吳榮珍

(福建農(nóng)業(yè)職業(yè)技術學院，福建 福州 353123)

0 引言

針對傳感器所獲取的數(shù)據(jù)在形式上的多樣性和復雜性，分析了多源數(shù)據(jù)融合技術可以更好地分析其采集的數(shù)據(jù)，通過檢測數(shù)據(jù)智能分析接口，以此解析系統(tǒng)配置數(shù)據(jù)，并根據(jù)性能評估結果調(diào)節(jié)數(shù)據(jù)智能運營模式，以此保證數(shù)據(jù)智能規(guī)劃的效率.

文獻[1]中，引入深度置信網(wǎng)絡對醫(yī)療財務大數(shù)據(jù)進行智能化識別，實現(xiàn)對醫(yī)院經(jīng)營狀態(tài)的自動化評估，但缺少對多源數(shù)據(jù)的結構化處理.文獻[2]中，通過擴大數(shù)據(jù)信息的采集范圍，針對數(shù)據(jù)應用的性能進行數(shù)據(jù)計量裝置的配置，并針對數(shù)據(jù)計量裝置信息化的系統(tǒng)深化應用進行分析，但數(shù)據(jù)信息采集的成功率較低.文獻[3]中，分層設計數(shù)據(jù)集成的集合平臺，通過檢測數(shù)據(jù)集成結構，對數(shù)據(jù)智能分析的監(jiān)測內(nèi)容進行說明，并整合數(shù)據(jù)智能分析步驟，但是缺少對數(shù)據(jù)智能分析算法的設計.

為解決上述問題，本文根據(jù)多源數(shù)據(jù)融合技術，設計傳感器數(shù)據(jù)智能分析系統(tǒng)，構建數(shù)據(jù)智能分析算法.并通過采集多源化智能傳感數(shù)據(jù)信號，結構化處理多源數(shù)據(jù)，并利用智能傳感數(shù)據(jù)信號采集數(shù)據(jù)信息，完成數(shù)據(jù)分析.

1 硬件設計

1.1 建立多源數(shù)據(jù)信號傳感器

建立多源數(shù)據(jù)信號傳感器，首先分析多源數(shù)據(jù)信號傳感器的結構，并根據(jù)系統(tǒng)對于信號傳感的性能要求，以及傳感器架構設計數(shù)據(jù)流接口，通過數(shù)據(jù)流結構設計傳感器結構[4-6].劃分數(shù)據(jù)智能分析的框架，將數(shù)據(jù)智能分析多源數(shù)據(jù)信號傳感器設置為層次結構[7]，存儲并預處理多源數(shù)據(jù)信號[8].控制數(shù)據(jù)信號流向多源數(shù)據(jù)處理層，并在處理層經(jīng)過數(shù)據(jù)監(jiān)控存儲后進行輸出[9].由此構建傳感器數(shù)據(jù)流接口，如圖1所示.

圖1 傳感器數(shù)據(jù)流接口示意圖

根據(jù)傳感器數(shù)據(jù)流接口分析可知，數(shù)據(jù)信號流向多源數(shù)據(jù)處理層，并且通過云端服務器傳遞傳感器數(shù)據(jù)[10].因此，對于多源數(shù)據(jù)信號傳感器能夠準確傳輸數(shù)據(jù)信號有硬性要求[11].據(jù)此計算數(shù)據(jù)狀態(tài)信號的丟包率，并監(jiān)測數(shù)據(jù)傳輸率[12].根據(jù)應用層的數(shù)據(jù)狀態(tài)制定源數(shù)據(jù)傳輸參考標準，如表1所示.

表1 源數(shù)據(jù)傳輸參考標準

根據(jù)制定的數(shù)據(jù)狀態(tài)對源數(shù)據(jù)傳輸標準，以及參考值確定數(shù)據(jù)傳感內(nèi)容，將傳感內(nèi)容與數(shù)據(jù)發(fā)送時延并行分析，組建多源數(shù)據(jù)信號傳感器結構，如圖2所示.

通過組建多源數(shù)據(jù)信號傳感器，對多源數(shù)據(jù)信號進行預處理，并提取數(shù)據(jù)信號特征[13].針對多源數(shù)據(jù)融合的數(shù)據(jù)智能分析結果存儲，并及時更新數(shù)據(jù)內(nèi)容，從而達到判斷智能分析數(shù)據(jù)遲延解調(diào)的目的.

1.2 構建數(shù)據(jù)智能分析電路

為了保證數(shù)據(jù)智能分析速率，更好地存儲機器學習數(shù)據(jù)，調(diào)整數(shù)據(jù)智能分析電路的負荷.智能電路的歷史數(shù)據(jù)分析輸出過程較漫長，因此構建電路更新時序，如圖3所示.

圖2 多源數(shù)據(jù)信號傳感器結構示意圖

圖3 電路更新時序

表2 電路傳輸?shù)臄?shù)據(jù)類型

圖4 數(shù)據(jù)智能分析電路

根據(jù)電路更新時序圖，智能劃分電路傳輸?shù)臄?shù)據(jù)類型，并總結電路傳輸?shù)臄?shù)據(jù)類型如表2所示.

根據(jù)電路傳輸數(shù)據(jù)類型構建數(shù)據(jù)智能分析電路[14].為了保證數(shù)據(jù)智能分析對應的數(shù)據(jù)監(jiān)聽包涌入時，不超過數(shù)據(jù)智能分析電路的荷載范圍，需要預先對數(shù)據(jù)分析包的大小進行計算，公式如下.

(1)

其中，設數(shù)據(jù)包中的參數(shù)pps前三個值分別為A1，A2，A3，n為數(shù)據(jù)傳輸首個數(shù)據(jù)包的長度，Si為數(shù)據(jù)智能分析電路的數(shù)據(jù)包傳輸字節(jié)[15].利用數(shù)據(jù)分析包的大小，對數(shù)據(jù)包涌入時的荷載波動范圍進行計算，計算公式如下.

(2)

其中，q為線路荷載標準值，li為第i個數(shù)據(jù)包的長度，根據(jù)數(shù)據(jù)向量確立荷載波動范圍，并據(jù)此選擇數(shù)據(jù)智能分析電路的線路型號[16]，保證數(shù)據(jù)傳輸安全.據(jù)此，設計數(shù)據(jù)智能分析電路如圖4所示.

利用數(shù)據(jù)智能分析電路，智能化分析多源數(shù)據(jù)融合的數(shù)據(jù)，分擔數(shù)據(jù)傳輸主線路的傳輸壓[17].并在數(shù)據(jù)向量荷載波動的范圍內(nèi)，確定數(shù)據(jù)傳輸?shù)淖止?jié)波動范圍，同時避免數(shù)據(jù)包涌入超載造成數(shù)據(jù)線路短路.

2 軟件設計

2.1 采集多源化智能傳感數(shù)據(jù)信號

利用多源數(shù)據(jù)信號傳感器，采集多源化智能傳感數(shù)據(jù)信號.首先控制數(shù)據(jù)采集傳輸層，預處理多源化智能傳感數(shù)據(jù)，通過信號預處理控制智能分析指令，并利用連接應用層間的多源化智能傳感數(shù)據(jù)實現(xiàn)通訊連接，通過預處理信號算法傳輸數(shù)據(jù)[18].并利用上位機操縱數(shù)據(jù)傳輸順序，進入第一步內(nèi)在邏輯數(shù)據(jù)預先處理應用層.

分散處理多源化智能傳感數(shù)據(jù)的數(shù)字化控制信息，并總結內(nèi)在邏輯數(shù)據(jù)信號的規(guī)律，對傳感數(shù)據(jù)進行內(nèi)部命名，按照電路傳輸數(shù)據(jù)的類型調(diào)試處理[19].快速確定調(diào)試數(shù)據(jù)的查詢位置，根據(jù)通用性查詢并統(tǒng)計多源化智能傳感數(shù)據(jù)，以便后續(xù)進行分析[20].據(jù)此得到多源化智能傳感數(shù)據(jù)端接匹配報告，并截留報告，整理電路傳輸數(shù)據(jù)類型的端接匹配報告，如表3所示.

表3 整理電路傳輸數(shù)據(jù)類型的端接匹配報告

已知匹配結果中存在數(shù)據(jù)類型端接不匹配的情況時，剔除端接匹配報告的端接數(shù)據(jù)類型，并整理匹配的電路數(shù)據(jù)類型，根據(jù)匹配結果設定多源化智能傳感數(shù)據(jù)信號采集類別集合為Ci(i=1,2,…,C)，篩選總數(shù)為Ni的數(shù)據(jù)類別集合，并針對部分篩選數(shù)據(jù)集合進行初始熵值計算，公式如下.

(3)

其中，t為傳感數(shù)據(jù)信號采集時間，Pt為電路匹配端接功率.利用篩選數(shù)據(jù)集合的初始熵值，判斷多源化智能傳感數(shù)據(jù)的聚類中心，并對傳感數(shù)據(jù)的采集區(qū)間進行計算，公式如下.

(4)

圖5 多源數(shù)據(jù)信號結構化偽代碼

2.2 設計多源數(shù)據(jù)信號結構化分析算法

根據(jù)多源化智能傳感數(shù)據(jù)信號，設計多源數(shù)據(jù)信號結構化分析算法.首先，設定多源數(shù)據(jù)信號結構化分析算法的分析程序，偽代碼如圖5所示.

利用多源數(shù)據(jù)下游自查并劃分數(shù)據(jù)屬性結構，并通過鏈接關系逆向推理多源數(shù)據(jù)信號結構，當出現(xiàn)逆向邏輯反饋時，提取數(shù)據(jù)信號，并進行結構化分析，此時鏈接關系的表達式如下.

(5)

通過修改多源數(shù)據(jù)傳感信號，得到多源數(shù)據(jù)信號結構化的關系矩陣，公式如下.

(6)

通過多源數(shù)據(jù)信號結構的關系矩陣，確立多源數(shù)據(jù)信號鏈接關系，并通過鏈接關系標注信號數(shù)據(jù)，據(jù)此控制多源數(shù)據(jù)信號在數(shù)據(jù)信號結構中的位置，通過鏈接跳轉(zhuǎn)分析多源數(shù)據(jù)信號，并讀取多源數(shù)據(jù)信號內(nèi)容，分析多源數(shù)據(jù)信號結構.

2.3 完成數(shù)據(jù)智能化分析

利用多源數(shù)據(jù)融合建立數(shù)據(jù)智能化分析架構，通過增添數(shù)據(jù)瀏覽接口，連接數(shù)據(jù)分析兩端的服務器，據(jù)此整理用戶分析數(shù)據(jù)，同時提供數(shù)據(jù)參數(shù)，并處理數(shù)據(jù)智能化分析趨勢，同時收集整理數(shù)據(jù)智能應用層，根據(jù)端接報告展示數(shù)據(jù)分析結果，如圖6所示.

圖6 端接報告數(shù)據(jù)分析展示

根據(jù)端接報告數(shù)據(jù)分析展示內(nèi)容，進行數(shù)據(jù)智能化分析重組，并智能化分析多源數(shù)據(jù).當出現(xiàn)數(shù)據(jù)包整體分析進度解壓結果后，按照預定的內(nèi)在邏輯導出多源數(shù)據(jù)信號內(nèi)容，并獨立分析自檢數(shù)據(jù)類型，導出預先設定好的處理邏輯.同時分離不匹配端接報告的數(shù)據(jù)類型，利用后臺壓縮文件數(shù)據(jù)信號重新匹配端接報上傳，以完成數(shù)據(jù)智能化分析.至此，完成對基于多源數(shù)據(jù)融合的傳感器數(shù)據(jù)智能分析系統(tǒng)的設計.

3 系統(tǒng)測試

3.1 測試準備

測試開始前搭建測試環(huán)境，并采集測試傳感數(shù)據(jù)，通過網(wǎng)絡爬蟲挖掘測試傳感數(shù)據(jù)，并按照指定源數(shù)據(jù)傳輸參考標準劃分數(shù)據(jù)類型，將整理好的電路傳輸?shù)臄?shù)據(jù)類型按照端接匹配報告的順序進行排列.將實驗數(shù)據(jù)分為8組，分別應用文獻[1]、文獻[2]、文獻[3]與本文設計系統(tǒng)進行測試，分別測得文獻[1]、文獻[2]、文獻[3]與本文設計系統(tǒng)的傳感數(shù)據(jù)分析遲延解調(diào)率，對測試結果進行整理.

3.2 對比傳感數(shù)據(jù)分析遲延解調(diào)率

測試得到文獻[1]、文獻[2]、文獻[3]與基于多源數(shù)據(jù)融合的數(shù)據(jù)智能分析的傳感數(shù)據(jù)分析遲延解調(diào)率結果，如圖7所示.

分析圖7中數(shù)據(jù)可知，在分析傳感數(shù)據(jù)的過程中，當解調(diào)時間達到100 ms時，文獻[1]、文獻[2]、文獻[3]的解調(diào)率達到最高，分別為70%，50%，25%，相較于設計系統(tǒng)的傳感數(shù)據(jù)分析遲延解調(diào)率75%均更低.當解調(diào)時間達到2 000 ms時，文獻[1]、文獻[2]、文獻[3]的解調(diào)率達到最低，分別為12.5%，6.2%，12.5%，相較于設計系統(tǒng)的傳感數(shù)據(jù)分析遲延解調(diào)率30%均更低.因此，基于多源數(shù)據(jù)融合的傳感器數(shù)據(jù)智能分析系統(tǒng)實用性更好.

考慮到數(shù)據(jù)分析過程中會存在大量干擾數(shù)據(jù)，數(shù)據(jù)智能分析系統(tǒng)的抗干擾性能極為重要，統(tǒng)計采用四種系統(tǒng)傳感器數(shù)據(jù)智能分析過程中在加入不同大小白噪聲情況下的分析精度，分別加入大小為5～40 dB的白噪聲，統(tǒng)計結果如圖8所示.

圖7 傳感數(shù)據(jù)分析遲延解調(diào)率結果

圖8 干擾情況下分析精度對比

圖8實驗結果可以看出，采用本文設計系統(tǒng)在不同白噪聲干擾下仍具有較高的分析精度.本文設計系統(tǒng)在加入白噪聲大小為40 dB情況下，分析精度仍高于98.5%.設計系統(tǒng)在不同白噪聲情況下分析精度均明顯高于另三種方法，驗證本文設計系統(tǒng)具有較高的抗干擾性能.

4 結束語

通過本文設計系統(tǒng)，提升了數(shù)據(jù)分析的遲延解調(diào)率，解決了傳感數(shù)據(jù)分析遲延線路過載的問題，并通過端接匹配報告劃分傳感數(shù)據(jù)類型，實現(xiàn)數(shù)據(jù)智能化精準分析.今后應當繼續(xù)研究傳感數(shù)據(jù)的遲延率，從電能計量大數(shù)據(jù)的多維角度，集成數(shù)據(jù)智能分析挖掘內(nèi)容，并整合智能數(shù)據(jù)分析結果，以此得到數(shù)據(jù)智能化分析的最優(yōu)解.