智能數(shù)據(jù)服務(wù)、安全與應(yīng)用優(yōu)化

第 1章 數(shù)據(jù)空間引擎設(shè)計與管理系統(tǒng)架構(gòu)
1.1 數(shù)據(jù)空間概述 2
1.2 數(shù)據(jù)空間建模技術(shù) 4
1.2.1 數(shù)據(jù)空間建模 4
1.2.2 數(shù)據(jù)空間語義理解 10
1.3 異構(gòu)數(shù)據(jù)多維索引技術(shù) 17
1.3.1 數(shù)據(jù)存儲和索引 17
1.3.2 數(shù)據(jù)空間異構(gòu)數(shù)據(jù)查詢技術(shù) 21
1.3.3 工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)空間查詢方法 25
1.4 集群容器化數(shù)據(jù)空間引擎設(shè)計 27
1.5 數(shù)據(jù)空間管理系統(tǒng)架構(gòu) 29
1.5.1 數(shù)據(jù)架構(gòu) 30
1.5.2 數(shù)據(jù)平臺設(shè)計參考架構(gòu) 31
1.5.3 柔性化的數(shù)據(jù)空間管理系統(tǒng) 35
第 2章 海量異構(gòu)數(shù)據(jù)集成技術(shù)研究
2.1 多源異構(gòu)數(shù)據(jù)并行采集方法 38
2.1.1 數(shù)據(jù)采集概述 38
2.1.2 離散制造車間數(shù)據(jù)采集 41
2.1.3 基于FPGA的多源異構(gòu)數(shù)據(jù)并行采集框架 42
2.1.4 基于FPGA的多源異構(gòu)數(shù)據(jù)并行采集流程 43
2.1.5 實驗分析 47
2.2 基于XML 的數(shù)據(jù)交換模型 48
2.2.1 數(shù)據(jù)交換模型概述 49
2.2.2 異構(gòu)數(shù)據(jù)交換模型設(shè)計 50
2.2.3 數(shù)據(jù)轉(zhuǎn)換流程 52
2.3 海量異構(gòu)數(shù)據(jù)預處理方法 56
2.3.1 數(shù)據(jù)預處理技術(shù)概述 56
2.3.2 數(shù)據(jù)清洗 57
2.3.3 數(shù)據(jù)集成 58
2.3.4 數(shù)據(jù)變換 59
2.3.5 數(shù)據(jù)歸約 59
2.3.6 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)清洗概述 60
2.3.7 基于機器學習的數(shù)據(jù)清洗方法 60
2.4 基于深度學習的多模態(tài)數(shù)據(jù)融合技術(shù) 64
2.4.1 多模態(tài)數(shù)據(jù)概述 64
2.4.2 多模態(tài)數(shù)據(jù)融合技術(shù) 65
2.5 基于Elasticsearch的數(shù)據(jù)檢索機制 68
2.5.1 企業(yè)數(shù)據(jù)空間現(xiàn)存問題 69
2.5.2 數(shù)據(jù)檢索機制的體系架構(gòu)設(shè)計 69
2.5.3 分布式索引架構(gòu) 70
2.5.4 數(shù)據(jù)查詢框架 71
第3章 智能數(shù)據(jù)服務(wù)方法研究
3.1 面向集裝箱碼頭智能閘口監(jiān)測的跨模態(tài)數(shù)據(jù)檢索方法 75
3.1.1 碼頭閘口監(jiān)測跨模態(tài)檢索任務(wù)概述 75
3.1.2 多重注意力集卡圖文跨模態(tài)檢索算法設(shè)計 77
3.1.3 基于聯(lián)合嵌入的集卡圖文跨模態(tài)檢索算法設(shè)計 83
3.1.4 算例實驗及分析 86
3.1.5 閘口監(jiān)測跨模態(tài)檢索驗證平臺設(shè)計 89
3.2 數(shù)字標識與應(yīng)用服務(wù)研究 97
3.2.1 數(shù)字標識概述 97
3.2.2 數(shù)字標識規(guī)范 98
3.2.3 標識解析 100
3.3.3 標識服務(wù) 102
3.3 基于圖像語義的工業(yè)機器人環(huán)境感知技術(shù)研究 103
3.2.1 室內(nèi)環(huán)境感知技術(shù)概述 103
3.3.2 圖像語義分割技術(shù)概述 104
3.3.3 圖像語義分割模型設(shè)計 105
3.3.4 算例驗證及分析 107
3.4 基于多傳感器融合的危險品倉庫安全監(jiān)測技術(shù)研究 112
3.4.1 數(shù)據(jù)融合監(jiān)測預警系統(tǒng)的總體框架 113
3.4.2 基于BP神經(jīng)網(wǎng)絡(luò)與SVM的特征層數(shù)據(jù)融合 117
3.4.3 基于模糊改進D-S證據(jù)理論的決策層融合 133
3.4.4 危險品倉庫遠程監(jiān)測預警系統(tǒng)設(shè)計 146
3.4.5 系統(tǒng)整體測試 156
3.5 面向煤炭碼頭裝卸作業(yè)的混合流水車間調(diào)度優(yōu)化案例 160
3.5.1 港口裝卸作業(yè)調(diào)度概述 160
3.5.2 考慮任務(wù)釋放時間與零等待的HFSP數(shù)學模型 161
3.5.3 離散GPSO算法設(shè)計 164
3.5.4 算例實驗及分析 171
3.5.5 調(diào)度服務(wù)平臺驗證 177
第4章 智能制造領(lǐng)域數(shù)字孿生技術(shù)研究
4.1 數(shù)字孿生技術(shù)實施路徑 189
4.1.1 數(shù)字孿生構(gòu)建流程 189
4.1.2 數(shù)字孿生在制造業(yè)中的關(guān)鍵技術(shù) 191
4.2 制造業(yè)多源異構(gòu)信息 191
4.2.1 制造業(yè)生產(chǎn)過程中的多源異構(gòu)數(shù)據(jù) 191
4.2.2 制造業(yè)中的多源異構(gòu)數(shù)據(jù)采集 193
4.2.3 制造業(yè)中的多源異構(gòu)數(shù)據(jù)處理 194
4.2.4 制造業(yè)中的多源異構(gòu)數(shù)據(jù)分析 195
4.3 智能制造領(lǐng)域數(shù)字孿生標準化現(xiàn)狀及需求 196
4.3.1 智能裝配標準化現(xiàn)狀及需求 196
4.3.2 虛擬工廠標準化現(xiàn)狀及需求 196
4.3.3 汽車行業(yè)標準化現(xiàn)狀及需求 198
4.4 數(shù)字孿生在智能制造領(lǐng)域的應(yīng)用 198
4.4.1 基于數(shù)字孿生的機械產(chǎn)品可靠性測試應(yīng)用案例 198
4.4.2 數(shù)字孿生驅(qū)動的汽車發(fā)動機裝配方法 203
4.4.3 造船用大型起重機械數(shù)字孿生應(yīng)用 205
第5章 多維度安全與隱私保障體系構(gòu)建
5.1 數(shù)據(jù)溯源管理模型構(gòu)建 212
5.2 基于區(qū)塊鏈的數(shù)據(jù)溯源機制 214
5.2.1 雙鏈存儲機制 214
5.2.2 安全模型機制 215
5.2.3 逆向溯源機制 216
5.3 基于深度學習的自適應(yīng)風險評估方法研究 216
5.3.1 風險評估方法概述 217
5.3.2 針對主要影響因素的評估方法 221
5.3.3 自適應(yīng)風險評估方法詳解 224
5.4 基于風險評估和時間控制的數(shù)據(jù)銷毀機制研究 229
5.4.1 數(shù)據(jù)銷毀技術(shù) 229
5.4.2 數(shù)據(jù)銷毀模式 230
5.4.3 基于風險評估的數(shù)據(jù)自銷毀方案 233
5.5 探制研究 235
5.5.1 主動探測與被動探測 236
5.5.2 主動被動探測算法設(shè)計 237
5.5.3 主動被動探測結(jié)果驗證 244
5.6 細粒度動態(tài)權(quán)限分割 247
5.6.1 細粒度動態(tài)權(quán)限分割概述 247
5.6.2 細粒度動態(tài)權(quán)限分割技術(shù)詳解 247
總結(jié) 255 參考文獻 257