本文關(guān)鍵詞：制造業(yè)物聯(lián)網(wǎng)基于事件優(yōu)先級的復雜事件檢測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在制造物聯(lián)的環(huán)境下,生產(chǎn)現(xiàn)場環(huán)境惡劣,因此必須把大量不同的傳感器部署到制造業(yè)現(xiàn)場的各個地方來實時監(jiān)控現(xiàn)場人、物料、設備、環(huán)境等數(shù)據(jù)。這造成了制造業(yè)中海量數(shù)據(jù)的產(chǎn)生,而用戶感興趣的只是一些有特定語義的高級事件,如何快速高效地從海量數(shù)據(jù)中提取出用戶感興趣的信息成為一個近年來的研究問題。為了從海量數(shù)據(jù)流中提取出用戶感興趣的信息,國內(nèi)外各個學者提出了各種解決方案。這些方案大多數(shù)解決的是順序的事件流,并認為進行復雜事件檢測時所有事件均可以保存在內(nèi)存中。但由于制造業(yè)現(xiàn)場環(huán)境的干擾、傳輸時網(wǎng)絡的延時等原因,會造成數(shù)據(jù)流到達處理器時出現(xiàn)亂序的現(xiàn)象。并且隨著部署在現(xiàn)場的感知節(jié)點的越來越多,數(shù)據(jù)量會呈爆炸性增長,把所有數(shù)據(jù)保存在內(nèi)存中進行復雜事件檢測已經(jīng)不可能實現(xiàn)。針對制造業(yè)中異常事件檢測中存在的問題,本文在分析研究了制造業(yè)現(xiàn)場數(shù)據(jù)的特征后,結(jié)合節(jié)點的分布式部署方案,提出了一種分布式的異常復雜事件檢測框架,通過部署在現(xiàn)場的節(jié)點以及后端的服務器,快速地檢測生產(chǎn)過程中發(fā)生的異常事件。為了更好地定義異常事件,本文對事件的緊急程度進行了劃分,并提出了事件優(yōu)先級在復雜事件檢測中的應用�？紤]到不同事件的不同緊急程度,通過對正常事件的分析,給出了事件優(yōu)先級的判斷準則,并通過一種改進的布隆過濾器,設計了一種高效的分布式事件優(yōu)先級判斷算法。根據(jù)傳輸?shù)椒⻊掌髦惺录膬?yōu)先級,本文提出了一種基于事件優(yōu)先級的復雜事件檢測算法�；谑录䞍�(yōu)先級,可以很好的進行內(nèi)外存置換,有效地解決了海量事件不能完全保存在內(nèi)存中的問題,并對亂序的事件流有一定的容錯性,保證了在不按順序傳輸?shù)氖录饕材苓M行正確的復雜事件檢測。本文主要研究制造業(yè)物聯(lián)網(wǎng)環(huán)境中的復雜事件檢測,通過分析數(shù)據(jù)特征,提出了一種事件優(yōu)先級判定算法,并根據(jù)事件優(yōu)先級設計了一種基于事件優(yōu)先級的復雜事件檢測算法。最后通過與傳統(tǒng)復雜事件檢測算法的仿真比較,看出了此算法在制造業(yè)物聯(lián)網(wǎng)環(huán)境下的高效性,并通過比較看出此算法在時間效率上相對傳統(tǒng)復雜事件檢測算法有較大的提高。
【關(guān)鍵詞】：制造物聯(lián)網(wǎng) 復雜事件檢測 優(yōu)先級 布隆過濾器
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.44;TN929.5
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 緒論13-21
• 1.1 課題的研究背景及意義13-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-18
• 1.2.1 制造業(yè)物聯(lián)網(wǎng)研究現(xiàn)狀15
• 1.2.2 復雜事件檢測研究現(xiàn)狀15-18
• 1.2.3 異常事件檢測現(xiàn)狀18
• 1.3 課題來源及本文主要研究內(nèi)容與結(jié)構(gòu)18-19
• 1.3.1 課題來源18
• 1.3.2 本文研究內(nèi)容及創(chuàng)新點18-19
• 1.4 論文結(jié)構(gòu)19-21
• 第二章 復雜事件檢測相關(guān)技術(shù)21-31
• 2.1 引言21
• 2.2 復雜事件檢測基本理論21-26
• 2.2.1 事件的分類22-23
• 2.2.2 復雜事件處理體系結(jié)構(gòu)23-26
• 2.3 現(xiàn)有復雜事件處理原型系統(tǒng)26-28
• 2.4 分布式事件處理框架Storm28-30
• 2.5 本章小結(jié)30-31
• 第三章 制造物聯(lián)數(shù)據(jù)分析與分布式事件檢測框架31-43
• 3.1 傳統(tǒng)制造業(yè)現(xiàn)場數(shù)據(jù)分析31-33
• 3.2 制造物聯(lián)網(wǎng)系統(tǒng)結(jié)構(gòu)33-35
• 3.3 分布式復雜事件檢測框架設計35-42
• 3.3.1 事件的數(shù)據(jù)模型35-37
• 3.3.2 感知節(jié)點數(shù)據(jù)的預處理37-38
• 3.3.3 分布式復雜事件檢測框架38-42
• 3.4 本章小結(jié)42-43
• 第四章 分布式事件優(yōu)先級判定算法43-57
• 4.1 事件優(yōu)先級分析43-44
• 4.2 典型布隆過濾器介紹44-47
• 4.2.1 布隆過濾器的存儲與查詢44-46
• 4.2.2 誤判概率分析46-47
• 4.3 改進算法的提出47-51
• 4.3.1 改進的布隆過濾器47-49
• 4.3.2 改進的布隆過濾器性能分析49-51
• 4.4 優(yōu)先級判斷算法51-55
• 4.4.1 優(yōu)先級判斷算法設計51-53
• 4.4.2 哈希函數(shù)的選擇53
• 4.4.3 分布式事件優(yōu)先級判斷的實現(xiàn)53-55
• 4.5 本章小結(jié)55-57
• 第五章 基于事件優(yōu)先級的復雜事件檢測算法57-72
• 5.1 基于事件優(yōu)先級的復雜事件檢測的處理流程57-58
• 5.2 批次工藝信息在內(nèi)存中的存儲58-59
• 5.3 批次信息在內(nèi)存中的存儲59-60
• 5.4 復雜事件檢測60-62
• 5.5 向后匹配操作62
• 5.6 事件在內(nèi)外存中的存儲結(jié)構(gòu)62-63
• 5.7 事件的內(nèi)外存置換規(guī)則63-65
• 5.8 實驗分析65-71
• 5.8.1 與傳統(tǒng)SASE算法的對比分析66
• 5.8.2 亂序事件比例分析66-67
• 5.8.3 異常事件比例分析67-68
• 5.8.4 批次數(shù)量分析68-69
• 5.8.5 窗口大小分析69-70
• 5.8.6 內(nèi)外存置換規(guī)則分析70-71
• 5.9 本章小結(jié)71-72
• 總結(jié)與展望72-74
• 參考文獻74-80
• 攻讀學位期間發(fā)表的學術(shù)論文80
• 攻讀學位期間參加的科研項目80-82
• 致謝82

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 洪宇;張宇;范基禮;劉挺;李生;;基于子話題分治匹配的新事件檢測[J];計算機學報;2008年04期

2 史新宏,蔡伯根;高速公路自動事件檢測算法[J];交通運輸系統(tǒng)工程與信息;2001年04期

3 周林英;朱斌;趙忠杰;;基于支持向量機的高速公路事件檢測算法[J];系統(tǒng)仿真技術(shù);2010年03期

4 陳艷艷;田啟華;;公交調(diào)度系統(tǒng)事件檢測算法研究[J];北京工業(yè)大學學報;2011年12期

5 郝艷哲;;京秦高速公路視頻事件檢測系統(tǒng)應用[J];中國交通信息化;2013年04期

6 王闖舟;;提升事件檢測的商業(yè)價值[J];軟件世界;2007年20期

7 王彩琴;;基于智能分析的高速公路事件檢測系統(tǒng)的研究與開發(fā)[J];浙江統(tǒng)計;2007年11期

8 王穎穎;張峗;胡乃靜;;在線新事件檢測系統(tǒng)中的性能提升策略[J];計算機工程;2008年15期

9 倉玉;洪宇;姚建民;朱巧明;;基于時序話題模型的新事件檢測[J];智能計算機與應用;2011年03期

10 樓曉俊;鮑必賽;劉海濤;;分布式信息融合的物聯(lián)網(wǎng)事件檢測方法[J];南京郵電大學學報(自然科學版);2012年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 洪宇;張宇;范基禮;劉挺;李生;;基于子話題分治匹配的新事件檢測[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

2 劉霄;邵健;莊越挺;;基于主題模型的網(wǎng)絡突發(fā)熱點事件檢測[A];第七屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2011)論文集【poster】[C];2011年

3 胡佳鋒;金蓓弘;陳海彪;;空間事件檢測的加速策略研究[A];第七屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2011)論文集【oral】[C];2011年

4 萬濤;陳學武;王川久;;高速公路事件自動檢測算法研究綜述[A];第一屆中國智能交通年會論文集[C];2005年

5 張闊;李涓子;吳剛;;基于關(guān)鍵詞元的話題內(nèi)事件檢測[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

6 覃頻頻;許登元;姚起宏;黃大明;;基于表決融合的高速公路事件檢測算法融合[A];'2006系統(tǒng)仿真技術(shù)及其應用學術(shù)交流會論文集[C];2006年

7 陳俊;李國輝;;擁擠視頻監(jiān)控中的事件檢測[A];第七屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2011)論文集【poster】[C];2011年

8 張永忠;趙靜;;基于事件檢測算法的交通數(shù)據(jù)分析系統(tǒng)[A];中國計量協(xié)會冶金分會2008年會論文集[C];2008年

9 劉海龍;李戰(zhàn)懷;陳群;;RFID供應鏈系統(tǒng)中的在線復雜事件檢測方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集A輯二[C];2010年

10 周春姐;孟小峰;文潔;;Flickr中的復合事件檢測[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 王闖舟;事件檢測提升服務的商業(yè)價值[N];計算機世界;2006年

2 杭州�？低晹�(shù)字技術(shù)股份有限公司 浦世亮;IVS技術(shù)在城市安防系統(tǒng)中的應用[N];計算機世界;2008年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 劉昌余;多媒體事件檢測中的關(guān)鍵技術(shù)研究[D];華南理工大學;2015年

2 覃頻頻;基于信息融合的高速公路事件檢測建模與仿真[D];西南交通大學;2007年

3 余柳;基于移動源數(shù)據(jù)的城市快速交通事件檢測W-CUSUM算法與評價[D];北京交通大學;2010年

4 柯佳;基于語義的視頻事件檢測分析方法研究[D];江蘇大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 裴孝中;行車噪聲環(huán)境下的快速聲學事件檢測方法研究[D];哈爾濱工業(yè)大學;2015年

2 熊偉晴;基于位置信息的事件檢測[D];哈爾濱工業(yè)大學;2015年

3 李旭;面向多來源新聞的領(lǐng)域事件分析[D];浙江大學;2015年

4 陳斌;基于云的復雜事件檢測服務[D];浙江大學;2015年

5 肖軍;基于車檢器數(shù)據(jù)的高速公路事件檢測可靠性提升技術(shù)研究[D];重慶大學;2015年

6 孫方園;基于圖的中文微博災難事件檢測[D];浙江大學;2016年

7 趙偉;足球視頻精彩事件檢測算法研究[D];北京理工大學;2016年

8 張玉;基于微博的突發(fā)事件檢測方法研究[D];蘭州大學;2016年

9 吳維耀;制造業(yè)物聯(lián)網(wǎng)基于事件優(yōu)先級的復雜事件檢測方法研究[D];廣東工業(yè)大學;2016年

10 周林英;基于支持向量機的高速公路事件檢測算法[D];長安大學;2009年

  本文關(guān)鍵詞：制造業(yè)物聯(lián)網(wǎng)基于事件優(yōu)先級的復雜事件檢測方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：282044