CN109240163A - 用于工业化制造的智能节点及其控制方法 - Google Patents

用于工业化制造的智能节点及其控制方法 Download PDF

Info

Publication number
CN109240163A
CN109240163A CN201811119252.0A CN201811119252A CN109240163A CN 109240163 A CN109240163 A CN 109240163A CN 201811119252 A CN201811119252 A CN 201811119252A CN 109240163 A CN109240163 A CN 109240163A
Authority
CN
China
Prior art keywords
module
data
communication
interface
executing agency
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
Application number
CN201811119252.0A
Other languages
English (en)
Other versions
CN109240163B (zh
Inventor
葛化敏
许四杰
潘伟文
冯卫卫
刘海鑫
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201811119252.0A priority Critical patent/CN109240163B/zh
Publication of CN109240163A publication Critical patent/CN109240163A/zh
Application granted granted Critical
Publication of CN109240163B publication Critical patent/CN109240163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423Input/output
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/24Pc safety
    • G05B2219/24215Scada supervisory control and data acquisition

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Control By Computers (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种用于工业化制造的智能节点及其控制方法,智能节点包含CPU模块、接口模块、输入输出模块和控制执行机构;接口模块包含以太网通信模块接口、CAN总线通信模块、USB通信模块、串口通信模块和485通信模块;CPU模块分别和以太网通信模块接口、CAN总线通信模块、USB通信模块、串口通信模块、485通信模块、输入输出模块(触摸屏)、控制执行机构电气相连。本发明结构简单,使用方便,通用性极高;能够自动实施分析通信数据、剔除无效数据,极大的提高工厂的工作效率。

Description

用于工业化制造的智能节点及其控制方法
技术领域
本发明涉及电子通讯和信息工程领域,尤其涉及一种用于工业化制造的智能节点及其控制方法。
背景技术
目前很多工厂中,对于设备生产数据的采集,几乎完全依靠人工完成,工厂人工统计效率低且不准确,并且流动的人员、散落的数据会给数据的保存造成一个巨大的问题。同时人工统计的效率也非常的低,往往都是每天下班或者每周进行一次统计,完全不能进行实时生产数据更新。此外,数据对于设备而言有着时效性和历史数据参考性的关键作用,从底层操作工的数据记录-数据分析-数据反馈-管理者的决策,中间的环节让数据的时效性大大降低,同时人工的记录统计也会造成数据不准确等问题,而且庞大的数据计算分析对于人力是一个非常大的耗损。随着制造业数字化工厂的不断成熟,“以信息化带动工业化”战略的不断深入,我国制造业取得了飞速的发展。工厂不仅能够完成人与人之间的相互联系、人和机器互相联系以外,还能够把事物与另外的事物联系起来,人和物也能够互联,更加体现了无时无刻的信息数据采集,各个物体间的相互感知能力。所以工业化智能节点是工业控制系统的重要组成部分,在工业控制系统中起着承上启下的作用,工业化智能节点推动了智能控制系统在工业控制中的应用。
发明内容
本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷,提供一种用于工业化制造的智能节点及其控制方法。
本发明为解决上述技术问题采用以下技术方案:
用于工业化制造的智能节点,包含CPU模块、接口模块、输入输出模块和控制执行机构;
所述接口模块包含以太网通信模块接口、CAN总线通信模块、USB通信模块、串口通信模块和485通信模块;
所述CPU模块分别和以太网通信模块接口、CAN总线通信模块、USB通信模块、串口通信模块、485通信模块、输入输出模块、控制执行机构电气相连;
所述控制执行机构一端连接外部设备、另一端和所述CPU模块相连,用于根据CPU模块的指令控制外部设备工作、并将其通信数据传递给所述CPU模块,所述控制执行机构是位移执行机构、电机执行机构、PLC执行机构中的任意一种;
所述输入输出模块用于显示CPU模块和接口模块、控制执行机构的通信数据,以及输入指令给所述CPU模块;
所述CPU模块用于根据接收到的指令发送相应的指令至接口模块和控制执行机构,采集接口模块、控制执行机构的通信数据对其进行分析、剔除掉无效数据后控制输入输出模块进行显示。
作为本发明用于工业化制造的智能节点进一步的优化方案,所述CPU模块采用微处理器Exynos4412。
作为本发明用于工业化制造的智能节点进一步的优化方案,所述以太网通信模块接口采用DM9000。
作为本发明用于工业化制造的智能节点进一步的优化方案,所述CAN总线通信模块包含CAN控制器和CAN收发器,其中,所述CAN控制器采用MCP2510,所述CAN收发器采用PHILIP公司生产的TJA1050芯片。
作为本发明用于工业化制造的智能节点进一步的优化方案,所述485通信模块采用SP3485作为收发器。
作为本发明用于工业化制造的智能节点进一步的优化方案,所述输入输出模块采用12寸的LCD触摸屏。
本发明还公开了一种基于该用于工业化制造的智能节点的通信数据分析方法,其中,CPU模块分析通信数据、剔除掉无效数据的具体步骤如下:
步骤1),建立样本数据库和训练数据库;
步骤2),将上一次剔除掉无效数据后通信数据放入样本数据库;
步骤3),根据样本数据库中的通信数据构建朴素贝叶斯分类器:
步骤4),将本次采集的通信数据放入训练数据库;
步骤5),利用朴素贝叶斯分类器对训练数据库中的通信数据进行分析,将其后验概率最大的分类类别作为本次剔除掉无效数据后的通信数据;
步骤6),将本次剔除掉无效数据后的通信数据放入样本数据库;
步骤7),清空训练数据库。
作为本发明一种基于该用于工业化制造的智能节点的通信数据分析方法进一步的优化方案,所述步骤2)、步骤6)中将通信数据放入样本数据库的详细步骤如下:
步骤A),将通信数据存入样本数据库;
步骤B),对样本数据库中的所有数据按照其后验概率从大到小进行排序;
步骤C),如果样本数据库中的数据的数量小于等于预设的最大阈值,则保留样本数据库中的所有数据;
步骤D),如果样本数据库中的数据的数量大于预设的最大阈值,则保留前n条数据、删除其余的数据,n等于预设的最大阈值。
本发明为解决上述技术问题采用以下技术方案:
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1.结构简单,使用方便,通用性极高;
2.本发明能够自动实施分析通信数据、剔除无效数据,极大的提高工厂的工作效率。
附图说明
图1为本专利智能化节点系统的方框示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明公开了一种用于工业化制造的智能节点,包含CPU模块、接口模块、输入输出模块(触摸屏)和控制执行机构。
接口模块包含以太网通信模块接口、CAN总线通信模块、USB通信模块、串口(RS232)通信模块和485通信模块。
CPU模块分别和以太网通信模块接口、CAN总线通信模块、USB通信模块、串口(RS232)通信模块、485通信模块、输入输出模块(触摸屏)、控制执行机构电气相连。
控制执行机构一端连接外部设备、另一端和CPU模块相连,用于根据CPU模块的指令控制外部设备工作、并将其通信数据传递给CPU模块,控制执行机构是位移执行机构、电机执行机构、PLC执行机构中的任意一种。
输入输出模块用于显示CPU模块和接口模块、控制执行机构的通信数据,以及输入指令给CPU模块。
CPU模块用于根据接收到的指令发送相应的指令至接口模块和控制执行机构,采集接口模块、控制执行机构的通信数据对其进行分析、剔除掉无效数据后控制输入输出模块进行显示。
本发明的具体设计如下:
1、微处理器:
本设计所选用的微处理器Exynos4412,该处理器采用了三星32nm HKMG工艺,是三星的第一款四核处理器,拥有丰富的外围通信接口。它是基于Cortex-A9内核,具备高的运行速度、高的运算能力。同时高效的信号处理功能与Cortex-A9系列处理器的低功耗、低成本、高性能和易于使用的优点的组合,旨在满足工业现场大量的数据采集、数据处理和数据输出。
2、以太网通信模块接口的设计:
本文选用网接口DM9000是一款高度集成的、低成本的单片快速以太网MAC控制器,含有带有通用处理器接口、支持10M/100M物理层和16KB的SRAM,同时该芯片还支持MII/RMII接口、支持远端唤醒和连接状态变化。
3、CAN总线通信模块接口的设计:
CAN总线通信模块是由CAN控制器和CAN收发器组成,由于本设计选用的微控制器Exynos4412没有集成CAN控制器,所以选用MCP2510作为CAN总线控制器。结合本文数字化工厂智能节点的需求,本设计选用的CAN收发器是PHILIP公司生产的TJA1050芯片。TJA1050是控制器区域网络(CAN)协议控制器和物理总线之间的接口,可以为总线提供差动发送性能,为CAN控制器提供差动接收性能。CAN收发器主要用来接收和发送数据,具备CAN发送器和CAN接收器的功能。
4、USB通信模块接口的设计:
USB是一个外部总线标准,用于规范电脑与外部设备的连接和通讯,是应用在PC领域的接口技术,同时支持设备的即插即用和热插拔功能。本设计选用的微控制器Exynos4412自带的USB符合USB2.0规范,标准USB共四根线组成,除VCC/GND外,另外为D+和D-,这两根数据线采用的是差分电压的方式进行数据传输的。
5、USB通信模块的设计:
串口(RS232)通信模块的设计。串口(RS232)通信模块是使用微控制器Exynos4412内部集成有UART通道,Exynos4412微控制器可提供6路串口,有分数波特率发生器、支持同步单线通信和半双工单线通讯等。本设计中串口(RS232)通信模块主要作为调试接口和各节点之间的通信接口。
6、485通信模块接口的设计:
由于RS485具有传输距离远、传输速度快、支持节点多和抗干扰能力更强等特点,所以RS485有很广泛的应用。本文选用采用SP3485作为收发器,该芯片支持3.3V低功耗半双工收发器,它完全满足RS-485和RS-422串行协议的要求,并且符合串行协议的电气规范。最大传输速度可达10Mbps,支持多达32个节点,并且有输出短路保护。
7、输入输出模块(触摸屏)设计:
为了使用者更加直观的了解该节点的通信运行状况,同时便于修改或配置该节点的通信参数,所以给该智能节点加入了人机交互显示界面。人机交互显示界面采用一块12寸的LCD触摸屏,并且使用qt creator工具设计了进行相应的显示界面,便于工作人员实时观察各个通信接口的通信数据情况,同时还可以数据绘制曲线图显示功能,主要包括:主界面、设置中心界面、485通信界面、USB通信界面、以太网通信界面、CAN总线通信界面和曲线显示等界面。
8、CPU模块的系统设计:采用Linux系统,首先,在该系统中定制了Linux操作系统的uboot、内核以及文件系统,其中包括:485驱动、USB驱动、以太网通信驱动、CAN总线通信驱动、LCD显示屏驱动和触摸屏驱动的设计与移植。同时还移植了Qt5.6库、tslib触摸屏库和SQLite数据库,其中SQLite数据库是一款轻型的数据库,是遵守ACID的关联式数据库管理系统,它的设计目标是嵌入式的,而且目前已经在很多嵌入式产品中使用了它,它占用资源非常的低,在嵌入式设备中,可能只需要几百K的内存就够了,同样比起Mysql、PostgreSQL来讲,它的处理速度比他们都快,在该系统中SQLite数据库在该系统中主要用存储训练样本数据。
本发明用于工业化制造的智能节点的流程如下:
首先进行智能节点进行系统初始化,具体包含时钟初始化、LCD触摸屏初始化、以太网初始化、USB初始化、CAN总线初始化、串口初始化和485初始化等。
当初始化完成后进入系统主界面,主界面主要包括:设置中心、网络、USB总线、CAN总线和串行通信接口,设置中心主要包括:网络设置、CAN总线设置、485设置和串口设置。使用者可以根据需要进行相应的设置,例如以太网设置:可以设置成自动获得IP地址和使用下面的IP地址两种模式,当设置为使用下面的IP地址两种模式,可以根据自己的需要设置IP地址、子网掩码和默认网关。还可以设置成自动获得DNS服务器地址和使用下面的DNS服务器地址。当所有的参数设置完成后,点击确认按钮即可。
当系统正常运行时,CPU模块根据接收到的指令发送相应的指令至接口模块和控制执行机构,采集接口模块、控制执行机构的通信数据,并对其进行分析、剔除掉无效数据后控制输入输出模块进行显示。
CPU模块分析通信数据、剔除掉无效数据的具体步骤如下:
步骤1),建立样本数据库和训练数据库;
步骤2),将上一次剔除掉无效数据后通信数据放入样本数据库;
步骤3),根据样本数据库中的通信数据构建朴素贝叶斯分类器:
朴素贝叶斯算法作为数据挖掘领域十大经典算法之一为异常检测的实现提供了技术支持。该算法发源于古典数据理论,相对简单,其应用范围广阔。朴素贝叶斯是基于贝叶斯定理和特征条件独立假设的分类方法,它通过特征计算分类的概率,选取概率大的情况进行分类。设X为一组测试样本,Y={y1,y2,…,yk}为类别集合,P(Y|X)表示样本X属于不同类别Y的概率,可以认为最大概率值对应的类别yi就是该样本被分配的类别。独立假设可得如下计算公式:
式中:P(Y|X):为条件X下Y的后验概率
P(X|Y):为条件Y下X的后验概率
P(X):为X的先验概率
P(Y):为Y的先验概率
对于先验概率,可以通过训练类别数据集求得。训练数据集一般设置为T={(x1,y1),(x2,y2),…,(xN,yN)},本文中,X={x1,x2,…,xn}表示包含不同特征属性的数据集,即设备或节点nn采集的设备数据,Y={y1,y2,…,yn}表示对结果的不同类别集合。朴素贝叶斯算法中的独立性假设要求在给定特征集时各特征属性之间相互条件独立,因此,对于一个给定的特征集输入X={x1,x2,…,xn},可求得P(Y|X):
式中:
j:表示数据特征向量的位数
ck:表示第k个类别
对数据进行分类时,利用学习到的模型,即先验概率和条件概率,如公式(2),由贝叶斯定理可得输入特征向量x={x(1),x(2),…,x(n)}T在各个类别上的后验概率分布P(Y=ck|X=x),将后验概率最大的类作为X的分类,如公式(3):
分母属于归一因子可省略,因此朴素贝叶斯分类器可简化为:
则分类结果为最大概率值对应的类别yi
步骤4),将本次采集的通信数据放入训练数据库;
步骤5),利用朴素贝叶斯分类器对训练数据库中的通信数据进行分析,将其中后验概率最大的分类类别作为本次剔除掉无效数据后的通信数据;
步骤6),将本次剔除掉无效数据后的通信数据放入样本数据库;
步骤7),清空训练数据库。
所述步骤2)、步骤6)中将通信数据放入样本数据库的详细步骤如下:
步骤A),将通信数据存入样本数据库;
步骤B),对样本数据库中的所有数据按照其后验概率从大到小进行排序;
步骤C),如果样本数据库中的数据的数量小于等于预设的最大阈值,则保留样本数据库中的所有数据;
步骤D),如果样本数据库中的数据的数量大于预设的最大阈值,则保留前n条数据、删除其余的数据,n等于预设的最大阈值。
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.用于工业化制造的智能节点,其特征在于,包含CPU模块、接口模块、输入输出模块和控制执行机构;
所述接口模块包含以太网通信模块接口、CAN总线通信模块、USB通信模块、串口通信模块和485通信模块;
所述CPU模块分别和以太网通信模块接口、CAN总线通信模块、USB通信模块、串口通信模块、485通信模块、输入输出模块、控制执行机构电气相连;
所述控制执行机构一端连接外部设备、另一端和所述CPU模块相连,用于根据CPU模块的指令控制外部设备工作、并将其通信数据传递给所述CPU模块,所述控制执行机构是位移执行机构、电机执行机构、PLC执行机构中的任意一种;
所述输入输出模块用于显示CPU模块和接口模块、控制执行机构的通信数据,以及输入指令给所述CPU模块;
所述CPU模块用于根据接收到的指令发送相应的指令至接口模块和控制执行机构,采集接口模块、控制执行机构的通信数据对其进行分析、剔除掉无效数据后控制输入输出模块进行显示。
2.根据权利要求1所述的用于工业化制造的智能节点,其特征在于,所述CPU模块采用微处理器Exynos4412。
3.根据权利要求1所述的用于工业化制造的智能节点,其特征在于,所述以太网通信模块接口采用DM9000。
4.根据权利要求1所述的用于工业化制造的智能节点,其特征在于,所述CAN总线通信模块包含CAN控制器和CAN收发器,其中,所述CAN控制器采用MCP2510,所述CAN收发器采用PHILIP公司生产的TJA1050芯片。
5.根据权利要求1所述的用于工业化制造的智能节点,其特征在于,所述485通信模块采用SP3485作为收发器。
6.根据权利要求1所述的用于工业化制造的智能节点,其特征在于,所述输入输出模块采用12寸的LCD触摸屏。
7.基于权利要求1所述的用于工业化制造的智能节点的通信数据分析方法,其特征在于,CPU模块分析通信数据、剔除掉无效数据的具体步骤如下:
步骤1),建立样本数据库和训练数据库;
步骤2),将上一次剔除掉无效数据后通信数据放入样本数据库;
步骤3),根据样本数据库中的通信数据构建朴素贝叶斯分类器:
步骤4),将本次采集的通信数据放入训练数据库;
步骤5),利用朴素贝叶斯分类器对训练数据库中的通信数据进行分析,将其后验概率最大的分类类别作为本次剔除掉无效数据后的通信数据;
步骤6),将本次剔除掉无效数据后的通信数据放入样本数据库;
步骤7),清空训练数据库。
8.根据权利要求7所述的用于工业化制造的智能节点的通信数据分析方法,其特征在于,所述步骤2)、步骤6)中将通信数据放入样本数据库的详细步骤如下:
步骤A),将通信数据存入样本数据库;
步骤B),对样本数据库中的所有数据按照其后验概率从大到小进行排序;
步骤C),如果样本数据库中的数据的数量小于等于预设的最大阈值,则保留样本数据库中的所有数据;
步骤D),如果样本数据库中的数据的数量大于预设的最大阈值,则保留前n条数据、删除其余的数据,n等于预设的最大阈值。
CN201811119252.0A 2018-09-25 2018-09-25 用于工业化制造的智能节点及其控制方法 Active CN109240163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811119252.0A CN109240163B (zh) 2018-09-25 2018-09-25 用于工业化制造的智能节点及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811119252.0A CN109240163B (zh) 2018-09-25 2018-09-25 用于工业化制造的智能节点及其控制方法

Publications (2)

Publication Number Publication Date
CN109240163A true CN109240163A (zh) 2019-01-18
CN109240163B CN109240163B (zh) 2024-01-02

Family

ID=65056929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811119252.0A Active CN109240163B (zh) 2018-09-25 2018-09-25 用于工业化制造的智能节点及其控制方法

Country Status (1)

Country Link
CN (1) CN109240163B (zh)

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5752007A (en) * 1996-03-11 1998-05-12 Fisher-Rosemount Systems, Inc. System and method using separators for developing training records for use in creating an empirical model of a process
US20080133434A1 (en) * 2004-11-12 2008-06-05 Adnan Asar Method and apparatus for predictive modeling & analysis for knowledge discovery
CN102142091A (zh) * 2011-03-30 2011-08-03 东华大学 一种核集成优化分类方法
KR20120071645A (ko) * 2010-12-23 2012-07-03 전남대학교산학협력단 웹페이지의 이질적 데이터 정보융합 제공시스템 및 방법
CN102956023A (zh) * 2012-08-30 2013-03-06 南京信息工程大学 一种基于贝叶斯分类的传统气象数据与感知数据融合的方法
CN103955703A (zh) * 2014-04-25 2014-07-30 杭州电子科技大学 一种基于朴素贝叶斯的医疗影像疾病分类方法
CN204759180U (zh) * 2015-06-01 2015-11-11 山东成城物联网科技有限公司 一种物联网通用型数据采集分析终端
US20150339673A1 (en) * 2014-10-28 2015-11-26 Brighterion, Inc. Method for detecting merchant data breaches with a computer network server
CN105204971A (zh) * 2015-08-28 2015-12-30 浙江大学 一种基于朴素贝叶斯分类技术的动态监控间隔调整方法
CN105608592A (zh) * 2014-08-21 2016-05-25 深圳市深讯信息科技发展股份有限公司 电信用户智能分析推送方法及系统
CN106021410A (zh) * 2016-05-12 2016-10-12 中国科学院软件研究所 一种基于机器学习的源代码注释质量评估方法
CN205829666U (zh) * 2016-07-22 2016-12-21 王根喜 一种工业物联网智能网关
US20170032281A1 (en) * 2015-07-29 2017-02-02 Illinois Tool Works Inc. System and Method to Facilitate Welding Software as a Service
CN206039225U (zh) * 2016-09-09 2017-03-22 深圳市智物联网络有限公司 一种基于物联网的工业设备控制系统
CN106599200A (zh) * 2016-12-14 2017-04-26 陕西学前师范学院 一种财务数据智能远程防作弊系统及其防作弊方法
CN106815782A (zh) * 2017-01-23 2017-06-09 重庆汇集源科技有限公司 一种基于神经网络统计学模型的房地产估值方法及系统
CN107103050A (zh) * 2017-03-31 2017-08-29 海通安恒(大连)大数据科技有限公司 一种大数据建模平台及方法
CN107977737A (zh) * 2017-11-19 2018-05-01 国网浙江省电力公司信息通信分公司 基于mxnet框架深度神经网络的配变负荷预测方法
CN107992008A (zh) * 2017-03-03 2018-05-04 深圳美云智数科技有限公司 一种工业互联设备及其使用方法
US20180137431A1 (en) * 2016-11-15 2018-05-17 General Electric Company Multimodal, small and big data, machine learing systems and processes
CN108304887A (zh) * 2018-02-28 2018-07-20 云南大学 基于少数类样本合成的朴素贝叶斯数据处理系统及方法
CN108549903A (zh) * 2018-03-27 2018-09-18 江南大学 一种聚合反应过程的质量模式监测方法
CN208888615U (zh) * 2018-09-25 2019-05-21 南京信息工程大学 用于工业化制造的智能节点

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5752007A (en) * 1996-03-11 1998-05-12 Fisher-Rosemount Systems, Inc. System and method using separators for developing training records for use in creating an empirical model of a process
US20080133434A1 (en) * 2004-11-12 2008-06-05 Adnan Asar Method and apparatus for predictive modeling & analysis for knowledge discovery
KR20120071645A (ko) * 2010-12-23 2012-07-03 전남대학교산학협력단 웹페이지의 이질적 데이터 정보융합 제공시스템 및 방법
CN102142091A (zh) * 2011-03-30 2011-08-03 东华大学 一种核集成优化分类方法
CN102956023A (zh) * 2012-08-30 2013-03-06 南京信息工程大学 一种基于贝叶斯分类的传统气象数据与感知数据融合的方法
CN103955703A (zh) * 2014-04-25 2014-07-30 杭州电子科技大学 一种基于朴素贝叶斯的医疗影像疾病分类方法
CN105608592A (zh) * 2014-08-21 2016-05-25 深圳市深讯信息科技发展股份有限公司 电信用户智能分析推送方法及系统
US20150339673A1 (en) * 2014-10-28 2015-11-26 Brighterion, Inc. Method for detecting merchant data breaches with a computer network server
CN204759180U (zh) * 2015-06-01 2015-11-11 山东成城物联网科技有限公司 一种物联网通用型数据采集分析终端
US20170032281A1 (en) * 2015-07-29 2017-02-02 Illinois Tool Works Inc. System and Method to Facilitate Welding Software as a Service
CN105204971A (zh) * 2015-08-28 2015-12-30 浙江大学 一种基于朴素贝叶斯分类技术的动态监控间隔调整方法
CN106021410A (zh) * 2016-05-12 2016-10-12 中国科学院软件研究所 一种基于机器学习的源代码注释质量评估方法
CN205829666U (zh) * 2016-07-22 2016-12-21 王根喜 一种工业物联网智能网关
CN206039225U (zh) * 2016-09-09 2017-03-22 深圳市智物联网络有限公司 一种基于物联网的工业设备控制系统
US20180137431A1 (en) * 2016-11-15 2018-05-17 General Electric Company Multimodal, small and big data, machine learing systems and processes
CN106599200A (zh) * 2016-12-14 2017-04-26 陕西学前师范学院 一种财务数据智能远程防作弊系统及其防作弊方法
CN106815782A (zh) * 2017-01-23 2017-06-09 重庆汇集源科技有限公司 一种基于神经网络统计学模型的房地产估值方法及系统
CN107992008A (zh) * 2017-03-03 2018-05-04 深圳美云智数科技有限公司 一种工业互联设备及其使用方法
CN107103050A (zh) * 2017-03-31 2017-08-29 海通安恒(大连)大数据科技有限公司 一种大数据建模平台及方法
CN107977737A (zh) * 2017-11-19 2018-05-01 国网浙江省电力公司信息通信分公司 基于mxnet框架深度神经网络的配变负荷预测方法
CN108304887A (zh) * 2018-02-28 2018-07-20 云南大学 基于少数类样本合成的朴素贝叶斯数据处理系统及方法
CN108549903A (zh) * 2018-03-27 2018-09-18 江南大学 一种聚合反应过程的质量模式监测方法
CN208888615U (zh) * 2018-09-25 2019-05-21 南京信息工程大学 用于工业化制造的智能节点

Non-Patent Citations (12)

* Cited by examiner, † Cited by third party
Title
"数字化工厂建设方案探讨", 制造业自动化 *
LIN QM 等: "A method of cleaning RFID data streams based on Naive Bayes classifier", INTERNATIONAL JOURNAL OF AD HOC AND UBIQUITOUS COMPUTING *
SAGHIR, H 等: "Big Data Biology-Based Predictive Models Via DNA-Metagenomics Binning For WMD Events Applications", 2015 IEEE INTERNATIONAL SYMPOSIUM ON TECHNOLOGIES FOR HOMELAND SECURITY (HST) *
刘锦;吴小培;周蚌艳;吕钊;张磊;: "单次样本对的CSP滤波器设计及其在脑电训练样本优化中的应用", 信号处理, no. 07 *
徐璐瑶;姜增祺;黄婷婷;刘云鹏;: "基于大数据的用户画像系统概述", 电子世界, no. 02 *
戴海燕;: "一种基于机器学习发现服务器开放端口的方法", 电子技术与软件工程, no. 06 *
王伟峰: "数据挖掘的应用与分析", 中国优秀硕士学位论文全文数据库 信息科技辑 *
王昊;师卫;李欢;: "Hadoop下基于贝叶斯网络的气象数据挖掘研究", 电子器件, no. 04 *
秦锋 等: "基于属性加权的朴素贝叶斯分类算法", 计算机工程与应用 *
阿曼: "朴素贝叶斯分类算法的研究与应用", 中国优秀硕士学位论文全文数据库 信息科技辑 *
陈杨: "人工智能在数据清洗中的应用", 中国优秀硕士学位论文全文数据库 信息科技辑 *
高淑娟 等: "一种基于最小风险贝叶斯决策的数据清洗策略", 第十九届全国数据库学术会议 *

Also Published As

Publication number Publication date
CN109240163B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN103997532B (zh) 一种农业物联网边缘中间件系统
CN104574898B (zh) 基于Zigbee的多传感器物联网监控方法及设备
CN109698777A (zh) 一种智能家居的模式配置方法、装置及设备
CN208888615U (zh) 用于工业化制造的智能节点
CN109685567A (zh) 一种基于卷积神经网络和模糊聚类的用电客户画像新方法
CN103812860A (zh) 一种基于fpga的高速网络策略匹配方法
CN108572562A (zh) 一种基于物联网和qt图形界面的智能家居智慧能源管理系统
CN109240163A (zh) 用于工业化制造的智能节点及其控制方法
Zhang et al. Base types selection of PSS based on a priori algorithm and knowledge‐based ANN
Jin et al. Ant colony optimization with markov random walk for community detection in graphs
CN106550387B (zh) 一种无线传感器网络路由层服务质量评价方法
Dong et al. Network analysis of time series under the constraint of fixed nearest neighbors
Lu et al. Framework of industrial networking sensing system based on edge computing and artificial intelligence
CN109978598A (zh) 基于大数据分析销售数据算法
CN108683547A (zh) 一种软件定义的无线传感网络配置方法
CN104678804B (zh) 一种玉米分散考种数据采集方法
CN208986968U (zh) 物联网网关和机床数据管理系统
CN106647493A (zh) 一种基于物联网技术的山林养殖场环境智能监测系统
Chaoan et al. The application of patent mining in the forecast of smart home industry
Zhang et al. Multi-Objective Optimization of Local Overlapping Community Detection: A Formal Model and Novel Evolutionary Algorithm
Guo et al. A similar duplicate data detection method based on fuzzy clustering for topology formation
CN104462205A (zh) 一种基于动态知识网的制造系统自适应组织方法
CN109951866A (zh) 一种基于隐马尔科夫模型的人流量监测方法
CN206975529U (zh) 海参智能化养殖监控系统
Jian-liang et al. Design of Three-Dimensional Gesture Recognition and Motion Tracking Human-Computer Intelligent Interaction System based on PAJ7620

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
CB02 Change of applicant information

Address after: 210032 No. 219 Ning six road, Jiangbei new district, Nanjing, Jiangsu

Applicant after: Nanjing University of Information Science and Technology

Address before: 211500 Yuting Square, 59 Wangqiao Road, Liuhe District, Nanjing City, Jiangsu Province

Applicant before: Nanjing University of Information Science and Technology

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant