制造物聯(lián)海量數(shù)據(jù)流復(fù)雜事件檢測算法研究.pdf

1、在制造物聯(lián)網(wǎng)生產(chǎn)環(huán)境下，各種類型的感知設(shè)備用于監(jiān)控生產(chǎn)過程、流程、對象變化等，從而產(chǎn)生了大量的原始數(shù)據(jù)。但是這些數(shù)據(jù)的準(zhǔn)確性會受到生產(chǎn)環(huán)境、硬件屬性、網(wǎng)絡(luò)技術(shù)的影響，因此，感知節(jié)點產(chǎn)生的數(shù)據(jù)具有不確定性、海量多源性以及高時空關(guān)聯(lián)性等特點。這些數(shù)據(jù)特點加重了復(fù)雜事件檢測的負擔(dān)，并且隨著數(shù)據(jù)量的增加，數(shù)據(jù)的實時檢測能力有所下降。對制造企業(yè)來說，不能及時掌握生產(chǎn)動態(tài)，就不能及時發(fā)現(xiàn)生產(chǎn)過程中存在的問題。
　　通過對制造物聯(lián)海量數(shù)據(jù)流處理

2、中難點的研究分析，結(jié)合制造業(yè)生產(chǎn)中的工業(yè)要求，本文提出了相應(yīng)的復(fù)雜事件檢測算法。首先，針對不確定海量數(shù)據(jù)流因組合數(shù)量過大導(dǎo)致難以實時高效檢測的問題，本文利用非確定性有限自動機結(jié)合匹配樹，提出一種制造物聯(lián)網(wǎng)面向不確定數(shù)據(jù)流的復(fù)雜事件檢測算法。通過將不確定數(shù)據(jù)流的概率值和閾值比較，進而篩選出有價值的信息，以達到在內(nèi)存空間占用上有所優(yōu)化，在事件檢測效率上有所提高的目的。其次，針對制造物聯(lián)中海量事件檢測過程中出現(xiàn)的擁塞導(dǎo)致事件不能及時檢測或不必

3、要事件占用過多資源的現(xiàn)象,本文提出一種基于優(yōu)先級的哈希結(jié)構(gòu)復(fù)雜事件檢測算法,該算法綜合考慮了事件必要性、處理時間、等待時間這三種因素,對各個原子事件計算優(yōu)先級,采用事件優(yōu)先級調(diào)度策略,以達到事件模式匹配及檢測能及時執(zhí)行的目的。
　　本文對制造物聯(lián)海量數(shù)據(jù)流復(fù)雜事件算法進行研究，在VC6.0中模擬數(shù)據(jù)流的產(chǎn)生，利用實驗結(jié)果圖和數(shù)據(jù)集將本文所提出的算法和經(jīng)典的算法進行比較。仿真實驗通過
　　控制數(shù)據(jù)生成器中參數(shù)的值，來檢測事件檢

4、測算法的檢測時間、內(nèi)存消耗和吞吐量隨事件數(shù)量的變化趨勢。實驗結(jié)果表明，在數(shù)據(jù)量相同的條件下，相較經(jīng)典算法，本文所提出的算法檢測時間短、內(nèi)存消耗低、吞吐量高。以上的三個指標(biāo)在數(shù)據(jù)量越大的情況下，本文所提的算法就越有優(yōu)勢。因此，將本文所提出的算法應(yīng)用于制造物聯(lián)企業(yè)中，能有效提高復(fù)雜事件檢測的實時性，有助于企業(yè)在生產(chǎn)過程中對監(jiān)控對象的變化在更短的時間內(nèi)做出響應(yīng)，以及時解決生產(chǎn)過程中面臨的問題。因此，該算法的研究為制造物聯(lián)技術(shù)領(lǐng)域做出了一定的貢