工業(yè)大數(shù)據(jù)融合體系結構與關鍵技術

前言

第1章　緒論  1

1.1　工業(yè)4.0  1

1.1.1　發(fā)展歷程  1

1.1.2　設計原則  2

1.1.3　成熟度模型  4

1.2　信息物理系統(tǒng)  5

1.2.1　發(fā)展階段  5

1.2.2　體系結構  5

1.2.3　關鍵技術  8

1.3　大數(shù)據(jù)  13

1.3.1　大數(shù)據(jù)的定義  13

1.3.2　大數(shù)據(jù)帶來的挑戰(zhàn)  16

1.3.3　大數(shù)據(jù)技術  21

1.3.4　大數(shù)據(jù)管理  44

第2章　工業(yè)無線傳感器網(wǎng)絡數(shù)據(jù)融合  53

2.1　引言  53

2.1.1　工業(yè)4.0與智能工廠  53

2.1.2　傳感器云  57

2.1.3　工業(yè)無線傳感器網(wǎng)絡與傳感器云  59

2.2　數(shù)據(jù)融合體系結構  65

2.2.1　多源異構數(shù)據(jù)的統(tǒng)一描述與管理機制  65

2.2.2　基于傳感器技術的工業(yè)無線傳感器網(wǎng)絡  70

2.3　基于分布式云的數(shù)據(jù)感知與管理軟件  92

2.3.1　功能描述  92

2.3.2　設計與實現(xiàn)  93

2.3.3　典型應用場景  102

2.3.4　運行環(huán)境及安裝流程  102

2.3.5　使用說明  106

第3章　面向工業(yè)4.0的數(shù)據(jù)采集機制  110

3.1　引言  110

3.2　設施位置問題  113

3.2.1　設施位置問題概述  113

3.2.2　k中點問題  114

3.3　低開銷的虛擬傳感器管理機制  115

3.3.1　k資源調度器  116

3.3.2　漸進交換算法  125

3.3.3　貪心算法  127

3.3.4　RK算法  129

3.4　實驗與分析  131

3.4.1　參數(shù)設置  131

3.4.2　結果與分析  132

第4章　工業(yè)過程數(shù)據(jù)的故障預測與質量預測  140

4.1　引言  140

4.2　相關工作與背景知識  141

4.3　基于高斯過程回歸的預測模型  144

4.3.1　單步預測模型  144

4.3.2　基于時間序列的多步預測  147

4.3.3　基于高斯過程回歸的基本模型和反饋模型  148

4.4　實驗與分析  148

4.4.1　TE模擬平臺  148

4.4.2　對比實驗  149

4.4.3　評價指標  151

4.4.4　實驗核函數(shù)構建  151

4.4.5　結果與分析  152

第5章　時間序列數(shù)據(jù)的模式異常檢測  163

5.1　引言  163

5.2　相關工作  166

5.3　定義  170

5.4　骨架模式表示異常檢測方法  171

5.4.1　基于可感知重要點的骨架表示  171

5.4.2　模式表示  174

5.4.3　基于骨架模式表示的異常檢測  175

5.5　實驗與分析  177

5.5.1　性能指標  177

5.5.2　針對合成數(shù)據(jù)集的實驗  178

5.5.3　針對真實數(shù)據(jù)集的實驗  185

第6章　時間序列數(shù)據(jù)的異常值檢測  190

6.1　引言  190

6.2　異常值檢測技術綜述  193

6.2.1　常見的異常值檢測技術  193

6.2.2　隔離森林  196

6.2.3　本地異常值因子  198

6.3　基于最近鄰居集合的隔離方案  200

6.3.1　問題陳述  200

6.3.2　基于最近鄰居集合的隔離  202

6.3.3　面向無線傳感器網(wǎng)絡的分布式檢測模型  205

6.4　實驗與分析  210

6.4.1　數(shù)據(jù)集  211

6.4.2　性能指標  213

6.4.3　結果與分析  214

第7章　總結與展望  225

參考文獻  231

主要縮略語對照表  263