数据采集,通过与设备自动化控制系统的有机集成,实现对卷接包生产过程、产品质量和设备运行状况全面的、准确的、实时的有效监管,实现生产过程的快速反应与敏捷制造。

一种视频多模态数据自适应采集策略

针对采集视频数据时存在数据冗余、资源占用多、采集质量低、遗漏关键信息等问题,研究人员提出一种视频多模态数据采集模型.首先,从资源服务器获取热度影响因子及视频数据,将视频数据解析为图像、文本、音频等多模态数据,并建立多模态视频数据与热度影响因子的时间关联矩阵.其次,通过“熵权法”计算“关注数”、“点赞数”、“弹幕数”、“分享数”及“在看数”5个热度影响因子的权重值,实现视频热度的量化.而后,提出了多分段旋转门(MSDT)数据采集策略,基于视频热度值自适应调整数据采集时间间隔,在视频热度上升、下降及高热度持续阶段增加采集量;反之,降低采集量,在保证采集质量的同时兼顾采集效率.最后,通过对比实验验证所提策略的可行性,结果表明,MSDT能够实现分段动态调整采集频率,降低数据采集误差约24%,降低数据采集量约26%,提高采集效率17%左右.

用MUSIC算法处理非均匀间隔采样数据

本文分析了用ＭＵＳＩＣ算法直接处理非均匀间隔数据的结果，并提出了通过计算非均匀自相关矩阵的方法用ＭＵＳＩＣ算法处理非均匀间隔采样数据，计算机模拟的结果证明用ＭＵＳＩＣ算法处理非均匀采样数据是确实有效的。

机载网络数据时间同步处理算法的设计与实现

数据准确可靠是飞行试验数据处理的基本要求,但网络化测试架构的使用给数据处理时间同步带来一定的难度;针对机载网络数据处理中存在的网络包乱序、时间不同步的问题,研究了网络包数据乱序的产生原因及其特点,详细分析并比较了基于包个数、基于最大逆序、基于半包时间间隔三种时间同步处理算法的优缺点及适用性,最终选择使用基于半包时间间隔的时间同步处理算法作为机载网络数据处理算法,并详细介绍了该算法的具体实现方式;在实验中测试了该算法的有效性,结果数据表明该算法能有效解决网络数据时间同步的问题并得到准确的处理结果,保证了型号数据处理的准确性。

基于自适应控制算法的电气设备能效优化研究

自适应控制算法是一类先进的控制策略,能够根据系统的动态变化实时调整控制参数,以应对不确定性和环境变化。在电气设备的能效优化领域,这种算法的应用旨在实现对能源最优化利用,降低能耗,同时保证设备的稳定和安全运行。电气技术与经济的专业背景下,此类研究不仅对提高设备效率具有重要意义,还有助于促进能源的可持续利用和经济效益的增长。本文首先阐述了自适应控制算法的理论框架,包括算法的分类及其适用场景和效能分析,详细讨论了自适应控制算法在电气设备能效优化中的具体实施方法,涵盖模型建立和技术路径规划、数据采集与处理技术,以及电气设备能效优化的具体实现策略,从而全面展示了自适应控制算法在电气设备能效管理中的应用潜力和实际效果。

自动气象站数据采集器温度通道的环境温度补偿

针对自动气象站数据采集器温度通道容易受到环境温度影响限制测量精度的问题,对数据采集器进行了温度漂移检测实验并对实验数据进行了误差分析,提出了基于改进自适应遗传算法优化的最小二乘支持向量机(improved adaptive geneticalgorithm least squares support vector machine,IAGA-LSSVM)的温度补偿方法。改进的自适应遗传算法能够对最小二乘支持向量机拟合过程中的关键参数进行调整从而建立最优模型。与传统LS-SVM相比,IAGA-LSSVM对温度数据的建模均方根误差减小了0.007,有效提高了建模的精度。根据建立的最优函数模型对该数据采集器温度通道进行温度补偿结果表明,经该方法补偿后的数据采集器在任何温度环境下的温度测量误差均小于0.03℃,具有更高的测量精度和稳定性,有效提高了自动气象站的温度观测质量。同时,设计开发了温度补偿界面,为自动气象站观测数据校验和实际业务应用奠定了基础。

基于Jaya优化标定的高精度数据采集方法

材料基因组工程融合高通量实验、高通量计算和数据库及人工智能技术,能加速实现新材料的研发.然而,如何快速且可靠地从实验设备中采集数据是材料基因组工程的重要问题.针对高精度数据采集系统标定数据时间不同步的问题,以线性模型作为采集数据处理参数的模型,以设备显示值作为数据采集真实值,构建数据处理参数寻优的目标函数;基于Jaya优化算法实现了模型参数优化搜索;最后以设备温度数据采集为例,构建了高精度数据采集系统并进行实验验证.实验结果表明,采用优化后的模型参数,数据采集平均误差仅为0.13℃,精度可达99.89%,相比于非优化模型参数,平均误差降低了63.20%,显著提高了数据采集精度.