基于动态频率算法的远程监控系统数据采集优化策略

被引：6

作者：

张斌

朱建涛

徐曌

机构：

[1] 桂林电子科技大学计算机科学与工程学院

来源：

微电子学与计算机 | 2016年 / 33卷 / 08期

关键词：

数据采集; 故障诊断; ARMA; 动态频率;

D O I：

10.19304/j.cnki.issn1000-7180.2016.08.019

中图分类号：

TP277 [监视、报警、故障诊断系统]; TP274.2 [];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

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.

引用

页码：86 / 91

页数：6

共 13 条

[1]

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

[2] Electricity demand loads modeling using AutoRegressive Moving Average (ARMA) models [J].

Pappas, S. Sp. ;

Ekonomou, L. ;

Karamousantas, D. Ch. ;

Chatzarakis, G. E. ;

Katsikas, S. K. ;

Liatsis, P. .

ENERGY, 2008, 33 (09) :1353-1360

[3]

Prediction about time series based on updated prediction ARMA Model. Youqiang Sun. International Conference on Fuzzy System and Knowledge Discovery . 2013

[4] 远程故障诊断技术在数据采集系统中的应用 [J].

邵富杰 .

工业控制计算机, 2007, (06) :15-16+20

[5] 基于时间序列分析的风电场风速预测模型 [J].

丁明 ;

张立军 ;

吴义纯 .

电力自动化设备, 2005, (08) :32-34

[6] 机械设备故障规律及运行趋势预测方法综述 [J].

蒋瑜 ;

杨雪 ;

阮启明 .

机电一体化, 2001, (03) :14-17

[7] 机械设备事故趋势与越限综合报警方法 [J].

刘刚 ;

郝敬敏 ;

邝继双 .

河北农业大学学报, 2000, (04) :89-92

[8]

Ambient Singals based Power System Oscillation Modes Identification considering Model Order Selection. Chao Wu. Power&Energy Society General Meeting . 2009

[9]

时间序列分析简明教程[M]. 北方交通大学出版社 , 张树京,齐立心编著, 2003

[10]

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

← 1 2 →