云计算的RFID数据采集和管理系统设计

现代航运业及海上军事系统建设中,需要对各种海量的数据进行采集处理,如海上气象数据﹑环境监测数据﹑海底地形数据及卫星通信数据等,有些数据的采集处理对实时性及准确性要求较高。传统的RFID数据采集和管理系统结构单一,处理性能已经越来越不能满足现代航运业的实际要求。本文研究云计算架构及海上RFID数据采集和管理系统,重点探讨基于云平台的分布式架构并改进数据采集中的哈希过滤算法,有效提高系统性能。     

基于分布式数据采集技术的船舶能效控制系统

传统船舶能效控制系统在海量数据采集处理方面,存在多数据流调度资源分配阈值较大,导致船舶整体能效控制系统输出控制比较高的问题。为了有效降低船舶能效控制系统的能效比,提出基于分布式数据采集技术的船舶能效控制系统设计。通过分布式数据采集技术,建立船舶能效数据分布式采集器,对能效数据进行采集资源的分布式优化;在软件功能设计上,采用分布式能效模型对能效分配进行分析;通过定义能效优化约束与分布式能效控制分配计算,实现降低能效控制系统输出能效比的效果。通过对比实验数据,证明提出设计系统的有效性。     

基于Wifi的船舶状态数据采集系统设计

受采集结构和网络配线的局限,传统船舶状态数据采集系统的数据采集延迟性较高。为了解决这一问题,基于WiFi传输技术,设计船舶状态数据分布式采集系统。制备船舶状态数据采集器,作为采集系统终端二阶控制终端,利用内置传感器,实时采集当前船舶状态数据,通过3类不同传输端口,进行数据传导,利用无线网络相关技术,基于802.15无线标准传输协议,制备的一体化无线传输模块,连接采集器和局域网,作为传输通路,设计局域网入网协议,通过对无线数据信号的傅里叶变换,确定并保证数据信号伪随机码和当前局域网的载波同步,将无线网络传输的数据连入局域网,传输到控制区,实现数据采集。实验数据表明,应用设计系统后,船舶状态数据读取和输出延迟分别缩减了31%和27%,可以证明,该系统具有缩减船舶数据采集延迟的效果。     

基于分布式云平台船舶监控结构体系研究

船舶行业以及新兴技术的迅速发展,使船舶监控系统的数据存储量越来越大,数据的复杂程度也越来越高,传统的单中心数据处理模式已无法满足监控实时性、高效性的要求。云计算是大数据存储、处理、挖掘分析的新技术,对于分布式船舶监控系统数据挖掘技术的提高具有重要的意义。本文从云平台架构、分布式船舶监控系统算法、船舶监控系统设计等方面研究云计算技术在分布式船舶监控系统中的运用,并进行了仿真实验。     

船舶位置数据的提取和存储系统设计

针对当前船舶位置数据提取和存储过程中存在的速度慢、效率低等难题,设计了一种基于云平台的船舶位置数据的提取和存储系统。首先对船舶位置数据的提取和存储的研究现状进行分析,找到引起问题的因素,然后设计了基于云平台的船舶位置数据的提取和存储系统的总体框架,然后分别详细描述了硬件系统和软件系统的工作流程,并对一些关键技术进行分析,最后对与当前船舶位置数据的提取和存储系统进行对比模拟实验,结果表明,本文系统加快了船舶位置数据的提取和存储的速度,船舶位置数据的提取和存储精度也得到了大幅度的提高,具有十分重要的实际应用价值。     

基于云存储的海量海洋监测数据平台设计

海洋监测数据规模较大,当前平台处理数据能力较低,无法有效处理海量海洋监测数据,不能满足监控实时性的要求,为此,设计一种基于云存储的海量海洋监测数据平台,给出了平台的总体结构,主要包括海洋数据监测子系统和云存储子系统。针对海洋数据监测子系统,详细分析了数据采集卡、传感器、AD7606芯片的设计过程,传感器将得到的海洋监测数据发送至数据采集卡中,采集卡将结果传输至AD7076芯片中,对数据进行处理,将处理后的结果存储至云存储子系统中。针对云存储子系统,给出了其详细架构和工作流程,设计了关键的实现代码。实验结果表明,所设计系统具有较高的运行效率,且采集的海洋数据较真实,监测结果可靠。     

基于云存储的海量海洋监测数据平台设计

海洋监测数据规模较大,当前平台处理数据能力较低,无法有效处理海量海洋监测数据,不能满足监控实时性的要求,为此,设计一种基于云存储的海量海洋监测数据平台,给出了平台的总体结构,主要包括海洋数据监测子系统和云存储子系统。针对海洋数据监测子系统,详细分析了数据采集卡、传感器、AD7606芯片的设计过程,传感器将得到的海洋监测数据发送至数据采集卡中,采集卡将结果传输至 AD7076芯片中,对数据进行处理,将处理后的结果存储至云存储子系统中。针对云存储子系统,给出了其详细架构和工作流程,设计了关键的实现代码。实验结果表明,所设计系统具有较高的运行效率,且采集的海洋数据较真实,监测结果可靠。     

云平台和分布式处理系统的船舶图像分类

在云平台和分布式处理系统中进行船舶图像分类,提高船舶的调度和识别能力,提出一种基于Harris角点检测和BP神经网络的船舶图像分类算法,在云平台和分布式系统下进行船舶图像采集,对采集的船舶图像进行二值化降噪处理,采用Harris角点检测技术提取船舶的分类标识性特征量,将提取的特征量输入到BP神经网络分类器中,实现云平台环境下的船舶图像分类。仿真结果表明,采用该方法进行船舶图像分类的准确性较高,抗类间干扰性较强。     

大数据与B/S技术在船舶自动运维系统中的应用

船舶运维系统本质是一种数据处理系统,对各类监测传感器数据进行采集﹑传输﹑处理及显示。随着船舶结构复杂度及动力系统增强,处理数据种类越来越多,传统的单中心处理方式时效性较低,不能满足数据的爆发式增长。本文在分析了船舶自动运维数据流采集传输方式的基础上,设计了一种分布式处理结构,对采集的数据进行并行化处理,提升了船舶自动运维系统性能,最后利用B/S交互式的数据查询系统进行数据分析。     

智能船舶电站电量数据采集系统设计

随着船舶技术与信息化技术的发展,船舶向数字化、信息化和智能化发展已经成为必然的发展趋势。船舶电站是船舶上一种重要的装置,是船舶电力系统的重要组成部分,它的可靠运行对于船舶的安全运行起着重要的作用。船舶电站的电量数据是一个重要的参数,可以用来判断船舶电站的工作状态以及统计分析,因此对船舶电站电量数据的智能采集就成了船舶工作人员必不可少的重要工作。本文设计一种智能船舶电站电量数据采集系统中,采用DSP芯片作为智能船舶电站电量数据采集系统的主控制器对系统进行了专门设计,实现对船舶电站电量数据的实时、智能、精准采集,能够充分满足船舶电站电量数据采集与处理在精确度和实时性等方面的要求,保障船舶安全行驶。