Paineanturi 3408560 Cummins QSK Diesel -moottorin osille
Yksityiskohdat
Markkinoinnin tyyppi:Kuuma tuote 2019
Alkuperäpaikka:Zhejiang, Kiina
Tuotemerkki:LENTÄVÄ HÄRÄ
Takuu:1 vuosi
Osanumero:3408560
Tyyppi:paineanturi
Laatu:Korkealaatuinen
Tarjottu myynnin jälkeinen palvelu:Online-tuki
Pakkaus:Neutraali pakkaus
Toimitusaika:5-15 päivää
Tuotteen esittely
Tietojen fuusiojärjestelmässä on eri tietojenkäsittelymenetelmien mukaan kolme arkkitehtuuria: hajautettu, keskitetty ja hybridi.
1) Hajautettu: Ensin itsenäisten antureiden saadut alkuperäiset tiedot käsitellään paikallisesti, ja sitten tulokset lähetetään tietofuusiokeskukseen älykästä optimointia ja yhdistämistä varten lopullisten tulosten saamiseksi. Distributedilla on alhainen kysyntä tiedonsiirron kaistanleveydelle, nopealle laskentanopeudelle, hyvälle luotettavuudelle ja jatkuvuudelle, mutta seurantatarkkuus on paljon pienempi kuin keskitetyn. Hajautettu fuusiorakenne voidaan jakaa hajautettuun fuusiorakenteeseen, jossa on palaute, ja hajautettuun fuusiorakenteeseen ilman palautetta.
2) Keskittäminen: Keskittäminen lähettää kunkin anturin saamat raakatiedot suoraan keskusprosessorille fuusiokäsittelyä varten, joka voi toteuttaa reaaliaikaisen fuusion. Sen tietojenkäsittelyn tarkkuus on korkea ja algoritmi joustava, mutta sen haittoja ovat korkeat vaatimukset prosessorille, alhainen luotettavuus ja suuri datamäärä, joten se on vaikea toteuttaa;
3) Hybridi: Hybridissä usean sensorin tietojen fuusiokehyksessä jotkin anturit käyttävät keskitettyä fuusiotilaa ja loput hajautettua fuusiotilaa. Hybridifuusiokehyksellä on vahva sopeutumiskyky, se ottaa huomioon keskitetyn fuusion ja jakelun edut ja sillä on vahva vakaus. Hybridifuusiotilan rakenne on monimutkaisempi kuin kahden ensimmäisen fuusiomoodin, mikä lisää viestintä- ja laskentakustannuksia.
Kalman-suodatin (KF)
Kalman-suodattimen tiedonkäsittelyprosessi on yleensä ennakointi ja korjaus. Se ei ole vain yksinkertainen ja konkreettinen algoritmi, vaan myös erittäin hyödyllinen järjestelmän prosessointimalli usean sensorin tietofuusioteknologian roolissa. Itse asiassa se on samanlainen kuin monien järjestelmien menetelmät käsitellä tietodataa. Se tarjoaa tehokkaan tilastollisen optimaalisen arvion sulatetulle tiedolle matemaattisen iteratiivisen rekursiivisen laskennan avulla, mutta vaatii vähän tallennustilaa ja laskentaa, joten se soveltuu ympäristöön, jossa tiedonkäsittelytila ja -nopeus on rajallinen. KF voidaan jakaa kahteen tyyppiin: hajautettu Kalman-suodatin (DKF) ja laajennettu Kalman-suodatin (EKF). DKF voi tehdä tietojen yhdistämisestä täysin hajautettua, kun taas EKF voi tehokkaasti voittaa tietojenkäsittelyvirheiden ja epävakauden vaikutuksen tiedonfuusioprosessiin.