基于动态频率算法的远程监控系统数据采集优化策略

张斌; 朱建涛; 徐曌

Chinese

您当前的位置：

首页 >

文章列表页 >

基于动态频率算法的远程监控系统数据采集优化策略

更新时间：2026-09-04

- 基于动态频率算法的远程监控系统数据采集优化策略
- Data Gathering Optimization Strategy Based on Dynamic Frequency Algorithm for Remote Monitoring System
- 微电子学与计算机 2016年33卷第8期页码：86-91
- 作者机构：
  
  桂林电子科技大学机构计算机科学与工程学院,广西,桂林,541004
- 作者简介：
- 基金信息：
  
  广西科学研究与技术开发计划项目桂科攻1348014-6广西工业创新发展项目桂工信投资2014276号
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
张斌, 朱建涛, 徐曌. 基于动态频率算法的远程监控系统数据采集优化策略[J]. 微电子学与计算机, 2016, 33(8): 86-91.

ZHANG Bin, ZHU Jian-tao, XU Zhao. Data Gathering Optimization Strategy Based on Dynamic Frequency Algorithm for Remote Monitoring System[J]. 2016, 33(8): 86-91.
张斌, 朱建涛, 徐曌. 基于动态频率算法的远程监控系统数据采集优化策略[J]. 微电子学与计算机, 2016, 33(8): 86-91. DOI：

ZHANG Bin, ZHU Jian-tao, XU Zhao. Data Gathering Optimization Strategy Based on Dynamic Frequency Algorithm for Remote Monitoring System[J]. 2016, 33(8): 86-91. DOI：

摘要

提出一种基于动态频率算法的数据采集优化策略

以ARMA预测为基础

根据数据变化趋势

动态改变采集频率

从而以较小频率采集到报警信息

在保证关键信息准确采集的同时

提高了数据的实时性与数据挖掘效率.最后给出具体算法与实验

以及对比说明该算法的效果.

Abstract

The paper proposes an algorithm based dynamic frequency to solve the problem. Base the prediction of ARMA and data changing trend

the algorithm changes the frequency of data collection. Through the algorithm

the key information could be collected in time and the efficiency could be improved. At last

the algorithm and experiment will be displayed and the benefits of the algorithm in comparison with polling have been shown.

关键词

Keywords

references

李向前. 复杂装备故障预测与健康管理关键技术研究[D]. 北京: 北京理工大学, 2014.

Youqiang Sun. Prediction about time series based on updated prediction ARMA Model[C]//International Conference on Fuzzy System and Knowledge Discovery. Shenyang: IEEE, 2013: 680-684.

王衍学. 机械故障监测诊断的若干新方法及其应用研究[D]. 西安: 西安交通大学2009.

杨叔子. 时间序列分析的工程应用[M]. 武汉: 华中科技大学出版社, 2007.

Chao Wu. Ambient Singals based Power System Oscillation Modes Identification considering Model Order Selection[C]// Power % Energy Society General Meeting. Calgary, AB: IEEE, 2009: 1-7.

Pappas S S, Ekonomou L, Karamousantas D Ch, et al. Electricity demand loads modeling using Auto Regressive Moving Average (ARMA) models [J]. Energy, 2008, 33(9): 1353-1360. DOI: 1353

张树京. 时间序列分析简明教程[M]. 北京: 清华大学出版社, 2003.

邵富杰. 远程故障诊断技术在数据采集系统中的应用[J]. 工业控制计算机, 2007, 20(7)15-20. DOI: 15

耿宏, 刘晓萌, 刘富学, 等. 基于飞行计划的惯性导航误差模型分析[J]. 计算机测量与控制, 2015, 23(7)2528-2531. DOI: 2528

王可东, 熊少锋. ARMA建模及其在Kalman滤波中的应用[J]. 宇航学报, 2012, 33(8): 1048-1055. DOI: 1048

刘刚, 郝敬敏, 邝继双, 等. 机械设备事故趋势与越限综合报警方法[J]河北农业大学学报, 2000, 23(4)88-92. DOI: 88

蒋瑜等. 机械设备故障规律及运行趋势预测方法综述[J]. 机电一体化2001, 9(3): 14-17. DOI: 14

丁明. 基于时间序列分析的风电场风速预测模型[J]. 电力自动化设备, 2005 25(8)32-34. DOI: 32

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于反向体偏置的高增益稳定性高温运放设计

超低功耗实时时钟电路的设计

一种用于极低压boost系统的高效率电荷泵

面向处理器分支预测单元的Spectre攻击轻量化防御方法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真