CN117591283B - 基于跨平台数据融合的云切设备管理方法及*** - Google Patents
基于跨平台数据融合的云切设备管理方法及*** Download PDFInfo
- Publication number
- CN117591283B CN117591283B CN202311550063.XA CN202311550063A CN117591283B CN 117591283 B CN117591283 B CN 117591283B CN 202311550063 A CN202311550063 A CN 202311550063A CN 117591283 B CN117591283 B CN 117591283B
- Authority
- CN
- China
- Prior art keywords
- platform
- data
- cutting equipment
- cloud
- cloud cutting
- 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
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 281
- 230000004927 fusion Effects 0.000 title claims abstract description 93
- 238000007726 management method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000013506 data mapping Methods 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 29
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 45
- 230000015654 memory Effects 0.000 claims description 45
- 238000013507 mapping Methods 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 20
- 238000011144 upstream manufacturing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012482 interaction analysis Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000013433 optimization analysis Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000005265 energy consumption Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了基于跨平台数据融合的云切设备管理方法及***，涉及数据处理技术领域，所述方法包括：对多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流，再对云切设备边缘计算端集合进行任务匹配，基于匹配的边缘端数据流计算任务信息对多平台云切设备运行特征数据流进行交互分析，确定跨平台数据映射路径流向网进行数据映射融合，得到跨平台设备融合数据流集合，进而基于云切设备边缘计算端集合对跨平台设备融合数据流集合进行边缘处理，确定云切设备控制信息集合进行云切设备运行管理。达到实现云切设备数据跨平台融合，提高设备运行数据边缘处理速度，进而提高云切设备管理效率和控制精度的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及基于跨平台数据融合的云切设备管理方法及***。
背景技术
随着人工智能的发展，云切设备数量和类型日益增多，设备管理也随之变得更为复杂。云切设备是一种基于云计算的切割设备，通常用于金属加工和制造行业，可实现自动化切割，具有自动化、智能化、高精度等特点，进而大大提高生产效率和降低生产成本。然而，现有云切设备管理仅针对特定平台或单一数据源，无法实现跨平台的数据融合，使得云切设备管理效率和精度受到限制。
发明内容
本申请通过提供基于跨平台数据融合的云切设备管理方法及***，解决了现有技术无法实现跨平台的数据融合，使得云切设备管理效率和精度受到限制的技术问题，达到实现云切设备数据跨平台融合，提高设备运行数据边缘处理速度，进而提高云切设备管理效率和控制精度的技术效果。
鉴于上述问题，本发明提供了基于跨平台数据融合的云切设备管理方法及***。
第一方面，本申请提供了基于跨平台数据融合的云切设备管理方法，所述方法包括：采集获取多平台云切设备运行数据流；对所述多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流；连接获取云切设备边缘计算端集合，对所述云切设备边缘计算端集合进行计算任务匹配，得到边缘端数据流计算任务信息；基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流进行数据交互分析，确定跨平台数据映射路径流向网；依据所述跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理。
另一方面，本申请还提供了基于跨平台数据融合的云切设备管理***，所述***包括：共享云平台搭建模块，用于采集获取多平台云切设备运行数据流；数据特征分类模块，用于对所述多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流；计算任务匹配模块，用于连接获取云切设备边缘计算端集合，对所述云切设备边缘计算端集合进行计算任务匹配，得到边缘端数据流计算任务信息；数据交互分析模块，用于基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流进行数据交互分析，确定跨平台数据映射路径流向网；数据映射融合模块，用于依据所述跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；云切设备运行管理模块，用于基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理。
第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了对采集的多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流，再对云切设备边缘计算端集合进行计算任务匹配，基于所匹配的边缘端数据流计算任务信息进行数据交互分析，确定跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理的技术方案。进而达到实现云切设备数据跨平台融合，提高设备运行数据边缘处理速度，进而提高云切设备管理效率和控制精度的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请基于跨平台数据融合的云切设备管理方法的流程示意图；
图2为本申请基于跨平台数据融合的云切设备管理方法中获取多平台云切设备运行特征数据流的流程示意图；
图3为本申请基于跨平台数据融合的云切设备管理***的结构示意图；
图4为本申请示例性电子设备的结构示意图。
附图标记说明：共享云平台搭建模块11，数据特征分类模块12，计算任务匹配模块13，数据交互分析模块14，数据映射融合模块15，云切设备运行管理模块16，总线1110，处理器1120，收发器1130，总线接口1140，存储器1150，操作***1151，应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中，所属技术领域的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的***、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行***、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示，本申请提供了基于跨平台数据融合的云切设备管理方法，所述方法包括：
步骤S1：采集获取多平台云切设备运行数据流；
具体的，为实现云切设备智能化和自动化管理，通过部署在多平台的传感器、执行器等物联网设备，以及平台数据记录***、制造执行***等信息化***，实时采集获取多平台云切设备运行数据流，所述多平台云切设备运行数据流为与云切设备运行关联的多种数据源，包括设备运行温度、切割压力、运行电流、切割能耗、切割图案等。实现云切设备运行数据采集多平台来源，提高设备运行数据采集全面性，为后续设备运行管理分析提供数据基础。
步骤S2：对所述多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流；
如图2所示，进一步而言，所述获取多平台云切设备运行特征数据流，本申请步骤还包括：
构建多平台数据预处理策略，所述多平台数据预处理策略包括归一化处理、数据清洗、格式标准化；
基于所述多平台数据预处理策略对所述多平台云切设备运行数据流进行预处理，获取标准多平台云切设备运行数据流；
获取数据特征属性分类器，所述数据特征属性分类器包括数据类型、生成时间、存储格式；
按照所述数据特征属性分类器对所述标准多平台云切设备运行数据流进行分类标识，得到所述多平台云切设备运行特征数据流。
具体的，为提高设备运行数据处理效率，首先构建多平台数据预处理策略，所述多平台数据预处理策略为数据预处理步骤，包括归一化处理，确保数据量纲单位统一；数据清洗，即检查数据一致性，对其中的错误值、缺失值以及无效值等进行清除处理；格式标准化，即统一数据显示格式，例如确定数据标准格式为十进制，确保数据存储格式标准化。基于所述多平台数据预处理策略对所述多平台云切设备运行数据流依次进行预处理步骤执行，获取预处理后的标准多平台云切设备运行数据流，确保数据规范化处理。
再制定获取数据特征属性分类器，所述数据特征属性分类器用于对设备运行数据属性进行多特征标记，包括数据类型，例如切割压力类型、切割能耗类型等；生成时间，即数据产生时间段；存储格式，例如JSON格式、文本格式等。按照所述数据特征属性分类器对所述标准多平台云切设备运行数据流依次进行分类标识，并将相同属性特征的数据流整合为一类，得到整合后的多平台云切设备运行特征数据流。实现数据标准化预处理和数据属性特征标识，确保数据后续分析质量，进而提高数据处理效率。
步骤S3：连接获取云切设备边缘计算端集合，对所述云切设备边缘计算端集合进行计算任务匹配，得到边缘端数据流计算任务信息；
进一步而言，所述得到边缘端数据流计算任务信息，本申请步骤还包括：
基于所述云切设备边缘计算端集合的历史计算任务信息，构建云切设备控制任务特征库；
将所述云切设备边缘计算端集合按照平台感知位置进行关联划分，确定边缘计算端关联平台集合；
对所述边缘计算端关联平台集合进行数据处理需求分析，获取边缘端平台处理需求特征信息；
将所述边缘端平台处理需求特征信息与所述云切设备控制任务特征库进行任务特征匹配，得到所述边缘端数据流计算任务信息。
具体的，通过与云切设备的云端调度中心连接获取云切设备边缘计算端集合，所述云切设备边缘计算端集合为云切***中具有计算资源的边缘侧终端处理设备，无需云端处理，可就近提供设备计算服务，具有低延时、响应速度更快的优点。对所述云切设备边缘计算端集合进行计算任务匹配，首先基于所述云切设备边缘计算端集合的历史计算任务信息，构建云切设备控制任务特征库，所述云切设备控制任务特征库为边缘计算端历史计算任务中关于云切设备控制的任务特征数据，例如设备故障预警、运行性能分析、能耗评估等任务特征。再将所述云切设备边缘计算端集合按照平台感知位置进行关联划分，即按照各云切设备数据源平台与边缘计算端的感知距离进行计算任务分配，以此确定边缘计算端关联平台集合，所述边缘计算端关联平台集合为各边缘计算端需要计算处理的云切设备数据源平台集合。
进而对所述边缘计算端关联平台集合进行数据处理需求分析，即对各边缘计算端需处理的多关联平台进行云切设备数据处理需求确定，示例性的，云切能源平台需对设备能耗计量、能耗利用等需求特征进行处理，以此获取各平台相应的边缘端平台处理需求特征信息。将所述边缘端平台处理需求特征信息与所述云切设备控制任务特征库进行任务特征匹配，得到边缘端数据流计算任务信息，所述边缘端数据流计算任务信息为各边缘计算端需处理的云切设备计算任务信息。实现边缘计算端的快速任务特征匹配，提高云切设备计算任务响应速度，进而提高数据边缘计算分流准确性和计算处理效率。
步骤S4：基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流进行数据交互分析，确定跨平台数据映射路径流向网；
进一步而言，所述确定跨平台数据映射路径流向网，本申请步骤还包括：
基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流分别进行关联交互映射，获取边缘端设备运行特征数据流集合；
按照云切设备平台处理节点对所述边缘端设备运行特征数据流集合进行排序，确定云切设备运行数据流上下游顺序；
依据所述云切设备运行数据流上下游顺序进行数据交互流向标记，确定所述跨平台数据映射路径流向网。
具体的，基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流进行数据交互分析，即对各平台云切设备数据交互流向进行分析。首先基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流分别进行关联交互映射，即对各边缘计算端的关联的云切设备数据流进行映射，获取与边缘端数据流计算任务相映射匹配的边缘端设备运行特征数据流集合。再按照云切设备平台处理节点对所述边缘端设备运行特征数据流集合进行排序，其中，云切设备处理节点为各平台设备数据源的监测处理顺序节点，按照平台节点顺序确定边缘端设备运行数据流，以此确定云切设备运行数据流上下游顺序，例如，云切设备订单平台节点在云切设备切割平台节点上游，因此与云切设备订单平台节点相关的云切图案等数据流在与云切设备切割平台节点相关的切割速度、压力等数据流的上游。
依据所述云切设备运行数据流上下游顺序进行数据交互流向标记，上游的数据流需流向下游的数据流，以便进行数据汇聚融合。通过数据流上下游顺序对所述边缘端设备运行特征数据流集合依次进行数据流向标记，进而确定跨平台数据映射路径流向网，所述跨平台数据映射路径流向网为各边缘计算端需计算的多平台数据流的汇聚流向关系网。实现全面明确的展现多平台数据流映射流向关系，进而提高跨平台数据融合精确性和融合效率。
步骤S5：依据所述跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；
进一步而言，所述得到跨平台设备融合数据流集合，本申请步骤还包括：
根据所述跨平台数据映射路径流向网，确定跨平台数据映射路径；
获取跨平台数据融合规则，所述跨平台数据融合规则包括格式转换和数据对齐；
基于所述跨平台数据映射路径对所述多平台云切设备运行特征数据流进行格式转换，得到设备运行特征格式映射数据流；
将所述设备运行特征格式映射数据流进行数据对齐，融合得到所述跨平台设备融合数据流集合。
具体的，依据所述跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，首先根据所述跨平台数据映射路径流向网，确定跨平台数据映射路径，所述跨平台数据映射路径为平台数据流的映射流向路径。再制定获取跨平台数据融合规则，所述跨平台数据融合规则为跨平台数据融合处理步骤，包括格式转换和数据对齐。基于所述跨平台数据映射路径对所述多平台云切设备运行特征数据流进行格式转换，将上游数据流的格式转换为映射路径的下游数据流格式，以此得到格式转换后的设备运行特征格式映射数据流，统一数据标准格式，方便数据融合。再将所述设备运行特征格式映射数据流进行数据对齐，数据对齐是指将不同平台的数据进行对齐和匹配，将相同时间段以及特征类型的数据流进行对齐融合，得到多平台数据融合后的跨平台设备融合数据流集合。实现云切设备数据跨平台融合，确保数据融合的准确性和一致性，以便后续的数据分析和利用。
步骤S6：基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理。
进一步而言，所述确定云切设备控制信息集合，本申请步骤还包括：
基于所述云切设备控制任务特征库进行分析模型收敛训练，构建云切设备控制特征分析模型库；
依据所述云切设备控制特征分析模型库对所述云切设备边缘计算端集合进行处理模型配置，确定边缘计算端控制分析模型集合；
通过所述边缘计算端控制分析模型集合对所述跨平台设备融合数据流集合分别进行控制分析，得到所述云切设备控制信息集合。
进一步而言，本申请步骤还包括：
通过云切设备监测模块获取设备运行控制反馈参数信息；
利用均方误差损失函数对所述设备运行控制反馈参数信息进行数据损失分析，获得云切设备运行控制损失数据；
基于所述云切设备运行控制损失数据对所述边缘计算端控制分析模型集合进行优化更新，得到边缘计算端控制优化分析模型集合。
具体的，基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理。具体为首先基于所述云切设备控制任务特征库进行分析模型收敛训练，可通过数据挖掘技术获取历史云切设备控制特征数据集合，再通过神经网络模型将历史云切设备控制特征数据集合，按照云切设备控制任务特征库中各控制任务特征依次进行模型训练，直至模型准确率达到收敛状态。示例性的，对历史云切设备控制特征数据集合进行云切设备能耗数据抽取，再通过神经网络模型对云切设备能耗数据进行训练，获取云切设备能耗利用控制分析模型。进而通过云切设备控制任务特征库所对应训练的所有云切设备构建控制分析模型组成构建云切设备控制特征分析模型库。
依据所述云切设备控制特征分析模型库对所述云切设备边缘计算端集合进行处理模型配置，即通过所述云切设备边缘计算端集合的边缘端数据流计算任务信息与云切设备控制特征分析模型库进行特征匹配，再依据任务特征进行控制特征分析模型配置，确定对应的边缘计算端控制分析模型集合。通过所述边缘计算端控制分析模型集合对所述跨平台设备融合数据流集合分别进行控制分析，即利用云切设备管理学***台设备融合数据流进行智能化分析，输出得到云切设备控制信息集合，所述云切设备控制信息集合为与边缘端数据流计算任务信息相匹配的各云切设备控制分析信息，例如切割工艺参数控制信息、切割能耗控制信息、设备故障运维控制信息等。并通过所述云切设备控制信息集合进行云切设备运行管理，实现云切设备自动化管理，提高设备运行数据边缘处理速度，进而提高云切设备管理效率和控制精度。
为确保云切设备控制精确性，通过云切设备监测模块对设备运行控制过程进行反馈监测，其中，所述云切设备检测模块与监控设备以及监测传感器通讯连接，用于对设备运行控制过程进行信息监测，以此采集获取设备运行控制反馈参数信息，所述设备运行控制反馈参数信息为通过云切设备控制信息集合进行设备运行管理后的实际设备运行状况参数，包括切割状态、切割能耗等。若模型控制分析输出结果与实际设备运行状况参数的误差在预设范围之外，则说明边缘计算端控制分析模型的输出准确性不够。因此利用均方误差损失函数对所述设备运行控制反馈参数信息进行数据损失分析，其中，所述均方误差损失函数用于计算预测值与真实值差值的平方的均值，将损失计算结果作为云切设备运行控制损失数据。
再基于所述云切设备运行控制损失数据对所述边缘计算端控制分析模型集合进行优化更新，通过损失数据计算模型梯度，进而使用梯度下降算法更新模型参数，以最小化损失函数，通过不断迭代更新模型参数，得到优化后的边缘计算端控制优化分析模型集合，确保模型的应用性能和泛化能力。通过对模型进行反馈调整，提高模型输出准确性和适应性，实现及时准确的调整控制云切设备控制工艺参数，进而提高云切设备生产效率和生产性能。
综上所述，本申请所提供的基于跨平台数据融合的云切设备管理方法及***具有如下技术效果：
由于采用了对采集的多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流，再对云切设备边缘计算端集合进行计算任务匹配，基于所匹配的边缘端数据流计算任务信息进行数据交互分析，确定跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理的技术方案。进而达到实现云切设备数据跨平台融合，提高设备运行数据边缘处理速度，进而提高云切设备管理效率和控制精度的技术效果。
实施例二
基于与前述实施例中基于跨平台数据融合的云切设备管理方法同样发明构思，本发明还提供了基于跨平台数据融合的云切设备管理***，如图3所示，所述***包括：
共享云平台搭建模块11，用于采集获取多平台云切设备运行数据流；
数据特征分类模块12，用于对所述多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流；
计算任务匹配模块13，用于连接获取云切设备边缘计算端集合，对所述云切设备边缘计算端集合进行计算任务匹配，得到边缘端数据流计算任务信息；
数据交互分析模块14，用于基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流进行数据交互分析，确定跨平台数据映射路径流向网；
数据映射融合模块15，用于依据所述跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；
云切设备运行管理模块16，用于基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理。
进一步的，所述***还包括：
预处理策略构建单元，用于构建多平台数据预处理策略，所述多平台数据预处理策略包括归一化处理、数据清洗、格式标准化；
数据流预处理单元，用于基于所述多平台数据预处理策略对所述多平台云切设备运行数据流进行预处理，获取标准多平台云切设备运行数据流；
属性分类器获取单元，用于获取数据特征属性分类器，所述数据特征属性分类器包括数据类型、生成时间、存储格式；
数据流分类标识单元，用于按照所述数据特征属性分类器对所述标准多平台云切设备运行数据流进行分类标识，得到所述多平台云切设备运行特征数据流。
进一步的，所述***还包括：
任务特征库构建单元，用于基于所述云切设备边缘计算端集合的历史计算任务信息，构建云切设备控制任务特征库；
关联划分单元，用于将所述云切设备边缘计算端集合按照平台感知位置进行关联划分，确定边缘计算端关联平台集合；
处理需求分析单元，用于对所述边缘计算端关联平台集合进行数据处理需求分析，获取边缘端平台处理需求特征信息；
任务特征匹配单元，用于将所述边缘端平台处理需求特征信息与所述云切设备控制任务特征库进行任务特征匹配，得到所述边缘端数据流计算任务信息。
进一步的，所述***还包括：
关联交互映射单元，用于基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流分别进行关联交互映射，获取边缘端设备运行特征数据流集合；
数据流排序单元，用于按照云切设备平台处理节点对所述边缘端设备运行特征数据流集合进行排序，确定云切设备运行数据流上下游顺序；
交互流向标记单元，用于依据所述云切设备运行数据流上下游顺序进行数据交互流向标记，确定所述跨平台数据映射路径流向网。
进一步的，所述***还包括：
映射路径确定单元，用于根据所述跨平台数据映射路径流向网，确定跨平台数据映射路径；
融合规则获取单元，用于获取跨平台数据融合规则，所述跨平台数据融合规则包括格式转换和数据对齐；
格式转换单元，用于基于所述跨平台数据映射路径对所述多平台云切设备运行特征数据流进行格式转换，得到设备运行特征格式映射数据流；
数据对齐单元，用于将所述设备运行特征格式映射数据流进行数据对齐，融合得到所述跨平台设备融合数据流集合。
进一步的，所述***还包括：
模型收敛训练单元，用于基于所述云切设备控制任务特征库进行分析模型收敛训练，构建云切设备控制特征分析模型库；
处理模型配置单元，用于依据所述云切设备控制特征分析模型库对所述云切设备边缘计算端集合进行处理模型配置，确定边缘计算端控制分析模型集合；
控制分析单元，用于通过所述边缘计算端控制分析模型集合对所述跨平台设备融合数据流集合分别进行控制分析，得到所述云切设备控制信息集合。
进一步的，所述***还包括：
反馈参数信息获取单元，用于通过云切设备监测模块获取设备运行控制反馈参数信息；
损失分析单元，用于利用均方误差损失函数对所述设备运行控制反馈参数信息进行数据损失分析，获得云切设备运行控制损失数据；
模型优化更新单元，用于基于所述云切设备运行控制损失数据对所述边缘计算端控制分析模型集合进行优化更新，得到边缘计算端控制优化分析模型集合。
前述图1实施例一中的基于跨平台数据融合的云切设备管理方法的各种变化方式和具体实例同样适用于本实施例的基于跨平台数据融合的云切设备管理***，通过前述对基于跨平台数据融合的云切设备管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中基于跨平台数据融合的云切设备管理***的实施方法，所以为了说明书的简洁，在此不再详述。
此外，本申请还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
示例性电子设备
具体的，参见图4所示，本申请还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130，用于在处理器1120的控制下接收和发送数据。
本申请中，总线架构(用总线1110来代表)，总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线和存储器控制器、***总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、***部件互连总线。
处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
总线1110还可以将，例如***设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本申请不再对其进行进一步描述。
收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解，在本申请中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解，本申请中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器，或闪存。
易失性存储器包括：随机存取存储器，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中，存储器1150存储了操作***1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。
具体而言，操作***1151包含各种装置程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器、浏览器，用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请披露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.基于跨平台数据融合的云切设备管理方法，其特征在于，所述方法包括：
采集获取多平台云切设备运行数据流；
对所述多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流；
连接获取云切设备边缘计算端集合，对所述云切设备边缘计算端集合进行计算任务匹配，得到边缘端数据流计算任务信息；
基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流进行数据交互分析，确定跨平台数据映射路径流向网；
依据所述跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；
基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理；
其中，所述得到边缘端数据流计算任务信息，包括：
基于所述云切设备边缘计算端集合的历史计算任务信息，构建云切设备控制任务特征库；
将所述云切设备边缘计算端集合按照平台感知位置进行关联划分，确定边缘计算端关联平台集合；
对所述边缘计算端关联平台集合进行数据处理需求分析，获取边缘端平台处理需求特征信息；
将所述边缘端平台处理需求特征信息与所述云切设备控制任务特征库进行任务特征匹配，得到所述边缘端数据流计算任务信息；
所述确定跨平台数据映射路径流向网，包括：
基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流分别进行关联交互映射，获取边缘端设备运行特征数据流集合；
按照云切设备平台处理节点对所述边缘端设备运行特征数据流集合进行排序，确定云切设备运行数据流上下游顺序；
依据所述云切设备运行数据流上下游顺序进行数据交互流向标记，确定所述跨平台数据映射路径流向网；
所述得到跨平台设备融合数据流集合，包括：
根据所述跨平台数据映射路径流向网，确定跨平台数据映射路径；
获取跨平台数据融合规则，所述跨平台数据融合规则包括格式转换和数据对齐；
基于所述跨平台数据映射路径对所述多平台云切设备运行特征数据流进行格式转换，得到设备运行特征格式映射数据流；
将所述设备运行特征格式映射数据流进行数据对齐，融合得到所述跨平台设备融合数据流集合。
2.如权利要求1所述的方法，其特征在于，所述获取多平台云切设备运行特征数据流，包括：
构建多平台数据预处理策略，所述多平台数据预处理策略包括归一化处理、数据清洗、格式标准化；
基于所述多平台数据预处理策略对所述多平台云切设备运行数据流进行预处理，获取标准多平台云切设备运行数据流；
获取数据特征属性分类器，所述数据特征属性分类器包括数据类型、生成时间、存储格式；
按照所述数据特征属性分类器对所述标准多平台云切设备运行数据流进行分类标识，得到所述多平台云切设备运行特征数据流。
3.如权利要求1所述的方法，其特征在于，所述确定云切设备控制信息集合，包括：
基于所述云切设备控制任务特征库进行分析模型收敛训练，构建云切设备控制特征分析模型库；
依据所述云切设备控制特征分析模型库对所述云切设备边缘计算端集合进行处理模型配置，确定边缘计算端控制分析模型集合；
通过所述边缘计算端控制分析模型集合对所述跨平台设备融合数据流集合分别进行控制分析，得到所述云切设备控制信息集合。
4.如权利要求3所述的方法，其特征在于，所述方法包括：
通过云切设备监测模块获取设备运行控制反馈参数信息；
利用均方误差损失函数对所述设备运行控制反馈参数信息进行数据损失分析，获得云切设备运行控制损失数据；
基于所述云切设备运行控制损失数据对所述边缘计算端控制分析模型集合进行优化更新，得到边缘计算端控制优化分析模型集合。
5.基于跨平台数据融合的云切设备管理***，其特征在于，所述***包括：
共享云平台搭建模块，用于采集获取多平台云切设备运行数据流；
数据特征分类模块，用于对所述多平台云切设备运行数据流进行预处理、特征分类，获取多平台云切设备运行特征数据流；
计算任务匹配模块，用于连接获取云切设备边缘计算端集合，对所述云切设备边缘计算端集合进行计算任务匹配，得到边缘端数据流计算任务信息；
数据交互分析模块，用于基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流进行数据交互分析，确定跨平台数据映射路径流向网；
数据映射融合模块，用于依据所述跨平台数据映射路径流向网对所述多平台云切设备运行特征数据流进行数据映射融合，得到跨平台设备融合数据流集合；
云切设备运行管理模块，用于基于所述云切设备边缘计算端集合对所述跨平台设备融合数据流集合分别进行边缘处理，确定云切设备控制信息集合，并通过所述云切设备控制信息集合进行云切设备运行管理；
任务特征库构建单元，用于基于所述云切设备边缘计算端集合的历史计算任务信息，构建云切设备控制任务特征库；
关联划分单元，用于将所述云切设备边缘计算端集合按照平台感知位置进行关联划分，确定边缘计算端关联平台集合；
处理需求分析单元，用于对所述边缘计算端关联平台集合进行数据处理需求分析，获取边缘端平台处理需求特征信息；
任务特征匹配单元，用于将所述边缘端平台处理需求特征信息与所述云切设备控制任务特征库进行任务特征匹配，得到所述边缘端数据流计算任务信息；
关联交互映射单元，用于基于所述边缘端数据流计算任务信息对所述多平台云切设备运行特征数据流分别进行关联交互映射，获取边缘端设备运行特征数据流集合；
数据流排序单元，用于按照云切设备平台处理节点对所述边缘端设备运行特征数据流集合进行排序，确定云切设备运行数据流上下游顺序；
交互流向标记单元，用于依据所述云切设备运行数据流上下游顺序进行数据交互流向标记，确定所述跨平台数据映射路径流向网；
映射路径确定单元，用于根据所述跨平台数据映射路径流向网，确定跨平台数据映射路径；
融合规则获取单元，用于获取跨平台数据融合规则，所述跨平台数据融合规则包括格式转换和数据对齐；
格式转换单元，用于基于所述跨平台数据映射路径对所述多平台云切设备运行特征数据流进行格式转换，得到设备运行特征格式映射数据流；
数据对齐单元，用于将所述设备运行特征格式映射数据流进行数据对齐，融合得到所述跨平台设备融合数据流集合。
6.一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-4中任一项所述的基于跨平台数据融合的云切设备管理方法中的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的基于跨平台数据融合的云切设备管理方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311550063.XA CN117591283B (zh) | 2023-11-21 | 2023-11-21 | 基于跨平台数据融合的云切设备管理方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311550063.XA CN117591283B (zh) | 2023-11-21 | 2023-11-21 | 基于跨平台数据融合的云切设备管理方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117591283A CN117591283A (zh) | 2024-02-23 |
| CN117591283B true CN117591283B (zh) | 2024-04-16 |
Family
ID=89909289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311550063.XA Active CN117591283B (zh) | 2023-11-21 | 2023-11-21 | 基于跨平台数据融合的云切设备管理方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117591283B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019019385A1 (zh) * | 2017-07-26 | 2019-01-31 | 平安科技（深圳）有限公司 | 跨平台数据匹配方法、装置、计算机设备和存储介质 |
| WO2022012285A1 (zh) * | 2020-07-16 | 2022-01-20 | 中国能源建设集团湖南省电力设计院有限公司 | 一种多源融合的多平台能源信息管理*** |
| CN115202800A (zh) * | 2021-04-09 | 2022-10-18 | 顺丰科技有限公司 | 边缘云业务数据处理方法、装置、计算机设备和存储介质 |
| CN115759982A (zh) * | 2022-11-17 | 2023-03-07 | 新疆熙菱信息技术股份有限公司 | 多平台数据融合处理方法、***、存储介质及服务器 |
| CN115827771A (zh) * | 2022-09-09 | 2023-03-21 | 中国工商银行股份有限公司 | 跨平台数据异构调度方法及装置 |
| CN115840655A (zh) * | 2023-02-22 | 2023-03-24 | 精奇(天津)科技股份有限公司 | 跨平台数据处理*** |
-
2023
- 2023-11-21 CN CN202311550063.XA patent/CN117591283B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019019385A1 (zh) * | 2017-07-26 | 2019-01-31 | 平安科技（深圳）有限公司 | 跨平台数据匹配方法、装置、计算机设备和存储介质 |
| WO2022012285A1 (zh) * | 2020-07-16 | 2022-01-20 | 中国能源建设集团湖南省电力设计院有限公司 | 一种多源融合的多平台能源信息管理*** |
| CN115202800A (zh) * | 2021-04-09 | 2022-10-18 | 顺丰科技有限公司 | 边缘云业务数据处理方法、装置、计算机设备和存储介质 |
| CN115827771A (zh) * | 2022-09-09 | 2023-03-21 | 中国工商银行股份有限公司 | 跨平台数据异构调度方法及装置 |
| CN115759982A (zh) * | 2022-11-17 | 2023-03-07 | 新疆熙菱信息技术股份有限公司 | 多平台数据融合处理方法、***、存储介质及服务器 |
| CN115840655A (zh) * | 2023-02-22 | 2023-03-24 | 精奇(天津)科技股份有限公司 | 跨平台数据处理*** |
Non-Patent Citations (1)
| Title |
|---|
| 多平台感知数据融合的被动检测***研究;户盼鹤;陈曾平;;国防科技;20161220(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117591283A (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109492830B (zh) | 一种基于时空深度学习的移动污染源排放浓度预测方法 | |
| CN109698857B (zh) | 用于自适应工业物联网(iiot)的***和方法 | |
| CN111046027B (zh) | 时间序列数据的缺失值填充方法和装置 | |
| EP3644581B1 (en) | Edge-cloud collaboration system for analyzing internet of things data and operating method thereof | |
| JP2020017952A (ja) | 警告するための方法と装置 | |
| CN115085196B (zh) | 电力负荷预测值确定方法、装置、设备和计算机可读介质 | |
| CN113506082B (zh) | 一种基于vr的数字化工厂生产线的监管方法及*** | |
| CN114091472B (zh) | 多标签分类模型的训练方法 | |
| CN117595504A (zh) | 一种电网运行状态的智能监测预警方法 | |
| CN115618269A (zh) | 基于工业传感器生产的大数据分析方法及*** | |
| CN117312794A (zh) | 基于多源数据分析的混凝土搅拌设备故障识别方法及*** | |
| CN114385694A (zh) | 一种数据加工处理方法、装置、计算机设备及存储介质 | |
| CN117591283B (zh) | 基于跨平台数据融合的云切设备管理方法及*** | |
| CN117226846A (zh) | 用于变电站设备维护机器人的控制方法及*** | |
| CN117291576A (zh) | 一种基于工业场景数据趋势预测的方法、***、计算机设备及存储介质 | |
| CN115242684B (zh) | 全链路压测方法、装置、计算机设备及存储介质 | |
| CN113609126B (zh) | 一种众源时空数据的一体化存储管理方法及*** | |
| CN113240098B (zh) | 基于混合门控神经网络的故障预测方法、装置和存储介质 | |
| CN116052300A (zh) | 一种基于数字孪生的电力巡检***和方法 | |
| CN107688878A (zh) | 空气质量预测方法及装置 | |
| CN117167366B (zh) | 一种液压分配器的自动化流量控制方法及*** | |
| CN117458699B (zh) | 一种自适应场景的电力参数控制方法及*** | |
| CN117236599B (zh) | 基于多元化算力融合的供电服务提升方法及*** | |
| CN117953148A (zh) | 基于运检数据融合的变电站三维模型优化方法及*** | |
| CN113852349B (zh) | 一种5g光伏电站的远程监控方法及*** |
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 |