CN108256589B - 一种工业设备数据应用读写方法及装置 - Google Patents

一种工业设备数据应用读写方法及装置 Download PDF

Info

Publication number
CN108256589B
CN108256589B CN201810151874.5A CN201810151874A CN108256589B CN 108256589 B CN108256589 B CN 108256589B CN 201810151874 A CN201810151874 A CN 201810151874A CN 108256589 B CN108256589 B CN 108256589B
Authority
CN
China
Prior art keywords
variable
value
reading
read
request
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.)
Active
Application number
CN201810151874.5A
Other languages
English (en)
Other versions
CN108256589A (zh
Inventor
吴智军
孙晗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Spark Log Technology Co ltd
Original Assignee
Beijing Spark Log Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Spark Log Technology Co ltd filed Critical Beijing Spark Log Technology Co ltd
Priority to CN201810151874.5A priority Critical patent/CN108256589B/zh
Publication of CN108256589A publication Critical patent/CN108256589A/zh
Application granted granted Critical
Publication of CN108256589B publication Critical patent/CN108256589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开一种工业设备数据应用读写方法及装置,装置包括初始数据设置模块,用于根据获取的工业设备数据信息设定初始并发数A1和每个并发读取变量数B1;读写请求模块,用于根据初始并发数A1和每个并发读取变量数B1向工业设备发起数据读写请求;变量值获取模块,用于发起请求过程中对读取到的目标设备寄存器中是否存在变量进行扫描并获取变量值;返回值向量建立模块,用于发起请求过程后所读取到的返回值建立向量;实际值距离分类模块,用于对返回值中的实际值距离进行计算,并根据实际值之间的距离进行分类。本发明解决现有工业设备数据读取应用中依赖限定环境,读写效率较低的问题,提升效率约A1倍,最多提升A1×B1倍。

Description

一种工业设备数据应用读写方法及装置
技术领域
本发明涉及工业设备数据处理技术领域,具体涉及一种工业设备数据应用读写方法及装置。
背景技术
随着信息时代的到来,大数据的应用不断渗透到各行各业中,不同程度的提升着产业的效率,而在传统工业生产行业中,数据的采集和应用受到诸如协议复杂、操作系统受限、读取瓶颈等因素的掣肘,造成了工业设备的数据应用成本较高,应用的复杂程度较大的情况。
现阶段,工作人员通常需要基于给定的环境,通过设备所特有的通讯协议,甚至采购硬件,才能达到数据读取的目的,而要应用这些数据,往往需要额外更多的成本。即便是付出了较大的成本,对于数据采集与应用的效率却很难把控,数据质量和基于数据的应用等二次开发成本较高,严重影响了大数据在工业设备中应用的效率。
因此,这种传统基于厂商给定通讯协议与环境的方法在大数据应用日益深入的当下,不但成本巨大,而且效果不佳。
发明内容
本发明的目的在于提供一种工业设备数据应用读写方法及装置,实现工业设备数据最优读写,通过对设备读写并发数和每次读写变量数量的进行优化组合,以解决现有工业设备数据读取应用方法中依赖限定环境,读写效率较低的问题。
为实现上述目的,本发明的技术方案为:一种工业设备数据应用读写方法,所述读写方法包括:
步骤一:获取工业设备的数据信息,根据获取的数据信息设定初始并发数A1和每个并发读取变量数B1;
步骤二:基于初始并发数A1和每个并发读取变量数B1向设备发起请求进入首个数据读写周期,发起请求过程中对读取到的目标设备寄存器中是否存在变量进行扫描并获取变量值;
步骤三:接收该次设备请求的返回值,并计算此次设备请求消耗时间T1;
步骤四:对该次请求所读取到的返回值建立向量V1,计算向量V1中的实际值的数量RN,以及实际值所对应寄存器变量之间的距离,并根据实际值之间的距离迭代计算出合理的分类,分类数记为C1;
步骤五:判断向量V1中的实际值的数量RN与每个并发读取变量数B1的差值,根据差值对并发数A1、每个并发读取变量数B1或分类数C1进行迭代,完成一个数据读写周期;
步骤六:重复步骤二至步骤五,开始下一个读取周期,得到反馈值后,记录请求消耗时间T2;
步骤七:对比T2和T1,若T2≥T1,且分类数C1经过迭代减少,重新赋予每个并发读取变量数B1新值,再执行步骤一至步骤六,直至T(n+1)<T(n)或T(n+1)=T(n),该迭代O1结束,n代表读取周期数;
步骤八:若T(n+1)≤T(n),进入迭代O2,对并发数A1进行迭代,直至T(n+1)>t(n),停止迭代;
步骤九:稳定读取数据。
如上所述的一种工业设备数据应用读写方法,所述步骤四中,向量V1包括具备实际意义的返回值R、不具备实际意义的缺失值或错误值E,向量V1的维度为每个并发读取变量数B1变量的值。向量V1中除了具备实际意义以外的值为无效值。
如上所述的一种工业设备数据应用读写方法,所述步骤四中,实际值之间的距离为欧式距离。欧式距离指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离),在二维和三维空间中的欧氏距离就是两点之间的实际距离。
如上所述的一种工业设备数据应用读写方法,所述步骤五中,当RN-B1≥0时,每个并发读取变量数B1变量恒定,对并发数A1变量通过递增公式2n+A1在每个读取周期进行递增,n代表读取周期数。
如上所述的一种工业设备数据应用读写方法,所述步骤五中,当RN-B1<0时,每个并发读取变量数B1变量迭代变化,迭代初始值为分类数C1,并发数A1变量不变。在每个读取周期中,随着V1向量样本的增加与变化,C1存在变化的可能,C1在每个读取周期内完成自身的迭代。
本发明还提供一种工业设备数据应用读写装置,所述读写装置包括:
初始数据设置模块,用于根据获取的工业设备数据信息设定初始并发数A1和每个并发读取变量数B1;
读写请求模块,用于根据初始并发数A1和每个并发读取变量数B1向工业设备发起数据读写请求;
变量值获取模块,用于发起请求过程中对读取到的目标设备寄存器中是否存在变量进行扫描并获取变量值;
返回值向量建立模块,用于发起请求过程后所读取到的返回值建立向量;
实际值距离分类模块,用于对返回值中的实际值距离进行计算,并根据实际值之间的距离进行分类。
如上所述的一种工业设备数据应用读写装置,所述返回值向量建立模块中的返回值包括具备实际意义的返回值R、不具备实际意义的缺失值或错误值E,返回值向量V1的维度为每个并发读取变量数B1变量的值。
进一步,所述读写装置还包括返回值判断模块,所述返回值判断模块用于判断返回值中具有实际意义的返回值数量RN与每个并发读取变量数B1的差值,当RN-B1≥0时,B1变量恒定,对A1变量通过递增公式2n+A1在每个读取周期进行递增,n代表读取周期数;当RN-B1<0时,B1变量迭代变化,迭代初始值为分类数C1,A1变量不变,在每个读取周期中,随着V1向量样本的增加与变化,C1存在变化的可能,C1在每个读取周期内完成自身的迭代。
如上所述的一种工业设备数据应用读写装置,所述读写装置还包括请求消耗时间比较模块,所述请求消耗时间比较模块用于比较两次设备请求消耗时间之间的差值,请求消耗时间比较模块中,若T2≥T1,C1分类数减少,重新赋予B1新值,直至T(n+1)<T(n)或T(n+1)=T(n),该迭代O1结束,进入迭代O2,对A1进行迭代,直至T(n+1)>t(n),停止迭代。
本发明通过对设备读写并发数和每次读写变量数量的进行优化组合,解决了现有工业设备数据读取应用方法中依赖限定环境,读写效率较低的问题,使用本发明,相对于传统方案,至少提升效率约A1倍,最多提升A1×B1倍。
附图说明
图1为工业设备数据应用读写方法流程图;
图2为工业设备数据应用读写方法中迭代示意图;
图3为工业设备数据应用读写装置示意图。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1和图2所示,一种工业设备数据应用读写方法,所述读写方法包括:
S1:获取工业设备的数据信息,根据获取的数据信息设定初始并发数A1和每个并发读取变量数B1;
S2:基于初始并发数A1和每个并发读取变量数B1向设备发起请求进入首个数据读写周期,发起请求过程中对读取到的目标设备寄存器中是否存在变量进行扫描并获取变量值;
S3:接收该次设备请求的返回值,并计算此次设备请求消耗时间T1;
S4:对该次请求所读取到的返回值建立向量V1,计算向量V1中的实际值的数量RN,以及实际值所对应寄存器变量之间的距离,并根据实际值之间的距离迭代计算出合理的分类,分类数记为C1;
S5:判断向量V1中的实际值的数量RN与每个并发读取变量数B1的差值,根据差值对并发数A1、每个并发读取变量数B1或分类数C1进行迭代,完成一个数据读写周期;
S6:重复S2至S5,开始下一个读取周期,得到反馈值后,记录请求消耗时间T2;
S7:对比T2和T1,若T2≥T1,且分类数C1经过迭代减少,重新赋予每个并发读取变量数B1新值,再执行S1至S6,直至T(n+1)<T(n)或T(n+1)=T(n),该迭代O1结束,n代表读取周期数;
S8:若T(n+1)≤T(n),进入迭代O2,对并发数A1进行迭代,直至T(n+1)>t(n),停止迭代;
S9:稳定读取数据。
工业设备数据应用读写方法的一个实施例中,所述S4中,向量V1包括具备实际意义的返回值R、不具备实际意义的缺失值或错误值E,向量V1的维度为每个并发读取变量数B1变量的值。
工业设备数据应用读写方法的一个实施例中,所述S4中,实际值之间的距离为欧式距离。欧式距离指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离),在二维和三维空间中的欧氏距离就是两点之间的实际距离。
工业设备数据应用读写方法的一个实施例中,所述S5中,当RN-B1>0时,每个并发读取变量数B1变量恒定,对A1变量通过递增公式2n+A1在每个读取周期进行递增,n代表读取周期数。
工业设备数据应用读写方法的一个实施例中,所述S5中,当RN-B1<0时,每个并发读取变量数B1变量迭代变化,迭代初始值为分类数C1,并发数A1变量不变。在每个读取周期中,随着V1向量样本的增加与变化,C1存在变化的可能,C1在每个读取周期内完成自身的迭代。
本发明中,分类数C1进行迭代的具体过程如下:
当RN-B1<0时,A1变量恒定,B1变量赋值为本读取周期的C1。此迭代分支的目的是修正每个并发读取变量数B1,寻找最优读取变量数值。
C1在每个读取周期中根据V1迭代1次,方法如下:
(a)初次迭代时,以n为迭代初值,随机选取n个点作为聚类中心,n的值为预设的B1值;
(b)计算每个点到聚类中心的距离(该距离为欧式距离),并聚类到离该点最近的聚类中去;
(c)计算每个聚类中所有点的坐标平均值,并将这个平均值作为新的聚类中心;
(d)重复(b),计算每个点到聚类中心的距离,并聚类到离该点最近的聚类中去;
(e)重复(c),计算每个聚类中所有点的坐标平均值,并将这个平均值作为新的聚类中心,即获取各个分类的平均值向量M1;
(f)对C1值减1,形成第二轮迭代的值,重复上述b至e步骤。获取新的聚类平均值向量M2,对比向量M1和向量M2的标准差,M1的标准差大于M2的标准差,则迭代停止,选用M1的C1值。反之则继续迭代,直到Mn的标准差小于M(n-1)的标准差。
本发明中,A1、B1的迭代过程为:当RN-B1≥0时,B1变量恒定,而对A1变量进行迭代递增,每个读取周期为一个迭代周期,递增公式为A1`=2n+A1,(n=1,2,3……n为迭代周期,即读取周期。A`为迭代后的值)。此迭代分支的目的是修正读取并发数A1,寻找到最优并发数值。
参见图3,本发明还提供一种工业设备数据应用读写装置,所述读写装置包括:
初始数据设置模块1,用于根据获取的工业设备数据信息设定初始并发数A1和每个并发读取变量数B1;
读写请求模块2,用于根据初始并发数A1和每个并发读取变量数B1向工业设备发起数据读写请求;
变量值获取模块3,用于发起请求过程中对读取到的目标设备寄存器中是否存在变量进行扫描并获取变量值;
返回值向量建立模块4,用于发起请求过程后所读取到的返回值建立向量;
实际值距离分类模块5,用于对返回值中的实际值距离进行计算,并根据实际值之间的距离进行分类。
工业设备数据应用读写装置的一个实施例中,所述返回值向量建立模块4中的返回值包括具备实际意义的返回值R、不具备实际意义的缺失值或错误值E,返回值向量V1的维度为每个并发读取变量数B1变量的值。所述读写装置还包括返回值判断模块7,所述返回值判断模块7用于判断返回值中具有实际意义的返回值数量RN与每个并发读取变量数B1的差值,当RN-B1≥0时,B1变量恒定,对A1变量通过递增公式2n+A1在每个读取周期进行递增,n代表读取周期数;当RN-B1<0时,B1变量迭代变化,迭代初始值为分类数C1,A1变量不变。
工业设备数据应用读写装置的一个实施例中,所述读写装置还包括请求消耗时间比较模块6,所述请求消耗时间比较模块6用于比较两次设备请求消耗时间之间的差值,请求消耗时间比较模块6中,若T2≥T1,C1分类数减少,重新赋予B1新值,直至T(n+1)<T(n)或T(n+1)=T(n),该迭代O1结束,进入迭代O2,对A1进行迭代,直至T(n+1)>t(n),停止迭代。
本发明通过获取设备的信息,根据其信息,设定初始并发数A1和每个并发读取变量数B1;基于A1和B1向设备发起请求,发起请求过程中,对读取到的目标设备寄存器中是否存在变量进行扫描并获取其值;收到该次请求的返回值后,计算请求消耗时间T1;对该次请求所读取到的返回值建立向量V1,V1由两部分构成,其一,具备实际意义的返回值(R);不具备实际意义的返回值,例如缺失值、错误值(E)等,V1的维度为B1变量的值;例如V1=(R1,R2,E3,E4,R5),意味着该向量中第一个值为具备实际意义的值,第二个也为具备实际意义的值,第三个、第四个为不具备实际意义的值,第五个为不具备实际意义的值;计算向量V1中的实际值的数量RN,以及实际意义值之间的欧式距离,并基于此进行分类,分类数为C1;当RN-B1>0时,B1变量恒定,而对A1变量进行递增(每个读取周期),递增公式为2n+A1,(n=1,2,3……);当RN-B1<0时,B1变量迭代变化,迭代初始值为C1,A1变量不变;以上完成一个读取周期;开始第二个读取周期,得到反馈值后,记录时间为T2;对比T2和T1,若T2≥T1,C1分类数减少,重新赋予B1新值,直至T(n+1)<T(n),或T(n+1)=T(n),该迭代O1结束;若T(n+1)≤T(n),进入迭代O2,对A1进行迭代,直至T(n+1)>t(n),停止迭代;稳定读取数据。以某一设备控制器为例,面对8个变量,在实际应用中,传统方法约2000ms,采用本发明,初始可以提升至50ms,相较于原始方案,提升4倍,伴随着迭代,耗时约500ms,读取时间提取至20ms,20ms中还包含13ms左右的网络传输延迟,即提升读取效率10倍,本发明解决了现有工业设备数据读取应用方法中依赖限定环境,读写效率较低的问题,使用本发明,相对于传统方案,至少提升效率约A1倍,最多提升A1×B1倍。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。

Claims (7)

1.一种工业设备数据应用读写方法,其特征在于,所述读写方法包括:
步骤一:获取工业设备的数据信息,根据获取的数据信息设定初始并发数A1和每个并发读取变量数B1;
步骤二:基于初始并发数A1和每个并发读取变量数B1向设备发起请求进入首个数据读写周期,发起请求过程中对读取到的目标设备寄存器中是否存在变量进行扫描并获取变量值;
步骤三:接收该次设备请求的返回值,并计算此次设备请求消耗时间T1;
步骤四:对该次请求所读取到的返回值建立向量V1,计算向量V1中的实际值的数量RN,以及实际值所对应寄存器变量之间的距离,并根据实际值之间的距离迭代计算出合理的分类,分类数记为C1;
步骤五:判断向量V1中的实际值的数量RN与每个并发读取变量数B1的差值,根据差值对并发数A1、每个并发读取变量数B1或分类数C1进行迭代,完成一个数据读写周期;
步骤六:重复步骤二至步骤五,开始下一个读取周期,得到反馈值后,记录请求消耗时间T2;
步骤七:对比T2和T1,若T2≥T1,且分类数C1经过迭代减少,重新赋予每个并发读取变量数B1新值,再执行步骤一至步骤六,直至T(n+1)<T(n)或T(n+1)=T(n),该迭代O1结束,n代表读取周期数;
步骤八:若T(n+1)≤T(n),进入迭代O2,对并发数A1进行迭代,直至T(n+1)>t(n),停止迭代;
步骤九:稳定读取数据。
2.根据权利要求1所述的一种工业设备数据应用读写方法,其特征在于,所述步骤四中,向量V1包括具备实际意义的返回值R、不具备实际意义的缺失值或错误值E,向量V1的维度为每个并发读取变量数B1变量的值。
3.根据权利要求1所述的一种工业设备数据应用读写方法,其特征在于,所述步骤四中,实际值之间的距离为欧式距离。
4.根据权利要求1所述的一种工业设备数据应用读写方法,其特征在于,所述步骤五中,当RN-B1≥0时,每个并发读取变量数B1变量恒定,对并发数A1变量通过递增公式2n+A1在每个读取周期进行递增,n代表读取周期数。
5.根据权利要求1所述的一种工业设备数据应用读写方法,其特征在于,所述步骤五中,当RN-B1<0时,每个并发读取变量数B1变量迭代变化,迭代初始值为分类数C1,并发数A1变量不变,C1在每个读取周期内完成自身的迭代。
6.一种工业设备数据应用读写装置,其特征在于,所述读写装置包括:
初始数据设置模块,用于根据获取的工业设备数据信息设定初始并发数A1和每个并发读取变量数B1;
读写请求模块,用于根据初始并发数A1和每个并发读取变量数B1向工业设备发起数据读写请求;
变量值获取模块,用于发起请求过程中对读取到的目标设备寄存器中是否存在变量进行扫描并获取变量值;
返回值向量建立模块,用于发起请求过程后所读取到的返回值建立向量;
实际值距离分类模块,用于对返回值中的实际值距离进行计算,并根据实际值之间的距离进行分类;
所述读写装置还包括返回值判断模块,所述返回值判断模块用于判断返回值中具有实际意义的返回值数量RN与每个并发读取变量数B1的差值,当RN-B1≥0时,B1变量恒定,对A1变量通过递增公式2n+A1在每个读取周期进行递增,n代表读取周期数;当RN-B1<0时,B1变量迭代变化,迭代初始值为分类数C1,A1变量不变,C1在每个读取周期内完成自身的迭代;
所述读写装置还包括请求消耗时间比较模块,所述请求消耗时间比较模块用于比较两次设备请求消耗时间之间的差值,请求消耗时间比较模块中,若T2≥T1,C1分类数减少,重新赋予B1新值,直至T(n+1)<T(n)或T(n+1)=T(n),该迭代O1结束,进入迭代O2,对A1进行迭代,直至T(n+1)>t(n),停止迭代。
7.根据权利要求6所述的一种工业设备数据应用读写装置,其特征在于,所述返回值向量建立模块中的返回值包括具备实际意义的返回值R、不具备实际意义的缺失值或错误值E,返回值向量V1的维度为每个并发读取变量数B1变量的值。
CN201810151874.5A 2018-02-14 2018-02-14 一种工业设备数据应用读写方法及装置 Active CN108256589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810151874.5A CN108256589B (zh) 2018-02-14 2018-02-14 一种工业设备数据应用读写方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810151874.5A CN108256589B (zh) 2018-02-14 2018-02-14 一种工业设备数据应用读写方法及装置

Publications (2)

Publication Number Publication Date
CN108256589A CN108256589A (zh) 2018-07-06
CN108256589B true CN108256589B (zh) 2022-01-28

Family

ID=62745105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810151874.5A Active CN108256589B (zh) 2018-02-14 2018-02-14 一种工业设备数据应用读写方法及装置

Country Status (1)

Country Link
CN (1) CN108256589B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833441A (zh) * 2010-04-28 2010-09-15 中国科学院自动化研究所 并行向量处理引擎结构
CN103617024A (zh) * 2013-11-07 2014-03-05 华为技术有限公司 一种并发数据处理方法、装置和系统
CN105911965A (zh) * 2016-03-14 2016-08-31 上海电气集团股份有限公司 一种在数据监测系统中实现数据分析的方法
CN106469156A (zh) * 2015-08-17 2017-03-01 华为终端(东莞)有限公司 数据库读写方法及装置
CN107580054A (zh) * 2017-09-08 2018-01-12 深圳市智物联网络有限公司 基于物联网的工业设备反向控制方法及系统
CN107608630A (zh) * 2017-09-07 2018-01-19 四川九洲北斗导航与位置服务有限公司 数据读写方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013123330A1 (en) * 2012-02-15 2013-08-22 Battelle Memorial Institute Methods and compositions for identifying repeating sequences in nucleic acids
US20140019650A1 (en) * 2012-07-10 2014-01-16 Zhi Bin Li Multi-Write Bit-Fill FIFO

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833441A (zh) * 2010-04-28 2010-09-15 中国科学院自动化研究所 并行向量处理引擎结构
CN103617024A (zh) * 2013-11-07 2014-03-05 华为技术有限公司 一种并发数据处理方法、装置和系统
CN106469156A (zh) * 2015-08-17 2017-03-01 华为终端(东莞)有限公司 数据库读写方法及装置
CN105911965A (zh) * 2016-03-14 2016-08-31 上海电气集团股份有限公司 一种在数据监测系统中实现数据分析的方法
CN107608630A (zh) * 2017-09-07 2018-01-19 四川九洲北斗导航与位置服务有限公司 数据读写方法及装置
CN107580054A (zh) * 2017-09-08 2018-01-12 深圳市智物联网络有限公司 基于物联网的工业设备反向控制方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Novel Meta-data Synchronous Write Mechanism for Cluster File System;Jun Lu等;《2009 International Forum on Information Technology and Applications》;20090904;第401-403页 *
Expediting scientific data analysis with reorganization of data;Bin Dong等;《2013 IEEE International Conference on Cluster Computing (CLUSTER)》;20140109;第1-8页 *
分布式文件系统数据读写流程分析与优化;孙海峰;《中国优秀硕士论文全文数据库信息科技辑》;20140615;I137-91 *
动态迭代聚类算法分析基因序列数据;黄元江等;《南华大学学报(自然科学版)》;20041231;第18卷(第4期);第57-60页 *

Also Published As

Publication number Publication date
CN108256589A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
CN106054817B (zh) 局部最优小线段路径解析光顺的实时前瞻插补方法及系统
CN109726195B (zh) 一种数据增强方法及装置
CN109035363B (zh) 一种快速迭代的线圆最优拟合方法
CN107832543A (zh) 一种减小复杂机械系统动态响应误差的设计方法
CN112947300A (zh) 一种加工质量虚拟量测方法、系统、介质及设备
EP4055454A1 (en) Systems, methods, and media for manufacturing processes
CN110990121A (zh) 一种基于应用画像的Kubernetes调度策略
CN109448040A (zh) 一种机械生产制造展示辅助系统
CN115331213A (zh) 字符识别方法、芯片、电子设备及存储介质
CN105681199A (zh) 一种车载总线中报文数据的处理方法及装置
CN108256589B (zh) 一种工业设备数据应用读写方法及装置
CN112632028B (zh) 一种基于多维矩阵外积数据库构型的工业生产要素优化方法
US20210149985A1 (en) Method and apparatus for processing large-scale distributed matrix product
CN111754589B (zh) 配色方法、装置、计算机设备及存储介质
CN110045678A (zh) 一种程序调度方法、装置、设备、系统及存储介质
CN110348509B (zh) 数据增广参数的调整方法、装置、设备及存储介质
CN105122158A (zh) 具有短延迟时间的可编程控制装置
CN103761617A (zh) 一种云数据中心中审批流程管理方法及系统
Ghosh Allocating tools to index positions in tool magazines using tabu search
CN112348120A (zh) 数控机床退化轨迹模式识别方法及装置
Zhou et al. E3CM: Epipolar-constrained cascade correspondence matching
Shen et al. A parameterized automatic programming solution for composite grinding based on digital image processing
CN107609678B (zh) 一种考虑矩信息不确定性的同型并行机生产调度方法
CN106056599A (zh) 一种基于物体深度数据的物体识别算法及装置
CN110276050A (zh) 对高维向量相似性比较的方法及装置

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
GR01 Patent grant
GR01 Patent grant