CN107092548A - 一种基于多核处理器的运维预警防范系统架构 - Google Patents
一种基于多核处理器的运维预警防范系统架构 Download PDFInfo
- Publication number
- CN107092548A CN107092548A CN201710262649.4A CN201710262649A CN107092548A CN 107092548 A CN107092548 A CN 107092548A CN 201710262649 A CN201710262649 A CN 201710262649A CN 107092548 A CN107092548 A CN 107092548A
- Authority
- CN
- China
- Prior art keywords
- estimated
- alarm
- situation
- sensor
- prevention system
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种基于多传感器信息融合的运维预警防范系统,在关联探测基础上,估计目标的状态,对传感器数据进行特征提取;将每一传感器获得的数据进行融合,提取特征向量,得到融合目标报告,完成关联目标状况估计;对关联目标状况进行评估及反馈,从而构建运维环境综合态势图;估计出运维环境事故出现的程度和严重性,并相应地做出指示和警告,以实现事故自动预警防范。
Description
技术领域
本发明涉及一种基于多核处理器的运维预警防范系统架构。
背景技术
随着云计算及虚拟化,呈现出“大规模”、“高密度”、“高能耗”、“复杂化”等特点,建设与发展新一代数据中心,提升数据中心基础设施管理将变得日趋重要,数据中心的基础架构融合管理与智能将成为数据中心发展的新趋势。
目前,运维缺乏自动化手段,被动运维,效率低下,大规模IT设施带来管理压力。需要实现数据中心的自动化监控,提高系统和环境参数的及时告警能力,提高系统和环境异常变化的响应速度和监控水平。使用传感器(包括摄像头)等各种手段感知信息,就能实现统一的服务管理软件平台。
融合多传感器的信息可以得到单个传感器难以得到的性能,主要体现在提高了信息冗余性与互补性。信息融合具有的性能优势主要体现为:提高了信息的可信度和目标的可探测性,扩大了时间和空间的搜索范围,降低了推理模糊程度,改进了探测性能,增加了目标特征矢量的维数,提高了空间分辨率,增强了系统的容错能力和自适应性。
传感器数据识别常用的方法有聚类分析、人工神经网络等。在特征融合中,首先将每一传感器的数据进行特征向量提取,使用人工神经网络或聚类算法将这些特征向量进行融合,得到融合目标报告。再进一步应用决策融合技术,如经典推理、贝叶斯推理、D-S证据推理、广义证据处理等,将各个传感器提供的目标报告进行融合,完成目标状态估计。
多核处理器是指在一枚处理器中集成两个或多个完整的计算引擎(内核),此时处理器能支持系统总线上的多个处理器,由总线控制器提供所有总线控制信号和命令信号。多核处理器的运用为多传感器信息融合提供了技术保障。
本发明提供了一种基于多传感器信息融合的运维预警防范系统,在关联探测基础上,估计目标的状态,对传感器数据进行特征提取;将每一传感器获得的数据进行融合,提取特征向量,得到融合目标报告,完成关联目标状况估计;对关联目标状况进行评估及反馈,从而构建运维环境综合态势图;估计出运维环境事故出现的程度和严重性,并相应地做出指示和警告,以实现事故自动预警防范。
发明内容
本发明的目的在于提供一种基于多传感器信息融合的运维预警防范系统。本发明包括以下特征:
发明技术方案
1.一种基于多传感器信息融合的运维预警防范系统,其具体步骤如下:
1)在关联探测基础上,估计目标的状态,对传感器数据进行特征提取;
2)将每一传感器获得的数据进行融合,提取特征向量,得到融合目标报告,完成关联目标状况估计;
3)对关联目标状况进行评估及反馈,从而构建运维环境综合态势图;
4)估计出运维环境事故出现的程度和严重性,并相应地做出指示和警告。
2.基于权利要求1的系统,使用多核处理器,对多传感器进行信息融合。
附图说明
图1是基于多传感器信息融合的运维预警防范系统图。
具体实施方式
这种基于多传感器信息融合的运维预警防范系统,包括如下步骤:
1)在关联探测基础上,估计目标的状态,对传感器数据进行特征提取;
2)将每一传感器获得的数据进行融合,提取特征向量,得到融合目标报告,完成关联目标状况估计;
3)对关联目标状况进行评估及反馈,从而构建运维环境综合态势图;
4)估计出运维环境事故出现的程度和严重性,并相应地做出指示和警告;
5)使用多核处理器,对多传感器进行信息融合。
Claims (2)
1.一种基于多传感器信息融合的运维预警防范系统,其具体步骤如下:
1)在关联探测基础上,估计目标的状态,对传感器数据进行特征提取;
2)将每一传感器获得的数据进行融合,提取特征向量,得到融合目标报告,完成关联目标状况估计;
3)对关联目标状况进行评估及反馈,从而构建运维环境综合态势图;
4)估计出运维环境事故出现的程度和严重性,并相应地做出指示和警告。
2.基于权利要求1的系统,使用多核处理器,对多传感器进行信息融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710262649.4A CN107092548A (zh) | 2017-04-25 | 2017-04-25 | 一种基于多核处理器的运维预警防范系统架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710262649.4A CN107092548A (zh) | 2017-04-25 | 2017-04-25 | 一种基于多核处理器的运维预警防范系统架构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107092548A true CN107092548A (zh) | 2017-08-25 |
Family
ID=59637656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710262649.4A Pending CN107092548A (zh) | 2017-04-25 | 2017-04-25 | 一种基于多核处理器的运维预警防范系统架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092548A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341087A (zh) * | 2017-06-29 | 2017-11-10 | 上海德衡数据科技有限公司 | 一种基于多传感器信息融合的运维预警防范系统架构 |
CN112817825A (zh) * | 2021-02-26 | 2021-05-18 | 上海德衡数据科技有限公司 | 一种基于多传感器信息融合的运维预警防范系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6338150B1 (en) * | 1997-05-13 | 2002-01-08 | Micron Technology, Inc. | Diagnostic and managing distributed processor system |
CN1389710A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 多传感器多目标信息融合方法 |
WO2004092909A2 (en) * | 2003-04-14 | 2004-10-28 | Netbotz, Inc. | Method and system for journaling and accessing sensor and configuration data |
CN103245966A (zh) * | 2013-05-24 | 2013-08-14 | 成都理工大学 | 基于物联网多传感器信息融合及神经网络技术地震预警方法 |
-
2017
- 2017-04-25 CN CN201710262649.4A patent/CN107092548A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6338150B1 (en) * | 1997-05-13 | 2002-01-08 | Micron Technology, Inc. | Diagnostic and managing distributed processor system |
CN1389710A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 多传感器多目标信息融合方法 |
WO2004092909A2 (en) * | 2003-04-14 | 2004-10-28 | Netbotz, Inc. | Method and system for journaling and accessing sensor and configuration data |
CN103245966A (zh) * | 2013-05-24 | 2013-08-14 | 成都理工大学 | 基于物联网多传感器信息融合及神经网络技术地震预警方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341087A (zh) * | 2017-06-29 | 2017-11-10 | 上海德衡数据科技有限公司 | 一种基于多传感器信息融合的运维预警防范系统架构 |
CN112817825A (zh) * | 2021-02-26 | 2021-05-18 | 上海德衡数据科技有限公司 | 一种基于多传感器信息融合的运维预警防范系统 |
CN112817825B (zh) * | 2021-02-26 | 2022-09-20 | 上海德衡数据科技有限公司 | 一种基于多传感器信息融合的运维预警防范系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230036879A1 (en) | Object movement behavior learning | |
CN110419048B (zh) | 用于标识所定义的对象的系统 | |
KR20180107930A (ko) | 딥 러닝을 이용한 인공지능 기반 영상 감시 방법 및 시스템 | |
CN111095149A (zh) | 具有自修复能力的自主驾驶车辆的多模态感测 | |
CN107066368A (zh) | 一种基于多传感器信息融合的运维预警防范系统 | |
CN107066369A (zh) | 一种基于多核处理器的运维预警防范系统原型 | |
CN114218992B (zh) | 异常对象的检测方法及相关装置 | |
Xiao et al. | Bidirectional data-driven trajectory prediction for intelligent maritime traffic | |
EP4341913A2 (en) | System for detection and management of uncertainty in perception systems, for new object detection and for situation anticipation | |
CN107092548A (zh) | 一种基于多核处理器的运维预警防范系统架构 | |
EP4064127A1 (en) | Methods and electronic devices for detecting objects in surroundings of a self-driving car | |
KR101842488B1 (ko) | 원거리 동적 객체의 검지 및 추적을 기반으로 한 행동패턴인식기법이 적용된 지능형 감지시스템 | |
CN111754816B (zh) | 一种移动物体意图识别装置、方法、系统、终端和介质 | |
CN107341087A (zh) | 一种基于多传感器信息融合的运维预警防范系统架构 | |
US20240153275A1 (en) | Determining incorrect predictions by, and generating explanations for, machine learning models | |
CN107908531A (zh) | 一种基于多核处理器的运维预警防范决策系统 | |
US20200074213A1 (en) | Gpb algorithm based operation and maintenance multi-modal decision system prototype | |
Chauhan et al. | Detection of Reckless Driving using Deep Learning | |
CN107145424A (zh) | 一种基于多核处理器的运维预警防范系统接口 | |
CN107133146A (zh) | 一种基于多核处理器的运维预警防范感知系统 | |
Lakshmi et al. | Vehicle collision warning and accident detection using raspberry pi and ssd mobilenetv1 | |
Tian | Embedded Real‐Time Detection of Vehicles and Pedestrians Based on Minimal Networks | |
CN107346110A (zh) | 一种基于多核处理器的运维多模态决策系统原型 | |
Stach et al. | A Formalism for Scalable Maritime Traffic Monitoring and Explainable Anomaly Detection and Resolution at Vessel Traffic Services | |
CN107332708A (zh) | 一种基于多核处理器的运维多模态决策感知系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170825 |