LU502742B1 - Big data processing and analysis system for internet of things - Google Patents
Big data processing and analysis system for internet of things Download PDFInfo
- Publication number
- LU502742B1 LU502742B1 LU502742A LU502742A LU502742B1 LU 502742 B1 LU502742 B1 LU 502742B1 LU 502742 A LU502742 A LU 502742A LU 502742 A LU502742 A LU 502742A LU 502742 B1 LU502742 B1 LU 502742B1
- Authority
- LU
- Luxembourg
- Prior art keywords
- data
- internet
- things
- priority
- difference
- Prior art date
Links
Classifications
-
- 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
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- 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
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Claims (2)
1. Fin Verarbeitungs- und Analysesystem der großen Daten für das Internet der Dinge, umfassend ein Modul zur Datenerfassung im Internet der Dinge, ein Modul zur Datenübertragung im Internet der Dinge und ein Modul zur Datenanalyse im Internet der Dinge, wobei das Modul zur Datenübertragung im Internet der Dinge ein drahtloses Modul zur Datenübertragung im Internet der Dinge und ein Modul zur Datenübertragung für das Ad-hoc-Netz im Internet der Dinge umfasst, dadurch gekennzeichnet, dass das Modul zur Datenerfassung im Internet der Dinge durch Echtzeitdaten, erfasst von einer Sensoreinheit, mit einem =…— Datenpräprozessor verbunden ist, der Datenpridprozessor extrahiert die Dateninformationen im historischen Datenbankmodul des Internets der Dinge und die empfangenen Echtzeitdaten für die Fusionsverarbeitung und -analyse auf Merkmalsebene und konstruiert ein kausales Vorhersagemodell, um Differenzdaten zu erhalten; das Modul zur Datenanalyse im Internet der Dinge verwendet einen Algorithmus für die präemptive Prioritätsplanung, um Echtzeitdaten, übertragen vom drahtlosen Modul zur Datenübertragung im Internet der Dinge, und Differenzdaten, übertragen vom Modul zur Datenübertragung für das Ad-hoc-Netz im Internet der Dinge, zu erhalten; der Datenpräprozessor extrahiert die Dateninformationen im historischen Datenbankmodul des Internets der Dinge und die empfangenen Echtzeitdaten für die Fusionsverarbeitung und -analyse auf Merkmalsebene und konstruiert ein kausales Vorhersagemodell, um Differenzdaten zu erhalten, Daten, gesammelt von vier Sensoreinheiten, nämlich Temperatur- und Feuchtigkeitssensor, Beleuchtungssensor, Rauchsensor und Infrarotsensor, im intelligenten Haus des Internets der Dinge, die Schritte sind wie folgt: S1, der Datenpräprozessor verarbeitet Dateninformationen im historischen Datenbankmodul des Internets der Dinge vor und extrahiert Temperatur- und Feuchtigkeitsdaten A, Beleuchtungsdaten B, Rauchdaten C und Zugangskontrolldaten D aus der Datenbank; S2, der Datenpräprozessor empfängt die von der Sensoreinheit gesammelten Echtzeitdaten, einschlieBlich Temperatur- und Feuchtigkeitsdaten a, Beleuchtungsdaten b, Rauchdaten c und Zugangskontrolldaten d; S3, der Datenpräprozessor führt eine Fusionsverarbeitung auf Merkmalsebene an den Daten in S1 und S2 durch und führt eine paarweise Datenfusion an acht Datensignalen entsprechend dem Zweck der Daten durch, und die fusionierten Daten sind Temperatur- und
Feuchtigkeitsdaten (A, a), Beleuchtungsdaten (B, b), Rauchdaten (C, c) und 5027 42 Zugangskontrolldaten (D, d); S4, der Datenpräprozessor berechnet die absoluten Werte der Datenabweichungswerte A-a, B-b, C-c und D-d Differenz entsprechend den Datensignalen nach der Fusionsverarbeitung auf Merkmalsebene und definiert sie als Temperatur- und Feuchtigkeitsdaten-Abweichungswert L, Beleuchtungsdaten-Abweichungswert M, Rauchdaten-Abweichungswert N bzw. Zugangskontrolldaten-Abweichungswert U; SS, der Datenpräprozessor konstruiert ein kausales Vorhersagemodell entsprechend den Datenabweichungswerten L, M, N, U und den eingestellten Parametern, und wenn es festgestellt wird, dass die Daten einen Trend der Abweichung aufweisen, werden es durch das Modul zur Datenübertragung für das Ad-hoc-Netz im Internet der Dinge an das Modul zur Datenanalyse im Internets der Dinge übertragen.
2. Das Verarbeitungs- und Analysesystem der großen Daten für das Internet der Dinge nach Anspruch 1, dadurch gekennzeichnet, dass das Modul zur Datenanalyse im Internets der Dinge den Algorithmus für die präemptive Prioritätsplanung verwendet, um die vom drahtlosen Modul zur Datenübertragung im Internet der Dinge übertragenen Echtzeitdaten und die vom Modul zur Datenübertragung für Ad-hoc-Netz im Internet der Dinge übertragenen Differenzdaten zu erhalten, und die Schritte sind wie folgt: Schritt 1, Festlegen der Priorität der Aufgabe auf der ersten Ebene entsprechend der verbleibenden Zeit der empfangenen Daten, wobei die Priorität umso hôher ist, je kürzer die verbleibende Zeit ist; Schritt 2, auf der Grundlage von Schritt 1, Einstellung der Priorität in zwei Stufen je nach Datentyp, Einstellung der Priorität der Echtzeitdaten als LY und der Priorität der Differenzdaten als HY, und ferner Einstellung der Priorität der Datenabweichungswerte L, M, N und U in den Differenzdaten; Schritt 3, wenn die verbleibende Zeit der Daten mit der hôchsten Priorität in der aktuellen Prioritäts-Warteschlange länger ist als die Laufzeit der Daten, werden die Daten zur Analyse aufgerufen, andernfalls werden sie nicht analysiert; und Schritt 4, wenn die Differenzdaten empfangen werden, wird der präemptive Unterbrechungs-Modus angenommen, und werden die Differenzdaten sofort analysiert und verarbeitet, ohne auf das Ende der aktuellen Ausführungsdaten zu warten; während seiner
Ausführung, wenn ein anderer Prozess mit höherer Priorität auftaucht, stoppt del5007 42 Prozess-Planung sofort die Ausführung des aktuellen Prozesses und verteilt an den neu eingetroffenen Prozess als den Prozess mit der hôchsten Priorität.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
LU502742A LU502742B1 (en) | 2022-09-01 | 2022-09-01 | Big data processing and analysis system for internet of things |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
LU502742A LU502742B1 (en) | 2022-09-01 | 2022-09-01 | Big data processing and analysis system for internet of things |
Publications (1)
Publication Number | Publication Date |
---|---|
LU502742B1 true LU502742B1 (en) | 2023-03-01 |
Family
ID=85330685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
LU502742A LU502742B1 (en) | 2022-09-01 | 2022-09-01 | Big data processing and analysis system for internet of things |
Country Status (1)
Country | Link |
---|---|
LU (1) | LU502742B1 (de) |
-
2022
- 2022-09-01 LU LU502742A patent/LU502742B1/en active IP Right Grant
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bhuiyan et al. | A deep learning based assistive system to classify COVID-19 face mask for human safety with YOLOv3 | |
KR100976443B1 (ko) | 홈네트워크 오류 예측 시스템 및 그 방법 | |
CN108259607B (zh) | 面向物联网大数据的处理分析系统 | |
CN109255523A (zh) | 基于kks编码规则和大数据架构的分析指标计算平台 | |
CN111143438A (zh) | 一种基于流处理的车间现场数据实时监测与异常检测方法 | |
CN110264440A (zh) | 基于深度学习的大规模列车移位故障检测方法及系统 | |
CN110287827B (zh) | 一种基于数据关联性的桥梁应变数据异常值识别方法 | |
CN116489152B (zh) | 物联设备联动控制方法、装置、电子设备和介质 | |
CN116416884B (zh) | 一种显示器模组的测试装置及其测试方法 | |
CN116980958B (zh) | 一种基于数据识别的无线设备电故障监测方法及系统 | |
CN107944005B (zh) | 一种数据展示方法及装置 | |
LU502742B1 (en) | Big data processing and analysis system for internet of things | |
CN106774054A (zh) | 基于复杂非结构化数据识别的gis设备分析系统及方法 | |
Li et al. | AIoT platform design based on front and rear end separation architecture for smart agricultural | |
CN116502162A (zh) | 边缘算力网络中的异常算力联邦检测方法、系统及介质 | |
CN113111585A (zh) | 一种智能机柜故障预测方法、系统及智能机柜 | |
CN113092083A (zh) | 一种基于分形维数和神经网络的机泵故障诊断方法和装置 | |
CN117009900A (zh) | 一种基于图神经网络的物联网信号异常检测方法和系统 | |
CN116647389A (zh) | 一种工业控制系统网络访问安全性预警系统及方法 | |
CN116383645A (zh) | 一种基于异常检测的系统健康度智能监测评估方法 | |
US11947328B2 (en) | Control device, control program, and control system | |
CN101571931B (zh) | 一种面向普适计算的不确定性上下文的推理方法 | |
CN114611587A (zh) | 一种知识和数据混合驱动的工业数据对齐方法 | |
CN114429148A (zh) | 一种基于多源数据融合的电力设备状态检测方法 | |
CN106961477A (zh) | 一种数据采集方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG | Patent granted |
Effective date: 20230301 |