CN105681088A - 面向物联网的可靠性和性能综合评估方法 - Google Patents
面向物联网的可靠性和性能综合评估方法 Download PDFInfo
- Publication number
- CN105681088A CN105681088A CN201610047754.1A CN201610047754A CN105681088A CN 105681088 A CN105681088 A CN 105681088A CN 201610047754 A CN201610047754 A CN 201610047754A CN 105681088 A CN105681088 A CN 105681088A
- Authority
- CN
- China
- Prior art keywords
- node
- decision
- model
- internet
- making
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Computer And Data Communications (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及的是物联网技术领域,具体涉及一种面向物联网的可靠性和性能综合评估方法。本发明是通过下述技术方案实现的:面向物联网的可靠性和性能综合评估方法,包括,步骤1.将需构建或既已构建的物联网系统中的感知层、网络层和应用层,建立出基于数据流图的物理模型,步骤2.从步骤1获得需构建或既已构建的物联网系统的决策模型图,建立基于决策模型图的评估模型,步骤3;1)通过硬件提供商或运行数据或物联网系统构成者统计获得的产品数据手册获得各个物联网节点的可靠性值,从而确定决策图模型中各个节点的0分支和1分支概率。
Description
技术领域
本发明涉及的是物联网技术领域,具体涉及一种面向物联网的可靠性和性能综合评估方法。
背景技术
“物联网”是继计算机、互联网与移动通信网之后的又一次信息产业浪潮,目前国际上还没有形成一个关于“物联网”的明确通用官方定义。现阶段广泛认为是指把所有物品通过射频识别(RFID)、红外感应器、全球定位系统等信息传感设备与互联网连接起来,实现智能化识别和可管理的网络。物联网具有三个特点,即全面感知、可靠传递以及智能处理。
物联网是互联网应用的拓展与深化。物联网不是重新建设一套平行于互联网的系统,而是充分利用互联网所提供的信息高速公路,完成实时数据读取、信息交换、远程控制等特色功能。
物联网可分为三层:感知层、网络层和应用层。感知层包括大量二维码标签识读器、RFID标签读写器、摄像头、GPS、传感器、终端、传感器网络等;网络层包括通信与互联网通信节点;应用层是运行应用软件的计算机。
真实环境中部署的物联网系统中感知层的RFID、各类传感器等终端设备采集数据,这些与应用环境结合最紧密的组件面临高低温、冲击、震动和辐射等条件,使设备的可靠性和所采集的数据质量受到影响,另一方面,物联网中的很多网络通信节点是移动的,网络通信链路存在的动态变化的过程,因此极易导致网络通信链路的不稳定,直接对网络通信的实时性和数据完整性产生影响。最终会上层应用软件发生误判或者失效,导致重大的经济和生命财产损失。
本发明给出一种基于决策图的面向物联网的可靠性和性能综合评估方法。所谓综合评估就是评估所获得指标数据同时反映可靠性和性能。
发明内容
针对现有技术上存在的不足,本发明目的是在于提供一种面向物联网的可靠性和性能综合评估方法,能够评估计算出需构建或既已构建的物联网系统的可靠性和性能综合指标值,对管理和优化物联网可靠性和性能提供了帮助。
本发明是通过下述技术方案实现的:面向物联网的可靠性和性能综合评估方法,包括,
步骤1.将需构建或既已构建的物联网系统中的感知层、网络层和应用层,建立出基于数据流图的物理模型:枚举物联网的感知层中所可加载的外设电子部件或介质信息获取电子部件,包括的二维码标签识读器、RFID标签读写器、摄像头、GPS、传感器、终端等,获得各种感知节点。
2.枚举物联网的网络层中所可连接的通讯模块,包括的无线和有线通信模块,获得各种通信节点等;
3.枚举物联网的应用层中所包括的各种类型计算终端,获得各种应用节点。
并根据感知层、网络层传输数据到各个节点之间的数据流连接关系,以互联网与物理网依照最基本的OSI模型构造,可知数据是从感知层传输向应用层的,并将其物理连接关系和数据交换连接和传输关系用线进行连接,建立数据流图模型,其中数据流的方向是从左到右;
所述感知节点至少设置为双感知节点,所述通信节点至少设置为单通信节点,所述应用节点至少设置为单应用节点的物理模型如图1所示。图中双感知节点和通信节点之间有数据流,通信节点和应用节点之间有数据流,从而获得需构建或既已构建的物联网系统的决策模型图。
步骤2.从步骤1获得需构建或既已构建的物联网系统的决策模型图,建立基于决策模型图的评估模型:
1)构造感知节点X的决策图模型:设定感知节点X有两种状态“工作”状态和“故障”状态,为此感知节点X的决策图模型有两个分支:1分支对应“故障“状态和0分支对应“工作”状态;通常0分支连接“无数据”叶子节点,1分支连接“数据X”叶子节点。
2)对n个感知节点的决策图模型进行合并;采用二叉树的方式进行决策图合并,合并之后叶子节点有2n种可能:“无数据”,“数据1”,…,“数据n”,…,“数据1+2+…+n”。
3)构造包含通信节点的决策图模型:通信节点的0分支连接感知节点决策图模型,通信节点的1分支连接“无数据”叶子节点;
4)构造包含应用节点的决策图模型:应用节点的0分支连接通信节点决策图模型,应用节点的1分支连接“无数据”叶子节点;
对于双感知节点、单通信节点和单应用节点的物理模型,首先构造感知节点1和2的决策图模型如图2和图3所示:进一步对两个感知节点的决策图模型进行合并如图4所示:再构造包含通信节点的决策图模型如图5所示;最后构造包含应用节点的决策图模型如图6所示。
步骤3;1)通过硬件提供商或运行数据或物联网系统构成者统计获得的产品数据手册获得各个物联网节点的可靠性值,从而确定决策图模型中各个节点的0分支和1分支概率。
例如,对于感知节点1的传感器产品,查的可靠性值R为0.9;对于感知节点2的传感器产品,查的可靠性值R为0.8;通信节点的是一个路由器,查的可靠性值R为0.99;应用节点的是一个服务器,查的可靠性值R为0.99。则这些节点的1分支(对应“故障“状态)的概率是1-R,0分支(对应“工作”状态)的概率是R。
2)然后,枚举决策图中和各个叶子节点相关的不交路径。
3)最后,通过计算某个叶子节点相关的不交路径概率总和,获得相应性能级别的可靠性值。
作为优选所述利用数据流图模型构造物联网的物流模型,需有效刻画出实际物联网三个层次中的各种不同类型节点及其通信关系。
作为优选所述利用决策图模型构造物联网的评估模型,决策图中每个节点对应物联网的物理节点,每个节点的1分支和0分支对应物理节点的“故障”状态和“工作”状态,决策图中的每个叶子节点对应物联网的一个性能级别。
作为优选所述利用决策图模型中不交路径概率和计算各个物联网的各个性能级别可靠性值。
作为优选所述步骤3;1)通过硬件提供商或运行数据或物联网系统构成者统计获得的产品数据手册获得各个物联网节点的可靠性值的方法为:
a.获取已知服务器名称、器件配置清单、使用年限、已使用年限、生产商,等硬件设备信息;
b.排除以上节点在软件运行下所产生错误导致硬件故障的情况;
c.统计出1个测试时间段上述服务器的统计情况,测试时间段为6天X24小时;
d.依靠上述数据计算出可用时间(A)、成功调用成功率(RCR)、失败调用率(RBT)、平均故障间隔时间(MTBF)、平均恢复时间(MRT)、失效恢复率(RFR)、容错率(RFT);服务调用成功率表示在规定的时间周期内节点硬件运行调用成功的比例,即当运行自我运行和响应其他硬件发出请求后能得到正确响应的比例,值越大越好;平均故障间隔时间表示在一定的运行时间内自我运行和响应其他硬件运行中失效的频率,即失效的平均间隔时间,值越大越好。平均恢复时间表示在一定的运行时间内故障后恢复的平均时间,值越小越好。失效恢复率表示在一定的运行时间内故障失效后能恢复的比例,值越大越好。容错率表示认为操作和干涉或其他硬件操纵和干涉存在错误时节点硬件仍能产生可接受结果的能力,值越大越好。
E.将各节点设置为P1~Pn,n为硬件节点数目,运用下列公式进行计算,
计算得到各个物联网节点的可靠性值。
本发明与背景技术相比,具有的有益的效果是:已有的物联网评估方法,如故障树分析方法和模拟评估方法,只能够对单一指标进行评估,不能够对可靠性和性能的综合指标进行评估。本发明提出了决策图框架下对可靠性和性能进行综合评估,保证了评估方法的统一性和简洁性,简化了分析过程、有助于分析自动化的实现;所计算出的可靠性和性能综合指标值能够对管理和优化物联网可靠性和性能提供帮助。
附图说明
图1为本发明的双感知节点、单通信节点和单应用节点的物理模型;
图2为本发明的感知节点1的决策图模型;
图3为本发明的感知节点2的决策图模型;
图4为本发明的仅包含双感知节点的决策图模型;
图5为本发明的包含双感知节点和单通信节点的决策图模型;
图6为本发明的包含所有节点的总决策图模型;
图7为本发明的可靠性值所应得数据;
图8为本发明的可靠性值计算方法图。
具体实施方式
下面通过实施例,结合附图,对本发明的技术方案作进一步具体的说明:
面向物联网的可靠性和性能综合评估方法,包括,
步骤1.将需构建或既已构建的物联网系统中的感知层、网络层和应用层,建立出基于数据流图的物理模型:枚举物联网的感知层中所可加载的外设电子部件或介质信息获取电子部件,包括的二维码标签识读器、RFID标签读写器、摄像头、GPS、传感器、终端等,获得各种感知节点。
2.枚举物联网的网络层中所可连接的通讯模块,包括的无线和有线通信模块,获得各种通信节点等;
3.枚举物联网的应用层中所包括的各种类型计算终端,获得各种应用节点。
并根据感知层、网络层传输数据到各个节点之间的数据流连接关系,以互联网与物理网依照最基本的OSI模型构造,可知数据是从感知层传输向应用层的,并将其物理连接关系和数据交换连接和传输关系用线进行连接,建立数据流图模型,其中数据流的方向是从左到右;
所述感知节点至少设置为双感知节点,所述通信节点至少设置为单通信节点,所述应用节点至少设置为单应用节点的物理模型如图1所示。图中双感知节点和通信节点之间有数据流,通信节点和应用节点之间有数据流,从而获得需构建或既已构建的物联网系统的决策模型图。
步骤2.从步骤1获得需构建或既已构建的物联网系统的决策模型图,建立基于决策模型图的评估模型:
1)构造感知节点X的决策图模型:设定感知节点X有两种状态“工作”状态和“故障”状态,为此感知节点X的决策图模型有两个分支:1分支对应“故障“状态和0分支对应“工作”状态;通常0分支连接“无数据”叶子节点,1分支连接“数据X”叶子节点。
2)对n个感知节点的决策图模型进行合并;采用二叉树的方式进行决策图合并,合并之后叶子节点有2n种可能:“无数据”,“数据1”,…,“数据n”,…,“数据1+2+…+n”。
3)构造包含通信节点的决策图模型:通信节点的0分支连接感知节点决策图模型,通信节点的1分支连接“无数据”叶子节点;
4)构造包含应用节点的决策图模型:应用节点的0分支连接通信节点决策图模型,应用节点的1分支连接“无数据”叶子节点;
对于双感知节点、单通信节点和单应用节点的物理模型,首先构造感知节点1和2的决策图模型如图2和图3所示:进一步对两个感知节点的决策图模型进行合并如图4所示:再构造包含通信节点的决策图模型如图5所示;最后构造包含应用节点的决策图模型如图6所示。
步骤3;1)通过硬件提供商或运行数据或物联网系统构成者统计获得的产品数据手册获得各个物联网节点的可靠性值,从而确定决策图模型中各个节点的0分支和1分支概率。
例如,对于感知节点1的传感器产品,查的可靠性值R为0.9;对于感知节点2的传感器产品,查的可靠性值R为0.8;通信节点的是一个路由器,查的可靠性值R为0.99;应用节点的是一个服务器,查的可靠性值R为0.99。则这些节点的1分支(对应“故障“状态)的概率是1-R,0分支(对应“工作”状态)的概率是R。
2)然后,枚举决策图中和各个叶子节点相关的不交路径。
3)最后,通过计算某个叶子节点相关的不交路径概率总和,获得相应性能级别的可靠性值。
作为优选所述利用数据流图模型构造物联网的物流模型,需有效刻画出实际物联网三个层次中的各种不同类型节点及其通信关系。
作为优选所述利用决策图模型构造物联网的评估模型,决策图中每个节点对应物联网的物理节点,每个节点的1分支和0分支对应物理节点的“故障”状态和“工作”状态,决策图中的每个叶子节点对应物联网的一个性能级别。
作为优选所述利用决策图模型中不交路径概率和计算各个物联网的各个性能级别可靠性值。
如图7-8所示,作为优选所述步骤3;1)通过硬件提供商或运行数据或物联网系统构成者统计获得的产品数据手册获得各个物联网节点的可靠性值的方法为:
d.获取已知服务器名称、器件配置清单、使用年限、已使用年限、生产商,等硬件设备信息;
e.排除以上节点在软件运行下所产生错误导致硬件故障的情况;
f.统计出1个测试时间段上述服务器的统计情况,测试时间段为6天X24小时;
d.依靠上述数据计算出可用时间(A)、成功调用成功率(RCR)、失败调用率(RBT)、平均故障间隔时间(MTBF)、平均恢复时间(MRT)、失效恢复率(RFR)、容错率(RFT);服务调用成功率表示在规定的时间周期内节点硬件运行调用成功的比例,即当运行自我运行和响应其他硬件发出请求后能得到正确响应的比例,值越大越好;平均故障间隔时间表示在一定的运行时间内自我运行和响应其他硬件运行中失效的频率,即失效的平均间隔时间,值越大越好。平均恢复时间表示在一定的运行时间内故障后恢复的平均时间,值越小越好。失效恢复率表示在一定的运行时间内故障失效后能恢复的比例,值越大越好。容错率表示认为操作和干涉或其他硬件操纵和干涉存在错误时节点硬件仍能产生可接受结果的能力,值越大越好。
E.将各节点设置为P1~Pn,n为硬件节点数目,运用下列公式进行计算,
计算得到各个物联网节点的可靠性值。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.面向物联网的可靠性和性能综合评估方法,其特征是:包括,
步骤1,1)将需构建或既已构建的物联网系统中的感知层、网络层和应用层,建立出基于数据流图的物理模型:枚举物联网的感知层中所可加载的外设电子部件或介质信息获取电子部件,包括的二维码标签识读器、RFID标签读写器、摄像头、GPS、传感器、终端等,获得各种感知节点;
2)枚举物联网的网络层中所可连接的通讯模块,包括的无线和有线通信模块,获得各种通信节点等;
3)枚举物联网的应用层中所包括的各种类型计算终端,获得各种应用节点;
并根据感知层、网络层传输数据到各个节点之间的数据流连接关系,以互联网与物理网依照最基本的OSI模型构造,可知数据是从感知层传输向应用层的,并将其物理连接关系和数据交换连接和传输关系用线进行连接,建立数据流图模型,其中数据流的方向是从左到右;
所述感知节点至少设置为双感知节点,所述通信节点至少设置为单通信节点,所述应用节点至少设置为单应用节点的物理模型;图中双感知节点和通信节点之间有数据流,通信节点和应用节点之间有数据流,从而获得需构建或既已构建的物联网系统的决策模型图;
步骤2.从步骤1获得需构建或既已构建的物联网系统的决策模型图,建立基于决策模型图的评估模型:
1)构造感知节点X的决策图模型:设定感知节点X有两种状态“工作”状态和“故障”状态,为此感知节点X的决策图模型有两个分支:1分支对应“故障“状态和0分支对应“工作”状态;通常0分支连接“无数据”叶子节点,1分支连接“数据X”叶子节点;
2)对n个感知节点的决策图模型进行合并;采用二叉树的方式进行决策图合并,合并之后叶子节点有2n种可能:“无数据”,“数据1”,…,“数据n”,…,“数据1+2+…+n”;
3)构造包含通信节点的决策图模型:通信节点的0分支连接感知节点决策图模型,通信节点的1分支连接“无数据”叶子节点;
4)构造包含应用节点的决策图模型:应用节点的0分支连接通信节点决策图模型,应用节点的1分支连接“无数据”叶子节点;
对于双感知节点、单通信节点和单应用节点的物理模型,首先构造感知节点1和2的决策图模型:进一步对两个感知节点的决策图模型进行合并,再构造包含通信节点的决策图模型;最后构造包含应用节点的决策图模型;
步骤3;1)通过硬件提供商或运行数据或物联网系统构成者统计获得的产品数据手册获得各个物联网节点的可靠性值,从而确定决策图模型中各个节点的0分支和1分支概率;
2)然后,枚举决策图中和各个叶子节点相关的不交路径;
3)最后,通过计算某个叶子节点相关的不交路径概率总和,获得相应性能级别的可靠性值。
2.根据权利要求1所述的面向物联网的可靠性和性能综合评估方法,其特征是:所述利用数据流图模型构造物联网的物流模型,需有效刻画出实际物联网三个层次中的各种不同类型节点及其通信关系。
3.根据权利要求1所述的面向物联网的可靠性和性能综合评估方法,其特征是:所述利用决策图模型构造物联网的评估模型,决策图中每个节点对应物联网的物理节点,每个节点的1分支和0分支对应物理节点的“故障”状态和“工作”状态,决策图中的每个叶子节点对应物联网的一个性能级别。
4.作为优选所述利用决策图模型中不交路径概率和计算各个物联网的各个性能级别可靠性值。
5.根据权利要求1所述的面向物联网的可靠性和性能综合评估方法,其特征是:所述步骤3;1)通过硬件提供商或运行数据或物联网系统构成者统计获得的产品数据手册获得各个物联网节点的可靠性值的方法为:
获取已知服务器名称、器件配置清单、使用年限、已使用年限、生产商,等硬件设备信息;
排除以上节点在软件运行下所产生错误导致硬件故障的情况;
统计出1个测试时间段上述服务器的统计情况,测试时间段为6天X24小时;
d.依靠上述数据计算出可用时间(A)、成功调用成功率(RCR)、失败调用率(RBT)、平均故障间隔时间(MTBF)、平均恢复时间(MRT)、失效恢复率(RFR)、容错率(RFT);服务调用成功率表示在规定的时间周期内节点硬件运行调用成功的比例,即当运行自我运行和响应其他硬件发出请求后能得到正确响应的比例,值越大越好;平均故障间隔时间表示在一定的运行时间内自我运行和响应其他硬件运行中失效的频率,即失效的平均间隔时间,值越大越好;平均恢复时间表示在一定的运行时间内故障后恢复的平均时间,值越小越好;失效恢复率表示在一定的运行时间内故障失效后能恢复的比例,值越大越好;容错率表示认为操作和干涉或其他硬件操纵和干涉存在错误时节点硬件仍能产生可接受结果的能力,值越大越好;
E.将各节点设置为P1~Pn,n为硬件节点数目,运用下列公式进行计算,
计算得到各个物联网节点的可靠性值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610047754.1A CN105681088B (zh) | 2016-01-25 | 2016-01-25 | 一种面向物联网的可靠性和性能综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610047754.1A CN105681088B (zh) | 2016-01-25 | 2016-01-25 | 一种面向物联网的可靠性和性能综合评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105681088A true CN105681088A (zh) | 2016-06-15 |
CN105681088B CN105681088B (zh) | 2020-02-21 |
Family
ID=56302431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610047754.1A Active CN105681088B (zh) | 2016-01-25 | 2016-01-25 | 一种面向物联网的可靠性和性能综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105681088B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829525A (zh) * | 2019-01-24 | 2019-05-31 | 清华大学 | 一种基于群智能的建筑控制方法及系统 |
CN110191481A (zh) * | 2019-06-06 | 2019-08-30 | 南昌航空大学 | 一种采用超限快速决策树评估链路质量的方法及系统 |
CN112040506A (zh) * | 2020-09-15 | 2020-12-04 | 海南科技职业大学 | 一种无线传感网络的可靠性评估方法、装置及存储介质 |
CN113904933A (zh) * | 2021-09-30 | 2022-01-07 | 中国船舶重工集团公司第七一九研究所 | 数字化网络控制系统性能与可靠性同步优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103457772A (zh) * | 2013-09-02 | 2013-12-18 | 吉林大学 | 面向应用的物联网网络性能评价方法 |
CN103761084A (zh) * | 2013-12-31 | 2014-04-30 | 宁波城市职业技术学院 | 基于扩展活性顺序图模型检测的物联网可信性评价方法 |
CN104915504A (zh) * | 2015-06-18 | 2015-09-16 | 莫毓昌 | 一种用于新型计算网络可靠性评价的bfs策略改进方法 |
-
2016
- 2016-01-25 CN CN201610047754.1A patent/CN105681088B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103457772A (zh) * | 2013-09-02 | 2013-12-18 | 吉林大学 | 面向应用的物联网网络性能评价方法 |
CN103761084A (zh) * | 2013-12-31 | 2014-04-30 | 宁波城市职业技术学院 | 基于扩展活性顺序图模型检测的物联网可信性评价方法 |
CN104915504A (zh) * | 2015-06-18 | 2015-09-16 | 莫毓昌 | 一种用于新型计算网络可靠性评价的bfs策略改进方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829525A (zh) * | 2019-01-24 | 2019-05-31 | 清华大学 | 一种基于群智能的建筑控制方法及系统 |
CN110191481A (zh) * | 2019-06-06 | 2019-08-30 | 南昌航空大学 | 一种采用超限快速决策树评估链路质量的方法及系统 |
CN112040506A (zh) * | 2020-09-15 | 2020-12-04 | 海南科技职业大学 | 一种无线传感网络的可靠性评估方法、装置及存储介质 |
CN113904933A (zh) * | 2021-09-30 | 2022-01-07 | 中国船舶重工集团公司第七一九研究所 | 数字化网络控制系统性能与可靠性同步优化方法 |
CN113904933B (zh) * | 2021-09-30 | 2023-08-25 | 中国船舶重工集团公司第七一九研究所 | 数字化网络控制系统性能与可靠性同步优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105681088B (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fernández-Caramés et al. | A review on human-centered IoT-connected smart labels for the industry 4.0 | |
CN110473083B (zh) | 树状风险账户识别方法、装置、服务器及存储介质 | |
CN105681088A (zh) | 面向物联网的可靠性和性能综合评估方法 | |
Vongsingthong et al. | Internet of things: a review of applications and technologies | |
CN107122985A (zh) | 一种基于物联网和区块链的农产品供应链追溯系统 | |
US20080201255A1 (en) | Facilitating creation and sale of carbon credits | |
CN111639791A (zh) | 交通流预测方法、系统、存储介质及终端 | |
CN109034849A (zh) | 基于区块链的农产品信息溯源验证方法及系统 | |
Xu et al. | Hp-gmn: Graph memory networks for heterophilous graphs | |
CN105138385A (zh) | 一种物联网复杂事件处理方法 | |
US11310353B2 (en) | Data transmission method for creating data structure facilitating data transmission and reception | |
CN103051472B (zh) | 网络关键性能指标的分析方法及装置 | |
Kaur et al. | Intelligent Fault Diagnosis for AIT based Smart Farming Applications | |
CN115550144A (zh) | 分布式故障节点预测方法、装置、电子设备及存储介质 | |
Almajidi et al. | A new system model for sensor node validation by using OPNET | |
CN114742572A (zh) | 异常流量的识别方法和装置、存储介质、电子装置 | |
CN113722554A (zh) | 数据分类方法、装置及计算设备 | |
Mishra et al. | A novel method for evaluation of reliability of WSN under different failure models | |
Liu et al. | Traceability and management method of supply chain information based on wireless sensor network | |
CN117291600A (zh) | 一种区块链异常交易行为检测方法、装置、设备及介质 | |
Mishra et al. | Environmental monitoring in wireless sensor networks using AI | |
CN109034804A (zh) | 基于区块链的航拍激励管理方法及系统 | |
CN112486668B (zh) | 一种分布式人工智能计算方法、物联网节点和存储介质 | |
Dantas et al. | Faulty RJ45 connectors detection on radio base station using deep learning | |
Liu et al. | [Retracted] Fault‐Tolerant Secure Routing Based on Trust Evaluation Model in Data Center Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200114 Address after: 321000 in 688 Yingbin Avenue, Jinhua City, Zhejiang Normal University Applicant after: Mo Yuchang Address before: 321004 No. 688 Yingbin Road, Zhejiang, Jinhua Applicant before: Zhejiang Normal University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |