多源空调系统

多源空调系统（精选九篇）

多源空调系统 篇1

呼叫中心起源于民航业,其主要目的是方便乘客,为乘客提供咨询服务以及处理客户投诉,其经历了4 个阶段:①简单的人工热心电话;②交互式自动语音应答系统;③基于CTI技术的呼叫中心;④ 采用多媒体技术的呼叫中心[1]。2000年初,业界正式提出了多媒体呼叫中心概念,呼叫中心从此进入除传统电话、传真等服务方式外,还支持电子邮件、信函、因特网、手机短消息、网络电话等多种接入方式,同时提供相应的多媒体服务手段[2,3,4,5,8]。

1 相关技术

为了将多渠道信息汇集在一起,保证通信的及时响应率以及高并发性,需要了解Redis、SpringMVC、Web-Scoket、Json等技术,以便设计合理的框架[6]。

1.1 SpringMVC

Spring框架是高度可配置的,包含多种视图技术,实现各个模块的低耦合和高内聚,从而保证了系统的灵活性和可扩展性。模块间的通信可以采用http接口传递json数据的方式进行,既保证了模块间通信的轻量级,也保证了模块间的可插拔性[2]。

1.2 Redis

Redis是一个基于key-value的高效率内存缓存服务器,通信中的会话数据保存在redis中,保证了提取会话数据的高效率,提高了通信速度[7]。

1.3 WebScoket

很多网站为了实现即时通讯,所用的技术都是轮询。轮询是在特定的时间间隔(如每秒),由浏览器对服务器发出HTTP request,然后由服务器返回最新的数据给客服端浏览器。这种传统的HTTP request模式带来明显的缺点:浏览器需要不断向服务器发出请求,然而HTTP re-quest的header是非常长的,里面包含的有用数据可能只是一个很小的值,这样会占用很多带宽。新的技术去做轮询使用了AJAX。这种技术虽然可达到全双工通信,但依然需要发出请求。

采用最新的Websocket技术,保证了客户端无法主动接收服务端消息的问题。在WebSocket API,浏览器和服务器只需做一个握手的动作,它们之间就形成了一条快速通道,数据就可以互相传送。SockJS是在浏览器上运行的JavaScript库,如果浏览器不支持WebSocket,该库可以模拟对WebSocket的支持,实现浏览器和Web服务器之间低延迟、全双工、跨域的通讯通道[9]。

1.4 Json

JSON(JavaScript Object Notation)是一种轻量级的数据交换格式。JSON采用完全独立于语言的文本格式,但是也使用了类似于C语言的习惯,这些特性使JSON成为理想的数据交换语言:易于阅读和编写,同时也易于机器解析和生成(网络传输速率)。

2 系统架构

多源数据汇集中心系统分为渠道层、适配层、支撑层、应用层,层与层通过HTTP接口交互,接口通信传递的数据格式主要采用轻量级的Json数据。其中渠道层包括微信、易信、在线客服、短信、邮件等媒体渠道。适配层主要对渠道层数据进行适配,封装层统一数据格式。支撑层主要连接适配层及应用层,对应用层提供统一的接口服务,另外也提供信息的统一排队和信息分发服务,提供自助交互功能。应用层主要提供人工坐席服务功能,对信息进行查看、交互、处理,可以实时查看所有的会话状态信息。系统架构如图1所示。

3 系统核心功能

3.1 媒体网关(MGW)

媒体网关主要处理信息的接入和分发。对于接入的信息首先进行解析,然后过滤,排除一些敏感词信息和黑名单信息,最后对所有渠道信息统一封装。另外对外提供了信息发送的统一接口。渠道层处理完信息后会将信息推送到支撑层处理。封装的数据格式包括如下字段:消息ID、消息标题、消息内容、消息时间、消息渠道、渠道参数、业务类型。

3.2 媒体接口(MIR)

媒体接口主要负责连接媒体网关和坐席应用。对于媒体网关推送来的信息会放到任务池中,然后排队服务会从任务池中提取信息,按照事先预定好的排队规则排队,可以按照先进先出顺序,或者按照客户优先级的顺序,或者按照渠道优先级顺序进行排队。排队完成后,信息将被推送到坐席端,客服人员可以很快看到推送来的会话内容。媒体接口除了负责信息排队、分发外,还提供了统一的接口作为坐席使用。其中主要的接口有签入、签出、示忙、示闲、发送、转发、小休等。签入,即坐席签入了媒体网关,媒体将消息派发给坐席。签出:即坐席退出服务。示忙:坐席通知媒体网关,现在处理忙碌状态,坐席将不再接收新来的会话,只能处理以往的会话内容。示闲:坐席通知媒体网关,现在可以接收新的任务。发送:坐席可以发送消息内容。小休:坐席向班长申请休息功能。

3.3 媒体自动交互应答(IMR)

媒体自动交互应答提供自助服务,由客户自己和系统交互,比如话费查询、天气预报查询等。用户输入或者点击相应按钮或者关键字,系统将自动响应消息。后台需要配置菜单和流程,其中菜单根据关键字可以绑定指定的流程,这样用户点击指定的菜单,就会有相应的流程。流程可以配置第三方接口服务,如天气预报、话费查询接口等,这样第三方自助服务平台就很容易对接到媒体自动应答交互模块。菜单模块可以配置子菜单或者直接配置流程。除此之外,还可以对接第三方的语义分析平台,如科大讯飞、小I等,提供智能交互功能。

3.4 媒体人工坐席服务(MAG)

媒体人工坐席服务是由坐席人员处理会话消息内容。坐席系统分为坐席接续条、坐席任务处理区及坐席监控区。其中坐席接续条提供了坐席的签入、签出、示忙、示闲、发送、转发、小休等。坐席任务处理区可以查询当前的会话列表及会话内容。坐席监控区主要是班长坐席使用,可以查看当前系统的排队情况、所有坐席状态及任务处理情况等。坐席端采用了最新的html5的Webscoket技术,被动接收来自服务器端推送的会话消息内容,不仅响应迅速,而且具有高性能。

3.5 媒体会话信息(MCM)

媒体会话信息主要提供查询会话历史列表、坐席历史交互操作日志等。

4 结语

多源数据汇集系统应用开发,解决了各种通信工具软件信息集成、多种渠道信息统一排队和分发问题,并实现了智能回复、智能过滤、客户信息统一视图功能,从而大大提高了呼叫中心的服务质量及服务水平。

参考文献

[1]吴新玲,张伟,侯思祖.呼叫中心的发展及在电力系统的应用[D].北京:华北电力大学,2001.

[2]史洪柏.基于XML的新一代呼叫中心系统的研究[D].西安:西安科技学院,2002:40-50.

[3]臧传东.呼叫中心产业在中国未来发展研究[D].武汉:华中师范大学,2012:10-13.

[4]梅巧玲.铁路客运现代呼叫中心系统技术研究[D].北京:铁道部科学研究院,2007:42-62.

[5]刘超.新一代呼叫中心技术及其应用[J].电信建设,2003(5):112-115.

[6]蒋现新,邹华,王柏.一种基于NetMeeting的Web集成客户服务中心方案[J].北京邮电大学学报,2001(1):15-18.

[7]程仁贵.呼叫中心实现技术研究及应用实例的设计与实现[D].西安:西北大学,2001.

[8]紫光.呼叫中心走向多媒体[N].中国计算机报,2000-11-03.

多发多源室性早搏如何治疗？ 篇2

治疗早搏我们除了采取药物治疗还可以采取食疗，也就是需要银耳15-30克，瘦猪肉200克，大枣10枚。把这些放入锅炖烂，加食盐调味。还可以采取莲子肉、白糖各适量，隔水炖服。晨起做早餐食用，每次服食50-100克。

对于已经患有早搏的病人来说首先要保持规律的生活及适当的体育锻炼，不要过度熬夜，不要长时间看电视或长时间坐在电脑前，可以在晚饭之后适当的散步、打太极拳，利用一些健身器械进行健身训练将为你的身体带来长久的益处。

还有就是要忌烟忌酒，要保持情绪稳定最好就是每天开开心心的，不要给自己太大压力，不然容易发病。作为一名病人应该要定期到医院体检，还有就是一旦发现心悸、漏跳等情况要及时到医院就诊。

饮食宜清淡为好，因选择低盐易消化的食物。不要吃过于辛辣刺激性的食物，不吸烟，不喝酒，少吃豆制品。不要喝浓茶、咖啡等会让人兴奋的饮料。以上这些食物都有可能会诱发早搏的病症，所以尽量避免食用。

患者在药物治疗期间要注意对药物有没有不良反应，如果有就要停药，报告给医生，再做其他处理。要定期去医院复检，随时观察身体状况。注意天气冷暖，增减衣物，避免感冒。

面向多源信息的智能决策系统 篇3

当今社会, 信息的爆炸式膨胀以及变幻莫测的世界环境, 给决策者带来了巨大的挑战。信息技术和通信技术使得信息的获取和传递更加迅速, 信息的形式更加多样, 信息的来源更加繁多。例如信息的形式有文本信息, 音频信息, 图片信息, 视频信息等等。信息的来源也各不相同, 例如雷达信息、红外线信息、卫星信息、各种传感器信息等等。这些海量和复杂的信息, 使得简单的数据库方法难以适应。复杂和繁多的决策问题, 使得传统的数学模型难以应对。为了更好的利用信息做出更优的决策。此外, 为了更好的利用这些多源信息, 必须利用计算机对多源信息进行融合[1]、处理、提取和传递, 从而获得具有相关性和集成性的融合信息, 以供决策者使用。

1 研究现状

当前对多源信息的融合、决策已成为国内外研究的热点。

美国George-Mason大学C3I中心在二十世纪八十年代建立了仿真测试平台, 先后建立了数据融合单项功能测试、一级融合算法测试, 以及集目标跟踪与识别/战场态势与威胁估计于一体的仿真试验环境。

2004年, 美国启动了NCES (Net-Centric Enterprise Services, 网络中心企业服务网) 计划, 目的是要建立一个联合的、基于功能的、能满足实时性和安全性要求的多源信息化设施, 能够快速、准确的发现信息资源, 将多源信息进行融合, 并智能决策, 提供强健的协调网络信息资源管理功能。

国内关于信息融合技术的研究则起步相对较晚。到了上世纪九十年代中期, 信息融合技术在国内已发展成为多方关注的共性关键技术, 出现了许多热门研究方向, 许多学者致力于机动目标跟踪、分布监测融合、多传感器跟踪与定位、分布信息融合、目标识别与决策信息融合等领域的理论及应用研究。

2 系统总体框架

面向多源信息的智能决策技术是研究基于网络的、自适应反馈控制的多元信息融合技术。该技术利用海量的数据仓库以及知识库, 设计决策, 并根据实时状态能够自动进行推演, 通过“感知机制”了解实时更新的信息, 利用多源信息融合技术为实时变化的态势提供技术支持, 在“感知机制”的基础上进行多种“模型方案”的学习[2], 筛选出“成功”模型, 从而在多个可行的方案中选择最优方案, 从而得到准确的预测结果。系统架构如图1所示:

智能决策支持系统总体上由三大部分组成:

(1) 数据支持层。它处于该系统架构的最底层。包含了基于多源信息的数据仓库、基于复杂环境下的知识库、基于智能建模基础上的模型库以及在这些数据支撑之上的规则库与本体库。

(2) 通用处理层。它处于该系统架构的中间层。包括了多源信息关联感知, 海量信息的处理模块。

(3) 输入输出I/O层。它处于该系统架构的最上层。包括了多通道输入输出, 主要用于信息的输入和输出。

3 系统设计

3.1 多源信息关联感知

多源信息关联感知两方面的作用:一是常规性地采集相关目标的各种信息, 并经融合存于数据仓库, 备作识别样本;二是真正的目标出现, 感知、处理后与数据仓库中样本比较, 识别出目标 (种类、特征、身份等) 。如图2所示。

多源输入模型的输入为多源信息, 包括各种传感器采集, 红外, 雷达等信息。经过海量的存储, 信息融合之后, 输出融合后的信息。

信息融合技术在军事领域中的应用, 包括目标的探测、关联、识别和跟踪, 以及战场监视、战术态势估计和威胁估计等。而多源信息的目标关联、跟踪和识别是信息融合的几个重要特征, 数据融合把来自许多传感器和信息源的数据和信息加以联合、相关和组合, 以获得精确的位置估计和身份估计, 以及对战场情况和威胁及其重要程度进行实时的完整评价。

3.2 多源信息融合

多源信息融合, 又称多传感器信息融合, 是一种对于信息进行处理的技术。

多源信息融合主要将信息分成三个视图:信息层视图、特征层视图和决策层视图。信息层视图主要对信息采集设备采集的数据进行融合, 并提取特征。特征层视图对从信息中提取的特征进行分类和整理, 并融合成较为单一的特征向量。决策层视图对多个数据源的特征向量进行融合, 最终产生能够帮助决策的信息[3]。由于信息采集设备, 以及信息员的不同, 系统性能的不同, 通信宽带的不同, 可以选择, 最终产生的结果优劣性也会有所区别。

3.3 多源信息的自学习方法

由于系统面对的是不断变化的信息, 为了提高系统的性能, 必须对多种已有的模型方案进行自学习, 并且根据实际情况, 得到新的模型方案[4], 从未得到更加准确的结果。为了实现自学习方案, 需要经历三个阶段:

(1) 学习阶段。对新数据仍然使用旧的模型, 并对旧的模型进行更新, 然后得到一个初步的新模型。

(2) 评估阶段。输入一个评估数据, 对初步的新模型进行评估和打分。如果产生了预测的结果, 那么与旧的模型结果进行对比, 并筛选模型。

(3) 实现阶段。对上一个阶段筛选出的模型, 再次输入多个数据, 再根据结果找出最优的模型, 那么最终得到的一个新的可行模型。

3.4 联合环境感知识别过程

联合环境感知识别过程是指如何从众多的信息中, 识别出特殊的信息。基本步骤是:

(1) 信息提取。首先, 通过各传感器对信息进行采集, 其次用多种形式对信息进行描述, 最后, 对信息进行提取、确定可信度和格式转换。

(2) 识别聚类。在特征空间中, 利用给定的规则标准, 对信息进行比较和统计, 然后对信息进行识别和分类。

(3) 融合处理。根据识别出的信息类型, 以及已有的知识库和规则库, 对信息进行对应的处理, 并帮助最终做出决策。

3.5 数据支持层设计

(1) 知识库

知识库是按照某种决策问题的需要, 将信息以某种知识表示方式在计算机中进行存储、组织、管理和使用的一个集合。知识库主要包括问题相关理论知识、事实数据和专家经验等。

(2) 规则库

由于信息的海量性和异质性, 为了能够对信息进行准确和迅速的分析和处理, 需要建立规则库。在规则库中, 不同类型的信息, 不同决策的需要, 要求建立不同的规则, 以便规则库能够适用于任何情况的信息分析。

规则库是将许多基本的规则集合在一起, 并随着时间的增长, 系统的运行, 不断产生新的规则, 并不断的完善。

(3) 本体库

本体是对特定领域之中某套概念及其相互之间关系的形式化表达本体是指一种“形式化的, 对于共享概念体系的明确而又详细的说明”。本体库是特定领域之中那些存在着的对象类型或概念及其属性和相互关系, 或者说是一种特殊类型的术语集。构建本体的基本步骤是[5]:

a.列出所涉及到的词条;

b.按照词条的固有属性和专属特征进行归纳和修改, 对词条建立类以及层次化的分类模型;

c.加入关系和联系;

d.按照需要, 添加实例作为概念的具体对象;

e.可以利用其附带的功能和插件对本体进行文字和图形化的导出, 格式也可以自由选择。

4 结束语

当今, 科技的发展和信息设备的增多, 使得信息来源越来越复杂, 信息决策的重要性越来越重要。面向多源信息的智能决策系统, 能够对多源信息进行融合, 并且通过智能决策输出需求的结果。在这个过程中, 需要对系统技术, 决策技术, 采集技术, 检索技术, 推理技术等进行融合和集成。该系统的研究, 不仅具有理论意义, 也具有广泛的实际意义。在现代国防, 工业信息化系统, 以及对自然灾害的预防和救灾系统中, 都能够发挥重要的作用。可见, 面向多源信息的智能决策系统具有很大的发展前景和深远意义。

摘要：随着信息技术的不断发展, 通过各种信息采集技术和发达的通信网络带来了多个信息源的海量信息。为了对这些多源、异质和海量的信息进行有效的管理和利用, 就必须通过实时的判断、鉴别、融合, 从而将信息优势转变为决策优势。本文首先论述了多源信息融合和共享的背景和现状, 其次提出一个面向多源信息的智能决策支持系统, 能够对多源信息进行信息融合和信息共享, 从而提高信息的可靠性, 高效性, 灵活性, 最终帮助管理者做出最优决策。

关键词：多源信息,智能决策,信息融合

参考文献

[1]韩崇昭.多源信息融合[M].北京:清华大学出版社, 2006.

[2]胡小强.虚拟现实技术[M].北京:北京邮电大学出版社, 2005.

[3]Angel E.著, 吴文国译.交互计算机图形学[M].北京:清华大学出版社, 2006.

[4]张玉存, 邢婷婷.一种复杂系统多源信息分析建模新方法[J].电子学报, 2009, 37 (11) :27-31.

基于GFMM网的多源遥感数据融合 篇4

运用模糊数学与神经网络理论相结合,利用人工神经网络的GFMM算法,通过学习与实验,探索了遥感数据融合方法.

作 者：高文君 周宇 GAO Wen-jun ZHOU Yu 作者单位：高文君,GAO Wen-jun(山西省水土保持科学研究所)

周宇,ZHOU Yu(南京林业大学信息学院)

多源空调系统 篇5

笔者通过高精度红外CCD图像传感器采集火灾现场的火焰红外辐射, 将其转换为一定制式的黑白视频信号, 再通过序列图像采集设备将视频信号经过A/D转换后形成数字灰度图像序列, 最后采用识别火焰序列图像特征的方法对火灾进行实时识别监控。由于采用了950～2 000 nm波段的红外CCD传感器, 仅有该波段的红外辐射形成视频信号, 火焰燃烧时的红外辐射主要集中于上述波段范围, 其他波长的干扰信号被极大地衰减。因此, 当有火焰燃烧时, 经CCD形成的视频信号中除强烈的火焰辐射造成的高亮度信号外, 仅有很少量的红外干扰信号, 而这些信号往往表现为固定的图像模式, 可以采用简单的算法加以分类, 从而使火焰的识别率大大提高, 并且减少了处理的数据量, 提高了检测识别的速度。

在可靠的火焰识别算法的基础上, 笔者构造了一个实用的基于多源信息融合的智能型火灾报警系统。在该系统中为了提高系统的检测效率, 采用了多路时分复用技术, 将温度探测器、光电烟感探测器和红外CCD图像探测器构成火灾多源探测器组, 使同一个处理器可以分时处理多路监控信号, 利用多源信息融合决策方法实现火灾级别的准确预报, 实现火灾报警任务, 提高火灾报警的可靠性, 降低误报率。

1 系统硬件设计

1.1 系统结构

该系统通过微处理机上的软件系统进行监控流程控制、通道图像的智能识别和人机交互等功能。在软件系统中, 系统使用了菜单驱动和分时处理等技术, 使系统在允许人机交互的同时不影响对各个通道的实时监控。系统如图1所示。智能火灾报警探测器安装在现场各个部位, 通过CAN总线和区域控制器相连接。智能火灾探测器将检测到的火灾信号通过CAN总线送往区域控制器。区域控制器经过分析处理之后, 发出声光报警信号, 并显示声光报警的位置;同时, 区域控制器将收集到的各个火灾传感器信号通过RS485通信接口送往集中控制器。集中控制器由工控机组成, 负责管理各个区域控制器, 实现报警、打印等功能。

1.2 火灾探测器的设计

火灾探测器以Philips公司的P89C668单片机为核心。P89C668是基于80C51的单片机, 具有60 kB的Flash存储器, 该存储器既可以进行并行编程也可以通过ISP直接升级用户程序。该探测器将感温探测器和光电感烟探测器组合使用, 弥补了单纯使用感烟探测器和感温探测器的不足。由于探测器本身带有单片机, 所以在探测器中就可以独立完成复合模糊逻辑推理算法, 进行各种复杂的数学分析、数字滤波、补偿操作。探测器和区域控制器之间采用CAN总线通信, 从而实现了对等通信, 并具有远距离通信的特点。智能型火灾探测器的结构原理如图2所示。

1.3 区域/集中报警控制器的设计

区域报警控制器通过CAN总线和各个探测器连接, 完成对各个探测器的巡回检测。如果某个探测器发生故障, 区域报警控制器会提示操作人员进行检修, 并根据探测器发送的信息运用模糊神经网络算法对各种信息进行分析、判断, 根据判断结果作出相应处理。系统提供输入输出的人机接口, 方便操作人员操作系统并获得系统信息。集中报警控制器通过RS485和各个区域报警控制器相连接, 一方面通过RS485通信线路和各个区域报警控制器交换信息;另一方面完成对各种信息的存储、显示、打印等功能, 当确定有火灾发生时, 通过紧急广播、警灯、警铃等方式报警, 并可以根据事先设计好的联动关系, 根据火灾发生情况由区域报警控制器启动联动灭火装置, 实现自动灭火。区域报警控制器与集中报警控制器的连接见图3所示。

2 系统算法设计

2.1 基于多源信息融合的火灾预报算法

根据多源信息融合理论, 离线生成火灾报警系统输入输出作用表, 其输入是烟雾浓度特征、温度信号特征及红外图像谱特征, 将特征值所对应的量化值进行融合判决处理, 输出火灾预报等级。通过监测系统采集分布在建筑物各处的感温式传感器、感烟式传感器和红外CCD探测器探测到的信号, 对其进行数字化和滤波处理作为火灾预报模型的输入, 根据融合决策专家系统, 得到对应的火灾报警等级。基于多源信息融合的火灾自动探测算法, 将有效提高系统的智能性和火灾探测的灵敏度, 降低系统误报率, 其过程如图4所示。

2.2 火焰的红外图像识别算法

火焰的红外图像序列具有如下几个特征:相邻帧图像的边缘不稳定;相邻帧图像具有稳定的相似性;图像的相似度在一定的区间内变化;图像中火焰焰芯部位的灰度大于火焰其它部位的灰度。而在红外衰减后的视频信号中, 干扰信号表现的模式主要为快速移动的固定亮点和大面积的红外光照变化。因此, 在火焰的识别中, 可以首先进行火焰的干扰模式与非干扰模式的分类, 再在非干扰的图像模式下识别出火焰的某个特征即可判定为火焰。

设数字化的序列图像为{fi (x, y) }, i= (x, y) 为图像中各个像素的坐标, N为图像序列的帧数, 在实际系统中, N应大于2。对于每帧数字图像, 有 (x, y) ∈K, K为整个图像的面积。对于每通道的图像信号, 由于稳定的基准图像, 令其为{f0 (x, y) }。系统以基准图像表示该通道的正常情况, 对于图像序列的各帧图像有:Wi (x, y) =|{fi (x, y) }-{f0 (x, y) }|, i= (x, y) ∈K。

{Wi (x, y) }为一个差值体现序列, 表示原图像序列{fi (x, y) }与基准{f0 (x, y) }的差别, 在{Wi (x, y) }上对当前的原图像模式进行判别。

首先对{Wi (x, y) }进行二值化, 分割{Wi (x, y) }的变换区域。在二值化时考虑到一般火焰的红外照度范围, 在有火焰时其灰度值较高, 且有一个复杂的中间灰度的红外满反射区域, 笔者采用了如下方法:统计{Wi (x, y) }的直方图为PHS (r) , 以一个小窗口对PHS (r) 进行平滑, 平滑后在PHS (r) 上从高往低扫描, 检测到第一个波谷即可设定为二值化阈值。

以该阈值对{Wi (x, y) }进行二值化, 得到{bi (x, y) }, 其中为1的像素表示原始图像序列{fi (x, y) }与基准图像{f0 (x, y) }的有显著差别的区域, 认为该区域即为可能的火焰区域。在实际系统中{bi (x, y) }中存在一些由不可测因素引入的孤立点。这些孤立点可以运用形态学的膨胀和腐蚀运算滤除, 进而使区域得到更好的描述。但这样的运算量太大, 无法进行实时处理。笔者使用了四邻域遍历的方法对{bi (x, y) }进行四邻域遍历, 滤除孤立点的影响后, 得到{bi′ (x, y) }。对{bi′ (x, y) }中为1的像素进行标记, 得到序列图像中每帧中可能的火焰区域Ψ, i=

预处理:令Si为Ψ的面积。对于Si的取值范围, 有如下的结论: (1) 若Si≤阈值1, 则该变化区域为噪声点; (2) 若Si≥阈值2, 则该变化区域为大面积的红外光线变化; (3) 若阈值1≤Si≤阈值2, 则变化区域为可疑的火焰区域。

模式分类:当发现可疑的火焰区域后, 采用计算机相邻帧的变化图像的相似度的方法对火焰与干扰模式进行简单的分类。相邻帧变化图像的相似度定义为:

对于各个Yi, 统计其均值Y , 有以下的判定规则: (1) 若Y≤阈值1, 则图像模式为快速运动的亮点; (2) 若Y≥阈值2, 则图像模式为固定红外发光区域; (3) 若阈值1≤Y≤阈值2, 则图像模式为火焰。

3 软件设计

系统集中控制器的软件使用面向对象的编程语言——Delphi实现, 集中控制器不断发现和处理每个区域控制器的数据, 一旦发现有火警信号就启动显示、打印、警灯警铃等。

系统区域控制器的软件设计包括:主程序、系统初始化子程序、显示子程序、键盘扫描子程序、火灾处理子程序和故障处理子程序等。探测器的软件主要完成对各传感器信号的提取、采样, 使用模糊神经网络算法完成计算和CAN总线通信等功能, 软件流程见图5所示。

5 结论

该系统充分利用多源信息融合系统参考表达人的经验知识, 可以处理模糊性的信息特点, 结合人工神经网络自学习、自调整的功能, 构造出基于模糊神经网络的智能型火灾报警系统。系统探测器集成了高性能微处理机, 实现了多种信息量的采集处理;在传输总线上采用了CAN总线的形式, 增强了通信的可靠性并且提高了传输距离;在火灾的判断上采用了多源信息融合的算法和红外图像识别算法, 提高了系统对环境的适应能力。该系统可以减少火灾的误报和漏报, 提高火灾预报准确性和灵敏度, 为解决火灾预报预警提供了新的思路和可行的方法。

摘要：针对室外仓库和大型室内仓库等大空间场合, 利用多源信息融合决策方法, 构造了一个实用的基于多源信息融合的智能型火灾报警系统, 该系统采用了多路时分复用技术, 将感温探测器、光电感烟探测器和红外CCD图像探测器构成火灾多源探测器组, 实现火灾级别的准确预报, 实现火灾报警任务, 提高火灾报警的可靠性, 降低误报率。

关键词：多源信息融合,火灾报警控制器,智能型

参考文献

[1]刘一凡.船舶火灾发生的趋势与应对措施[J].世界海运, 2001 (1) :24-25.

[2]王积分, 张新荣.计算机图像识别[M].北京:中国铁道出版社, 1988.

[3]田捷.实用图像分析与处理技术[M].北京:电子工业出版社, 1995.

多源空调系统 篇6

随着国民经济的快速发展及居民消费水平的不断提高, 旅游产业正逐渐成长为支柱性产业之一。国家制定的“十三五”规划明确指出大力发展旅游业, 在政策刺激下未来我国旅游业将释放更多需求***。但是伴随旅游业的蓬勃发展, 热门旅游景点的游客数量迅猛增长, 这为旅游安全管理带来挑战。如2015年上海外滩跨年夜的踩踏事件使得突发事件管理及安全预警得到广泛的关注[1]。因此, 建立完善健全的旅游预警机制对于旅游目的地公共安全管理具有重要的意义, 并能为景区规划及战略调整提供决策依据。

目前我国现有的预警系统通过旅游目的地的安全评估, 建立了红色、橙色、黄色和蓝色的旅游预警信息, 但是面对大数据时代下对及时和准确度的更高要求, 当前的预警系统面临一定挑战。首先, 旅游基础数据库尚不完善, 如鲜有旅游景区完成对其社会经济状况、承载量、交通、气象、基础设施等方面的数据建设。传统预警采用的数据以统计调查数据为主, 数据频度较低, 故而预警指标体系更新较慢。其次, 预警方法较为单一, 如根据景区最大承载量设定阈值, 缺少系统化的考量。旅游预警是一项复杂的系统工程, 需要建立全面、客观、及时和准确的系统。

近年来, 伴随云计算等技术的发展和互联网平台的普及, 大数据逐渐开始在金融、通信、医疗等领域得到应用。2015年9月国务院印发的《促进大数据发展行动纲要》明确提出推进基于大数据的决策科学, 促进大数据在更多行业中的应用****。大数据时代下, 移动通信设备及丰富的互联网应用是当今大多数人们外出旅游必备的, 这些硬件和软件的应用为旅游行业研究提供了宝贵的资源[2]。通过分析通信基站的地理位置数据, 能够分析游客在旅游目的地的旅行路线, 景点驻留时长, 进而研究游客旅游行为。此外, 互联网平台如搜索引擎、社交媒体、在线论坛等在为游客提供信息查询和交互的同时, 也成为记录与反映游客行为特征的重要来源。与旅游研究传统数据相比, 大数据具备频度高、速率快、类型多等显著特点。鉴于此, 多源大数据能够成为旅游预警的新的数据来源。

本文在综述已有的旅游预警系统和预警方法的基础上, 提出一个基于多源大数据的旅游预警系统架构。该架构可应用于旅游景区的预警实践中, 特别是在旅游高峰期时为景区管理部门提供更及时和准确的决策支持。

二、旅游预警系统数据及方法评述

1. 旅游预警系统发展

旅游预警是一种预报旅游区域运行及发展的多因素复杂系统。旅游预警的首要任务是明确警义, 即建立预警指标体系, 进而发现警情、寻找警源、分析警兆、预报警度, 再进行针对性的决策排除警患 (见图1) 。自我国实行黄金周长假制度后, 国内假日旅游全面升温, 国家旅游局2001年建立国内假日信息预报, 在黄金周期间通过媒体向游客发布部分景点在假期之内的旅游信息, 并对旅游目的地的接待能力进行预测和预警。近年来, 国家旅游局着手建设旅游经济预警系统, 特别是数据采集和预警指标体系构建。

目前, 国内旅游景区正在逐步完善其旅游预警体系, 特别是对景区容量的预警。莫高窟景区每日旅游人数限制在数百名之内。九寨沟也根据其景区容量将每日游客数控制在一定数量以内。黄山景区建立了不同等级的旅游预警体系, 规定游客达到景区最大承载量80%, 且当天可能达到最大承载量 (5万人) 时, 发布I级预警, 当游客数达到4.9万人启动II级 (红色) 预警, 当游客数达到景区的最大承载量时, 则停止售票。此外, 旅游预警普遍使用不同颜色的信号灯来表征目的地的运行状态, 一般包括红灯区、黄灯区、蓝灯区和绿灯区。4个灯区分别表示重警、中警、轻警和无警警区。

谢朝武讨论了我国旅游安全预警体系的建立, 包括突发事件、环境污染、旅游容量和旅游业务预警等4个模块, 从而避免因景区容量不足而导致的踩踏等突发事件的发生[3]。王玉玲等构建了基于智慧旅游的预警系统, 提出预警指标系统、旅游智能服务系统、风险智能干预系统和联动智能处置系统4部分。从时间、空间和主客体3个维度构建指标体系, 包含节假、天气、交通、餐饮等指标[1]。

2. 旅游预警主要方法

经济合作与发展组织于1990年提出的“压力-状态-响应”框架可作为旅游预警早期的方法之一。该框架将人类活动、环境与自然以及管理部门等机构纳入一个系统中, 提出40个旅游预警考虑的核心指标[4]。

国内外旅游预警以景气指数方法为主, 即构建先行、一致和滞后指标的预警体系。该方法最早应用于宏观经济的预警中, 以经济周期理论为基础, 根据分析指标与基准指标之间的先行、一致和滞后关系确定指标体系, 是国内外常用的预警方法[5,6,7]。

倪晓宁和戴斌基于景气指数方法构建了我国旅游预警指标体系, 根据旅游市场指数、旅游产业景气指数、企业家信心指数及参考指数来监测旅游经济运行, 选择30到50个指标反映旅游需求、旅游供给、旅游业人员及外部因素等4方面的运行状况和趋势[8]。预警指标体系以国家旅游局等单位发布的官方统计数据为主。旅游预警体系中的先行指标应为拉动旅游经济的指标, 如反映居民收入和消费水平的国民生产总值、居民消费支出、城乡居民存款余额等;一致指标包括旅游收入、旅游人数等反映旅游繁荣度的指标;滞后指标则是对旅游运行所出现的峰和谷的确认 (见表1) 。

霍松涛提出了基于地理信息系统的旅游目的地预警指标体系的四级结构, 分别考虑了旅游生态环境、空间、设施、旅游者和社区居民等4个类别的具体指标, 较为全面的代表旅游目的地的运行状态, 以官方统计数据和调查数据为主[4]。

综上, 已有的旅游预警系统在数据源上仍以官方调查统计为主, 在保证数据准确的同时, 数据的频度及更新速度会受到影响。在当前的旅游预警体系中, 有必要加入其他来源的数据, 从而保证旅游高峰期的预警的及时性。

三、基于大数据的多维旅游预警体系

旅游业具有显著的季节波动特征, 特别是我国的小长假更是旅游的高峰时期, 旅游客流的急剧增加使得主要路段及停车场拥堵, 接待设施高负荷运转, 甚至造成环境污染[9]。因此, 建立完善的旅游预警系统不仅能够为游客提供及时的预警信息, 有助于提升旅游目的地的公共形象, 还能够为旅游安全管理以及政府部门的决策提供支持[10,11]。

为建立及时准确的旅游预警体系, 刻画旅游目的地的运行状态, 需充分利用不同来源、不同频度及类型的大数据, 从而全面反映旅游需求和供给等。根据数据来源不同, 本文提出多维的预警指标体系, 包括区域经济数据、通信及位置数据、互联网搜索数据、社交媒体大数据 (见图2) 。通过整合不同来源的大数据, 能够更及时、全面和准确地进行旅游预警。

首先, 区域经济数据从宏观方面反映了旅游目的地的经济及产业发展的特点, 包括旅游目的地所在的城市或地区经济总量、居民收入、居民消费以及旅游收入等数据。区域经济数据经过政府部门统计得到, 数据频度较低, 更新较慢, 通常每月、季度和年度对外发布。尽管如此, 统计数据能够较为客观地反映经济及行业发展现状, 是旅游预警指标体系中不可或缺的重要来源。

其次, 通信大数据也是旅游预警研究的重要数据来源, 通过分析脱敏处理的通信位置数据, 能够全面分析旅游景区中旅游者的特征、旅游行迹及旅游相关行为特点等。随着移动设备在我国的深入普及, 游客的通信数据可以作为较为实时反映景区客流的重要数据来源, 具有重要的价值。

再次, 互联网搜索查询数据也可以作为旅游预警的重要来源。人们在出行前, 倾向于通过谷歌和百度等搜索引擎查询旅游目的地的相关信息, 如天气、交通、购物、娱乐等[12,13,14]。通过挖掘谷歌趋势和百度趋势等关键词的查询数据, 能够反映旅游目的地在特定时期内如黄金周前一周的关注热度, 进而预测旅游需求, 为准确地旅游预警提供支持[15-18]。鉴于此, 互联网搜索数据是旅游目的地的预警需要关注的重要因素之一。

此外, 社交媒体数据也应纳入到旅游预警体系中。如今, 随着社交网络以及在线旅游网站的普及, 越来越多的人通过微博、微信、携程网等平台分享动态、预订机票和酒店, 以及查询旅游攻略信息等[19,20]。特别是旅游者在微博分享状态时, 不仅会上传旅游目的地的图片, 还会公开目的地所在位置。因此利用社交媒体网站产生的大数据, 能够及时捕捉到游客的旅行轨迹, 更全面和准确地了解旅游者行为。

四、旅游预警系统架构设计

基于多源大数据的旅游预警系统架构整体上分为数据层、建模层、操作层和展示层4部分, 系统架构见图3所示。

数据层主要存储与管理预警系统的文档和数据库。文档包括旅游经济运行统计报表和分析报告;数据库是旅游预警系统的基础, 进一步分为指标信息库和知识库。指标信息库存储旅游预警相关的大数据, 由于大部分数据都是实时产生, 系统需要保证每天都能存储大量的数据。考虑到旅游景区在地理位置、环境、载客量等方面具有显著差异, 预警框架加入了知识库来存储不同的景区描述信息, 以说明性文档为主, 可以查询和修改。因此, 旅游预警系统的数据层存储的内容在数据类型、数据频度和数据长度等方面都不同。

建模层是旅游预警系统的核心模块, 包含预警模型的建立和维护。由于系统基于多源且异质的海量数据, 需要高效率的模型实现软件。R、Matlab和Weka都是统计及大数据分析建模软件, 包含很多最新的大数据分析方法, 还可以针对建模需求编写程序。Eviews软件是常用的计量经济模型分析软件。为了保证建模结果的可靠性, 系统采取调用Eviews、R和Weka软件, 利用Eviews软件建立经典的计量经济模型, R软件对大数据进行分析, Matlab和Weka软件建立非线性的人工智能模型。此外, 系统支持自主开发模型和算法。

操作层主要面向旅游系统管理员和数据分析人员, 主要提供对旅游流量的实时监测和预警。操作层调用数据层的数据, 系统通过实时的传输数据, 使景区管理人员能够把握旅游景区的游客总量和游客分布动态。旅游预警模块是通过利用预警技术分析旅游运行状态, 及时发现旅游异常并发出警示。系统的预警模块调用数据层和建模层的分析工具, 根据不同来源的大数据构建的先行指标体系, 对旅游景区在小长假等高峰期进行预警。

从时间尺度上分析, 操作层的功能模块形成了多尺度的旅游监测预警。对当前旅游流量的监测以门票数据、通信数据为主, 主要特点在于监测的实时性。对周末旅游景区的预警主要根据通信数据和在线旅游网站的预订数据, 根据游客流量启动不同的预警等级。对我国小长假到来前的一至四周内的旅游预警, 以互联网搜素数据、社交媒体数据和在线旅游网站数据为主, 建立模型预测高峰期间旅游流量, 同时随着数据的不断增加, 实时更新旅游流量预测值, 为高峰期的旅游预警提供支持。

展示层主要面向旅游分析人员和旅游景区管理人员, 为其预警决策提供支持。展示层调用操作层的分析和建模结果, 提供基于建模层中的旅游预警方法的分析结果, 以图或表等直观的形式展现。

五、总结与展望

我国“十三五”规划提出推进实施大数据发展战略, 大数据必将为各个行业的发展带来新的思路。伴随我国旅游业的发展, 旅游需求不断增加, 一旦旅游目的地载客量激增, 很容易引发突发事件造成巨大损失。这样的背景对旅游预警提出更高的要求, 迫切需要构建及时、准确和全面的旅游预警系统。

本文在对已有的旅游预警系统的数据及方法综述后, 提出基于大数据的旅游预警系统的架构, 该架构集成了旅游经济运行数据、移动通信数据、互联网搜索数据和社交媒体数据以及多种旅游预警方法等, 具有数据层、建模层、操作层和展示层四层结构。本文所提出的旅游预警架构以海量大数据为基础, 有望为旅游管理部门提供更为及时和准确的决策支持。未来可根据该系统架构开发旅游预警系统, 并应用到我国旅游景区的预警管理中。

摘要：本文在对已有的旅游预警系统及方法综述的基础上, 提出基于多源大数据的旅游预警系统架构。构建了多维的预警指标体系, 包括区域经济数据、通信及位置数据、互联网搜索数据及社交媒体数据。该框架有望为大数据时代下更加及时和准确的旅游预警提供方法和决策支持。

多源空调系统 篇7

遥感技术凭借其具有的全球性、高动态、连续性、全天候、全天时、多样化数据获取特点，已被广泛应用于农业、林业、水利、测绘、交通、气象、海洋等领域。经过多年的发展，我国遥感信息获取、处理及应用技术取得了显著的成绩，逐步形成了气象、资源、海洋、环境减灾四大民用遥感卫星系列。在“863”计划、高分专项、陆海规划、“623”规划等大型课题的推动下，我国遥感应用研究进入了大型化、快速化的发展阶段。我国卫星遥感地面站接收的数据目前已经超过300 TB，很快将会达到PB级，并将以TB/天的速率增长。随着各个专项建设进度的不断推进，必将进一步产生大量的遥感影像资料，海量遥感数据和简单的数据服务方式之间矛盾突出[1,2]。随着互联网技术的发展，IT资源的使用、应用和服务模式不断地发生演变。云计算技术以其弹性服务、资源池化、按需服务、服务计费、泛在接入五大特点，成为近年来IT界的一个研究热点。

云计算已经成为目前用来解决高性能计算、海量数据存储、分布式应用、异构服务集成、按需提供服务等问题的主要途径。云计算遥感应用方面，也有许多积极的探索，ESRI、Google、中国科学院遥感应用研究所、中国科学院计算技术研究所等都进行了探索性和基础性的研究工作，证实了云计算技术应用于遥感领域的可行性。基于云计算技术，可将遥感数据、信息产品、处理技术与计算资源打包成类似公共设施（如自来水和电力等）的可计量的服务，提供给用户通过网络或移动终端随时随地按需使用，解决遥感应用中的数据、技术、设备、成本和人员的瓶颈，实现遥感信息技术在政府和公众日常业务中的普及应用[3]。

本文充分利用了云计算技术所具有的按需计算能力及动态可扩容能力，设计了一种适合于遥感数据管理和分发部门的数据共享分发系统，并在HDFS,YARN,Xen Server等开源云计算软件的基础上实现了基于云计算的多源遥感数据服务系统原型系统。该系统为用户提供原始数据、计算能力以及业务按需组装调度能力，使得用户在不直接接触原始数据的前提下，以使用数据服务的方式分享数据的使用价值，降低数据使用成本，提高数据的使用共享率。

1 数据服务方式

云计算提供了一种按需计费、按使用量计费的服务方式，这种方式恰好适用于数据费用较高的卫星遥感数据的分发共享[4,5]。常规的遥感数据付费下载一般按照数据的长久使用权考量的数据费用，云计算基础的上述特点可以提供一种按次使用，非长久持有的数据付费方式。这种数据付费使用方式下，原始数据的保有权一直留存在数据分发单位，不会丧失，同时可以降低数据使用的单价，有利于扩大数据的共享使用范围。尤其，对于科研性质的原始数据使用，这种情况下项目资金有限，并且数据的使用时间有限，上述模式将是一种更佳的选择，如图1所示。

实现上述的遥感数据服务模式，需要提供数据分发服务和算法注册服务，让用户能够提交自己的算法在系统内部获取原始数据完成计算，并下载计算后的结果，按照数据使用数量和业务执行次数进行计费。本文设计的基于云计算的多源遥感数据服务系统就是对这种遥感数据服务模式的一个探索。

2 系统总体功能

针对遥感技术发展带来的海量数据存储和处理需求，构建基于云服务的多源载荷数据处理与应用原型系统。系统建设内容包括海量数据归档与存储、遥感数据处理任务分布式并行计算、基于云服务的多源载荷数据处理应用集成技术。

海量数据归档与存储用于解决海量遥感数据条件下难以保证数据的海量吞吐量、难以动态无限扩容且造价高的问题。

遥感数据处理任务分布式并行计算解决海量数据条件下高性能快速计算需求。

基于云服务的多源载荷数据处理应用集成技术解决多源载荷数据处理应用多样，快速集成困难的问题。

结合业务需要，综合上述技术内容设计的基于云服务的原型系统应当具备以下功能：

(1）实现数据处理算法和多源载荷应用示范产品等系统软件模块的集成框架，支持新算法注册及远程算法调度，为多源载荷数据综合处理及管理、多源空间信息综合互补应用提供系统集成服务；

(2）实现基于分布式云存储技术的国产遥感卫星数据的存储管理。基于可靠性要求和访问控制需要，提供虚拟文件系统组织与管理、数据副本管理、负载均衡、数据完整性检测、数据迁移与恢复和存储集群管理等分布式云存储服务功能；

(3）提供分布式并行计算服务，为多源载荷数据综合处理及管理、多源空间信息综合互补应用技术开发的模块、软件提供并行化计算服务；

(4）提供符合工业标准的通信协议以及模块集成接口，以便二次开发人员开发新的特定的通信协议，以及实现多源载荷应用示范软件的集成；

(5）提供门户服务系统，对外提供产品分发定制、处理流程监视、产品数据展示、新算法注册的入口及示例程序演示等功能。

3 系统体系结构

基于云服务的原型系统在云平台的基础上提供多源遥感数据间辐射校正、国产遥感影像正射校正、多源空间数据融合、高分辨率光学影像的无云产品生产、作物面积监测、森林火灾综合监测、土壤含水量协同反演、地理数据动态更新、海洋灾害监测与应急、土地变化信息提取、应急安全监测功能，构建农业、林业、水利、测绘、海洋、安全等领域应用示范服务能力。上述服务以及对上述应用示范产品的数据分发服务直接面向云端用户使用，对应于云计算的云端应用服务层（即SaaS）。

数据管理分系统、并行处理分系统向多源数据处理应用示范软件提供数据归档、数据检索、数据提取、并行任务调度、任务管理、算法注册等服务，对应于云计算的基础平台服务层（即PaaS）。

集群管理服务由基础设施层（即IaaS）提供，通过在操作系统层之下虚拟化的方式对集群主机硬件状态进行监视和控制（包括计算能力分配、动态内存管理、在线迁移等），能够进行服务部署，并对平台上部署的服务进行监控。

基于云服务的原型系统架构方案如图2所示。

4 系统组成

从基于云服务的原型系统应当具备的功能出发，将原型系统划分为数据管理分系统、并行处理分系统、应用服务分系统3个分系统。基于云服务的原型系统组成方案如图3所示。

数据管理分系统提供分布式数据管理能力，提供对结构化数据、非结构化数据等海量数据的归档、检索及提取服务，并对云服务原型系统中其他模块屏蔽存储方式等信息，降低了数据处理及各类典型应用模块的开发难度，提高了原型系统的扩展性。数据管理分系统可存储多个数据源提供的原始数据，提供TB级以上数据的存储服务能力，在系统运行过程中，数据管理分系统需要统一管理所有应用示范的各类资源的编目信息、各类遥感数据产品、多源载荷应用示范产品等数据。

并行处理分系统实现对已集成多源载荷应用示范软件的多任务并行处理功能。并行处理分系统根据各个节点资源情况动态分配处理节点，通过将生产任务指派到不同的数据处理节点实现任务的并行处理，同时实现分布式文件存储位置感知功能，将生产任务尽可能的指派给数据所在节点，减少了计算节点之间数据的迁移，从而达到降低整体数据I/O量提高生产效率的目的。

应用服务分系统是基于云服务的原型系统各类产品的分发与订制门户。应用服务分系统主要任务是数据分发及产品生产任务定制。数据分发功能完成多源遥感数据产品以及农业、林业、水利、测绘、海洋、区域等综合应用示范产品的分发，为用户提供产品数据的查询检索、浏览等服务。产品生产任务定制提供对农业、林业、水利、测绘、海洋、区域等综合应用示范产品的生产任务定制服务，同时应用服务分系统还提供算法注册功能，实现多源载荷数据处理应用的集成功能。

5 系统集成方案

基于云服务的原型系统软件提供集成框架，为多源载荷应用示范软件提供生产任务的并行化调度服务。基于云服务的原型系统软件并行化调度工作由并行处理分系统负责，通过感知数据存储位置及计算节点任务负载信息实现任务并行化调度均衡。

多源载荷应用示范软件在原型系统中直接集成于并行处理分系统，部署于分布式计算节点。多源载荷应用示范产品生产任务的定制通过应用服务分系统提交生产订单的方式实现。生产任务首先由并行处理分系统接收，并行处理分系统再将生产任务调度给部署于某一个数据计算节点上的相应的多源载荷应用示范软件进行生产。

多源载荷应用示范软件生产开始时依据订单内容从数据存储节点提取所需数据，生产结束时将生成的产品归档到数据存储节点形成闭环。多源载荷应用示范软件归档后的产品数据通过应用服务分系统进行检索和分发。

多源载荷应用示范软件与各个分系统之间的接口考虑支持服务调用方式、文件订单方式、数据自动触发等形式综合提供，以提高系统的可集成度。

多源载荷应用示范软件与原型系统软件的集成方案如图4所示。

6 关键业务流程

系统关键业务流程按其功能可分为四个功能上关联而又相对独立的子流程，下文将详细介绍每个子流程的功能及具体过程。

(1）遥感业务注册组装流程

系统用户可以上传业务算法，与系统内部算法组装成特定的业务流程，并提交平台进行生产。用户算法由应用服务分系统直接推送到并行处理分系统，生成流程调度文件，在产品生产过程中自动实现业务流程在多个业务算法之间的流转。算法推送采用数据感知技术，将业务算法推送到距离数据最近的生产节点，减小数据访问过程中的带宽占用和时间消耗。

(2）遥感数据云存储流程

遥感数据云存储流程描述了遥感卫星数据或系统产品数据归档入库的流程。首先，拷贝到生产工作空间的数据被数据管理分系统扫描到并提取元数据信息。数据管理分系统将数据元数据入库到关系数据库，将数据归档到分布式云存储系统。最后将元数据信息推送至应用服务分系统，进行新产品或数据信息的发布。

(3）遥感数据云处理流程

遥感数据云处理流程描述了应用示范软件根据用户订单中对产品的需求，获取相关数据进行加工，运行用户指定业务流程生产用户所指定产品的流程。首先，应用服务分系统依据用户选择的产品业务流程以及输入的生产参数信息，生成产品生产订单，并将产品生产订单发送到并行处理分系统。并行处理分系统自动感知数据位置，分配适当的生产节点进行产品生产。产品生产完成后，首先等待后台用户对生产结果进行核查，防止原始数据被直接作为产品被用户下载。最后，向应用服务分系统发送生产完成报告。

(4）遥感数据应用服务流程

遥感数据应用服务流程描述了应用服务分系统获取相应产品数据进行分发的流程。该流程开始时，首先用户向应用服务分系统输入数据需求，应用服务分系统返回符合条件的数据列表。然后，用户在数据列表中选择需要的数据，生成数据订购单。应用服务分系统向数据管理分系统发出数据提取请求，数据管理分系统提取完数据后，发送数据提取任务单完成报告，应用服务分系统更新订单完成状态，用户下载所需数据。

7 原型部署方案

基于云服务的多源遥感数据服务系统原型系统集成基础遥感数据处理软件及用户注册业务软件，并向其提供数据归档、提取、并行任务调度以及产品展示、分发服务，同时提供云存储和云计算基础设施。应用服务分系统和并行处理分系统及数据管理分系统部署于同一台计算机，GIS地图服务器单独部署于1台计算机，用来存储遥感数据元信息、应用示范产品元数据及空间信息。云存储和云计算基础设施使用5台计算机，提供云存储和云计算服务。主节点使用1台计算机，从节点使用4台计算机，从节点部署Xen Server提供计算虚拟化支持。为了减小分布式并行计算过程中算法移动带来的额外时间开销，各种示范应用软件算法在每个云存储节点上分别部署一套。

基于云服务的原型系统部署方案如图5所示。

8 系统原型实现

系统数据分发界面原型如图6所示，业务运行流程监控界面原型如图7所示。

9 结语

计算机技术的发展给遥感数据处理及服务带来了更广阔的想象空间。尤其是云计算技术快速发展的今天，人们也在不断地探寻遥感与云计算技术的结合方式，探寻云计算技术可以给遥感技术带来何种优势[6,7,8,9,10]。

本文提出的基于云计算的多源遥感数据服务系统充分集成了云计算技术云存储、云计算、云服务的特点，提供了一种遥感数据共享的新方式，即提供原始数据及计算能力的方式，降低数据使用的门槛，提高数据的共享广度。然而，本文提出的设计仍然需要进一步的改进和探索，才能使这种方式更好地为遥感数据使用、共享领域带来真正的效益。

摘要：在分析了遥感影像数据及数据使用现状的基础上,综合考虑了云计算技术在遥感应用领域使用的必要性和可行性,设计了基于云计算的多源遥感数据服务系统。阐述了基于云计算的多源遥感数据服务系统体系结构及关键业务流程,包括遥感数据云存储、遥感数据云处理、遥感数据应用服务及遥感业务注册组装等。最后,通过原型系统的实现验证了系统设计既能保护原始数据的安全,又能降低数据使用的成本,同时还能够提高数据的共享率和用户使用率。

关键词：遥感数据处理,云计算,遥感数据服务,海量数据管理

参考文献

[1]赖积保,罗晓丽,余涛,等.一种支持云计算的遥感影像数据组织模型研究[J].计算机科学,2013,40(7):80-83.

[2]赵晋霞,李明辉,马赛潇.海量海洋遥感影像数据库建设研究[J].海洋测绘,2012,32(3):44-46.

[3]任伏虎,王晋年.遥感云平台技术研究与实验[J].遥感学报,2012,16(6):1331-1336.

[4]刘异,呙维,江万寿,等.一种基于云计算模型的遥感处理服务模式研究与实现[J].计算机应用研究,2009,26(9):3428-3431.

[5]石永阁,边馥苓.基于云平台的遥感信息公共服务研究[J].地理信息世界,2011,9(3):26-29.

[6]杨志和,胡虚怀,郭观七.海量遥感数据处理架构与并行算法研究[J].计算机应用与软件,2014,31(4):281-284.

[7]赵颖辉,蒋从锋.遥感影像的高性能并行处理技术研究[J].计算机技术与发展,2014,24(7):201-205.

[8]付天新,刘正军,闫浩文.基于Map Reduce模型的生物量遥感并行反演方法研究[J].干旱区资源与环境,2013,27(1):130-136.

[9]李先涛,曾志,张丰,等.基于集群的海洋遥感图像融合并行计算策略[J].计算机应用与软件,2012,29(1):84-87.

多源空调系统 篇8

克拉玛依油田西北缘区块共有49个开发层系注水, 注水井点广、需求量大。由于油藏层系较多、非均质严重且相互层叠, 单井间注水量与注水压力差别大。随着油藏加密调整、二次开发和滚动开发等不断调整, 逐步形成各泵站相互连通、统一系统压力注水的注水系统, 系统运行工况十分复杂。据统计, 2008年以前该油区注水系统效率为38.6%~40.6%, 注水单耗为6.7~7.1 k Wh/m3, 系统效率低、能耗高, 与国内外相比差距大。

1 建立注水系统效率模型

根据SY/T 5265—1996《油田注水地面系统效率测试和单耗计算方法》规定, 地面注水系统效率由电动机效率、泵效和管网效率组成, 即V=η1η2η3。其中η1、η2均为注水泵站内参数, 两者可作为整体统一分析;η3为地面流程管网效率。

注水模拟系统中需要建立模型的节点单元, 主要有注水泵、管线及管网、配水间管汇及注水井。

1) 运行参数分析。模拟计算现场生产工况, 计算出对比工况下 (设备、管线等处于优化运行状态下) 的运行数据, 找出系统运行不合理的部位和环节。主要包括泵站运行参数、管线运行参数、系统效率等。

2) 方案设计及模拟。根据需要进行虚拟方案的制定, 并模拟计算出虚拟方案的运行工况, 为人工制定的调整改造方案进行工况预测。通过模拟计算对多个方案进行对比, 并根据单耗、效率、注水井配注满足率等评价参数, 优选系统改造调整方案。

应用注水系统数值模拟软件进行工况模拟, 计算出连通干线上的压力, 将多源复杂大型管网系统分解为若干个相对独立的子系统。通过注水系统模拟软件进行工况模拟, 各泵站效率值如表1。

2 注水泵站效率影响因素

1) 机泵效率。注水站主要设备为离心泵, 离心泵的泵效除与设备本身的状况有关外, 影响泵效的最主要因素是实际工况点是否在高效区运行, 实际工况点越靠近额定工况点, 泵效越高。

2) 站内管网效率。站内管线通常距离较短, 管线沿程损失较少, 所以站内管网效率取决于泵出口阀门的节流损失。离心泵站中3座注水泵站的站内管网效率最低, 是由于注水泵配用电动机的功率低于注水泵需求输入功率, 需通过关小泵出口阀门的方法来限制注水泵排量, 以防止电动机超负荷运行, 这样泵的实际排量只能达到泵额定排量的72%~90%, 使注水泵的能力得不到充分发挥, 而且造成泵出口阀门的节流损失过大 (泵管压差高达2~4 MPa) , 泵站运行效率低下。

3) 注水管网效率。油区注水井压力分布如图1所示。高、中、低压力井在地理位置上没有明显的划分界限, 高压力注水井从西到东贯穿了整个辖区, 在平面上呈点状、狭长条状分布 (深蓝色为主) ;中压井部分呈片状分布, 部分与高压力井相互穿插, 也呈狭长条状分布 (蓝绿色为主) ;低压区基本呈片状分布 (红色为主) 。

从图1可以看出, 现存在注水泵压条件下, 出现部分高压区欠注严重;部分低压区水井节流损失较大, 注水单耗相对较高的问题。

3 提高注水系统效率

通过注水系统数值模拟软件模拟工况对注水系统效率影响因素分析, 从注水泵站、注水管网2方面进行提高系统注水效率。

3.1 泵控泵技术

泵控泵 (PCP) 技术原理是在原有大功率多级离心泵 (主泵) 前串联一个具有较宽工作范围的小功率前置泵, 由变频调速电动机带动前置泵, 为主泵提供前置压力, 并以主泵出口的压力或流量作为前置泵电动机变频的调控信号, 达到调控主泵出口压力排量的目的。

扩容节能, 要先进行主泵减级, 降低主泵运行功率, 改造后的工况及特性曲线变化见图2。

如图2所示, 在注水泵进行减级后, 注水泵的特性曲线下调, 需要由前置泵进行能量补充, 根据注水泵出口反馈的压力或流量控制信号, 前置泵电动机进行自动变频, 直到满足出口排量和扬程需求。

以泵站同输出HC扬程进行比较, 减级并加入PCP技术改造后, 前置泵在最低频率下 (25~30 Hz) 的工况为点E, 此时系统输出的扬程为HC, 排量为Q2, 在工频 (50 Hz) 下的工况点为F, 此时系统输出的扬程为HC, 排量为Q3, Q2、Q3均大于改造前的Q1, 实现了泵站的扩容。

3.2 泵站节能改造对比

根据泵站改造需求及节能改造条件, 结合生产实际。对更换为2000 k W大功率电动机、电动机增容至1800 k W并注水泵减1级 (10级) 、泵控泵技术改造并注水泵减2级 (9级) 3个方案, 应用注水系统模拟软件进行工况预测, 见表2。

702泵站井口平均压力低, 辖区注水井井口压力差异大, 欠注水量小, 未来需求水量较大。801泵站高压力井比例大, 未来需求水量小。802泵站辖区注水井井口压力较为平均, 欠注水量最大, 未来需求水量也最大。确定702、801注水泵站进行泵控泵并减2级 (9级) 改造, 802泵站进行更换大功率电动机改造。

3.3 系统分压注水

对于注水系统这种多源复杂管网系统来说, 单个设备、泵站或者区块运行效率的提高, 并不能保证整个系统的效率提高, 需系统考虑注水系统的优化调整。

以现有注水系统为依托, 根据压力区域划分情况, 对存在欠注井严重区域进行新建高低压系统, 形成高中低多套注入系统。达到提高高压区注水量及满足率;降低低压区注水单耗, 降低高压区单位压力单位注水量能耗。

4 实施效果

2008—2012年进行了702、801注水泵站泵控泵技术改造, 802注水泵站更换大功率电动机改造。六区低压系统, 八区克上、530井区高压分压注水。项目实施后系统效率由2008年的40.2%提高到2012年的42.9%, 注水单耗由6.55 k Wh/m3下降到6.13 k Wh/m3。

1) 能耗效果。702、801泵站泵控泵技术改造后单泵排量分别提高了500~800 m3/d, 泵站效率提高了2%~3%。802泵站改造后单泵排量提高了1000~1200 m3/d, 效率提高了3%~4.5%。高压系统解决老井欠注及高压新井注水4100 m3/d, 系统配注满足率提高了9.2%。六区分压改造后, 系统效率由原来的25%提高到44.2%, 注水单耗由原来的6.4 k Wh/m3下降到3.8 k Wh/m3。

2) 效益分析。702、801泵站泵控泵技术改造后, 年节电约306×104k Wh, 年节约电费226万元。六区地面系统分压注水改造后, 年节电218×104k Wh, 年节约电费163万元。八区克上及530井区高压系统分压注水改造后, 提高高压水井注水量4100 m3/d。

5 结论及认识

1) 应用注水系统动态数值模拟技术对系统效率、能耗进行分析, 找出影响系统效率的因素。以系统效率高、能耗低为制约条件, 从系统角度制定调整方案, 并实时调节运行方案, 是较为科学的注水系统优化调整管理方法, 该方法适用于所有复杂多源管网系统。

2) 对于电动机配置小或者泵站能力不足的大功率离心泵机组, 泵控泵技术改造可以作为一种选择。

多源空调系统 篇9

随着现代电力工业向着高电压等级、大容量的发展, 为保证电力生产安全高效运行, 对电力设备状态检修提出了更高的要求。由于电力设备的热效应是多种故障和异常现象的重要原因, 因此对电力设备的温度进行密切监测, 是保障电力设备可靠运行的必备手段[1]。目前, 专门用于测量高压设备发热缺陷的方法主要有两类:利用红外热像仪进行非接触式测量与多种无线检测装置进行的接触式测量[2]。

利用红外测温技术对设备进行热缺陷检测已广泛应用于电力系统, 其中大部分是采用手持式红外设备。近年来, 也有将红外与可见光摄像头安装在云台上, 在监控计算机的控制下, 自动循环采集变电站电气设备的红外热谱图[3]。利用固定位置红外热像仪在线测量时, 测量精度受背景辐射、测量距离、环境温度等因素影响很大, 且存在红外热像仪检测不到的死角, 如其他设备的阻挡、置于电气柜内的设备等。而使用无线装置对电力设备进行状态监测时, 由于高压电会产生很强的电磁场, 对无线电波干扰很大, 需选择适当频率的无线网络。Zig Bee无线传感网络低成本、短时延、免执照频段、高安全、低功耗等优点, 是解决实时在线监测高压设备发热的理想解决方案[4]。

针对多源信息融合技术的发展[5], 提出了一种利用在线式红外热像仪配合CCD摄像机及Zig Bee无线测温传感网络实现对高压设备热缺陷实时在线检测的新方法, 解决了单纯使用红外热像仪对部分电气设备巡检不到的难题。设计的热缺陷在线监测系统, 在重要设备上加装无线测温传感器, 运用能量捕获技术重点解决传感节点自主供电的难题[6];采用分步式多传感器信息融合技术, 快速标定热故障点的位置;利用电力系统专用光缆实现远距离监控与远程故障分析。其监控程序的设计严格遵循IEC 61850规约, 为无人值守变电站高压设备运行状态的远程集中监管提供技术保证。

1 热缺陷在线监测系统框图

随着红外热像仪价格的大幅下降, 将其固定安装在变电站测温现场成为可能。由于红外热像仪固定后, 存在巡检不到的死角, 因此本文提出了配合无线Zig Bee传感网络实现对高压设备的实时在线巡检的新方法。高压设备热缺陷监测系统如图1所示。

图中将在线式红外热像仪置于可控制数字电动万向云台上, 并根据变电站实际位置和红外热像仪的有效测温距离安装在变电站设备构架上。通过监控系统可手动调整监测角度或聚焦设备的具体部位, 或通过对监测平台参数的设定, 自动对预设点进行巡检。自动巡检时先用红外热像仪对电气设备所有应测部位进行全面扫描, 找出热态异常部位;然后对异常部位和重点检测设备进行准确测温, 并摄取热谱图。红外热像仪选用DM60-S非制冷焦平面在线式红外热像仪, 像素为384×288, 火线或以太网连接方式, MPEG-4图像记录, 单幅拍照保存为BMP格式。CCD摄像机成像参数与红外热像仪基本一致。可控云台是图像获取的定位装置, 由上位机通过RS-485传输控制信号进行控制, 云台根据程序指示来选择相应的定位点, 不仅起到支撑和安装集成在一起的摄像机和热像仪的作用, 且扩大了CCD摄像机和红外热像仪的视野范围。云台可在水平方向做330°转动, 且在垂直方向做±30°俯仰。

图1中Zig Bee无线传感网络基于IEEE 802.15.4技术标准和Zig Bee网络协议设计。图中传感器节点实现设备发热温度采集及数据无线发送, 路由器实现数据无线转发, 网络协调器将接收到的数据送入上位机[7]。变电站中干扰信号的频率主要集中在20 k~30 MHz范围内, 因此选择避开这一频带的频率 (2.4 GHz) 进行无线数据传送, 以满足变电站智能电子设备电磁兼容性要求。

上位机通过电力系统专用光缆与远程计算机实时通信, 实现远距离监控。为了将跨地域的多个变电站高压设备发热缺陷集中管理, 远程PC机与各变电站的上位机通过跨地域以太网实现双向通信, 对不同IP地址的上位机实现远程故障分析与数据库管理。

无线传感网络中的测温传感器节点加装于高压设备的表面, 实时监测高压设备的发热状况。针对变电站不提供电源且禁止架设各种电缆的要求, 利用能量捕获技术, 收集太阳能为传感器提供电能。测温传感器节点原理框图如图2所示。

2 多传感器信息融合与故障点标定

2.1 多传感器信息融合流程

随着电力工业的快速发展, 电力设备检修人员的劳动强度不断加大, 单一的利用某一传感器进行设备发热缺陷检测无法保障设备是否稳定运行。采用多传感器信息融合技术, 可以增强监控系统的生存能力, 同时由于不同传感器之间的信息冗余, 系统具有较好的故障纠错能力。通过不同传感器在时间和空间探测能力上的互补和融合, 可扩展时空覆盖能力。

红外监测技术是利用红外探测器获取设备的红外辐射状态的热分布信息, 然后转换成可视图像进行观测的技术, 它能实现现场大面积温度分布场的观察和局部缺陷的定点测温[8]。但由于红外热像仪所生成的是不同温度分布的图像, 因而不能显示出温度相同部分的几何形状, 在被观测设备情况复杂时, 如其他设备的阻挡、置于电气柜内的设备等, 观察者很难通过红外热像图迅速、准确地判断出热源的位置[9]。本系统在红外热像仪检测不到的关键设备上加装无线测温传感器, 将红外与CCD光学传感器及Zig Bee无线传感网络应用于热故障在线监测。系统以红外热像图显示出被测目标的热辐射能量分布, 以可视图像显示被测目标的完整形状和准确位置, 将红外热像与可见光图像进行配准后, 再将热故障点温度信息与无线测温传感器获取的信息相融合, 从而实现热故障点的快速准确标定。多传感器信息融合流程如图3所示。

红外和可见光图像进行配准, 以及在红外图像上精确定位故障点, 是电气设备故障检测领域内的研究热点[10]。本系统采用相位相关法[11]进行图像配准。设图像f1 (x, y) 平移 (dx, dy) 产生图像f2 (x, y) , 即

对应傅里叶变换关系为

则频域中互功率谱为

式中, “*”表示复共轭。对互功率谱进行反变换, 得冲击函数 (x-dx, y-dy) , 函数在偏移位置处有明显峰值, 可得两图像间的平移量。实验表明, 该方法运算速度较快, 具有较高的可靠性和精度。

2.2 分步式滤波融合算法

多源信息融合系统可分为集中式和分步式融合两大类。集中式融合算法是将所有采集到的观测值传输到中心处理器 (本系统中为上位机) , 然后再进行处理。随着传感器个数的增加 (本系统装设4个红外热像仪、20个无线测温传感器) , 集中式融合算法的计算量将急剧增加, 影响上位机的执行速度, 降低算法的实用性。为有效降低计算量, 本文采用一种分步式滤波融合算法[12], 将红外和可见光图像进行配准后的数据与无线射频传感器经去极大值数据均值滤波后的数据进行融合, 实现电力设备热缺陷点的快速标定。融合算法中有两类传感器对目标的特征进行同步观测, 对某一具体观测对象, 则仅有两个传感器进行融合。设多源传感器动态系统为

式中:整数为离散时间变量;x (k) ∈Rn´1为状态向量;φ (k) ∈Rn´n为系统矩阵;w (k) ∈Rn1为系统过程噪声, 是零均值白噪声序列, 且

其中:Q (k) 为非负定矩阵;zi (k) ∈RiP´1 (pi≤n) 为第i个传感器对x (k) 的观测值;H i (k) ∈RiPn为测量矩阵;vi (k) RPi1为零均值白噪声序列, 且

式中:Ri (k) 为正定矩阵;δkj, δij, δkl为克罗迪克d函数。假设x (0) , w (k) , vi (i=1, 2之间相互独立。记

式中:z1k (i) 表示第i个传感器在1, 2, …, k时刻上的测量序列集合;z1k表示两个传感器在1, 2, …, k时刻上的测量序列集合。

分步式滤波基本思想为:若已获得k时刻x (k) 基于全局的估计值xˆ (k|k) 及相应误差协方差P (k|k) , 则利用k+1时刻各局部测量值及Kalman滤波器可依次对x (k+1) 进行估计, 得基于全局的估计值xˆ (k+1|k+1) 和相应误差协方差P (k+1|k+1) 。其具体步骤如下:

先用xˆ (k|k) 和P (k|k) 计算出一步测量值xˆ (k+1|k) 和相应误差协方差P (k+1|k) , 再用z1 (k+1) 对xˆ (k+1|k) 进行更新, 得到状态x (k+1) 基于z1k和测量信息z1 (k+1) 的估计值和相应的估计误差协方差为

由于仅有两个传感器进行融合, 因此用z2 (k+1) 对xˆ1 (k+1|k+1) 进行更新, 得到状态x (k+1) 基于z1k和z1 (k+1) 、z2 (k+1) 的估计值和相应的估计误差协方差阵为

即为状态x (k+1) 基于z1k+1的估计值和相应的估计误差协方差阵

2.3 融合算法结果及分析

针对变电站中易发生电流致热性缺陷的穿墙套管, 在郑州市某变电站2#主变穿墙套管接头处安装无线测温装置, 获取三相穿墙套管接触温度, 通过红外热像仪及CCD摄像机获取现场视频图像, 经图像配准后, 与协调器获取的三相穿墙套管接触温度相融合。设初始状态x (0) =x0, 初始协方差阵P0, 融合周期T=60 s, 红外及无线传感器采样周期为T1=T2=20 s。融合结果如表1所示 (选两个时间为例) 。

从结果知, C相温升明显高于其他两相, 疑有缺陷。经多次复测, C相温升仍偏高, 对该2#主变穿墙套管进行停电检查, 发现C相套管接头已氧化。分析认为:由于穿墙套管导电部分与母排分别为铝导体和铜导体, 在接头端子处未做铜铝过渡, 导致氧化严重。经对氧化处理, 重新送电后, 测试C相温升正常。现场实验结果表明:分步式滤波融合算法对目标状态的估计是有效的。

3 客户端/服务器监控程序设计

3.1 套接字与Open CV的应用

常用的网络连接模式主要有两种:B/S (浏览器/服务器) 模式和C/S (客户端/服务器) 模式。对于数据量大、使用者单一的高速信息, 采用C/S模式进行传输控制更专业。针对电力企业内部专用网络, 热缺陷在线监测系统上位机监控程序与远程PC监控程序采用Visual C++.NET设计开发, 通过选取C/S通信模式, 实现海量数据的实时传输[12]。在使用MFC应用程序向导创建项目时, 应在高级功能中选定使用“Windows套接字 (Sockets) ”。套接字 (Socket) 是支持TCP/IP的网络通信的基本操作单元, 要通过网络进行通信, 至少需要一对套接字, 其中一个运行在客户端, 另一个运行于服务器。根据连接启动的方式以及本地要连接的目标, 套接字之间的连接过程可分为三个步骤:服务器监听、客户端请求、连接确认。

远程PC机监控程序利用电力系统跨地域以太网实现对多个变电站的上位机进行远程管理, 提高管理级的工作效率。远程PC机通过自动巡检模式获取各检测区的可见光图与红外热谱图。采用Open CV (Open Source Computer Vision Library) 函数库中的cv、highgui和cxcore这三个类库以及Proxy Trans滤波器, 快速实现对可见光图与红外热谱图的增强、去噪、分割和特征提取等处理[13], 经过图像配准, 提取电气设备特征温度数据, 将其存入数据库中。

3.2 远程图像的实时传输

在线式红外热像仪单幅拍照保存的文件为BMP格式, 通过CImage类另存为JPEG格式, 临时存储在变电站的上位机中。图像文件的大小为10~200 k B左右, 通过电力专用网络传输并显示于客户端小于1 s, 能够满足实时性的要求。为了准确无误地传输较大的图像文件, 需要定义一个文件信息属性结构体, 首先发送此结构体, 再循环发送文件内容;接收端先接收文件结构体, 再循环接收文件内容, 完成大文件的传输。

4 结语