سنسور فشار 3408560 برای قطعات موتور دیزل کامینز QSK
جزئیات
نوع بازاریابی:محصول داغ 2019
محل مبدا:ژجیانگ، چین
نام برند:گاو نر پرنده
گارانتی:1 سال
قسمت شماره:3408560
نوع:سنسور فشار
کیفیت:با کیفیت بالا
خدمات پس از فروش ارائه شده:پشتیبانی آنلاین
بسته بندی:بسته بندی خنثی
زمان تحویل:5-15 روز
معرفی محصول
با توجه به روش های مختلف پردازش داده ها، سه معماری سیستم ترکیب اطلاعات وجود دارد: توزیع شده، متمرکز و ترکیبی.
1) توزیع شده: ابتدا داده های اصلی به دست آمده توسط حسگرهای مستقل به صورت محلی پردازش می شوند و سپس نتایج برای بهینه سازی و ترکیب هوشمند برای به دست آوردن نتایج نهایی به مرکز همجوشی اطلاعات ارسال می شود. توزیع شده تقاضای کمی برای پهنای باند ارتباطی، سرعت محاسبات سریع، قابلیت اطمینان و تداوم خوب دارد، اما دقت ردیابی بسیار کمتر از دقت ردیابی متمرکز است. ساختار همجوشی توزیع شده را می توان به ساختار همجوشی توزیع شده با بازخورد و ساختار همجوشی توزیع شده بدون بازخورد تقسیم کرد.
2) متمرکز سازی: متمرکز سازی داده های خام به دست آمده توسط هر سنسور را مستقیماً برای پردازش فیوژن به پردازنده مرکزی ارسال می کند که می تواند همجوشی بلادرنگ را تحقق بخشد. دقت پردازش داده آن بالا و الگوریتم آن انعطاف پذیر است، اما معایب آن الزامات بالا برای پردازنده، قابلیت اطمینان کم و حجم داده زیاد است، بنابراین درک آن دشوار است.
3) ترکیبی: در چارچوب ترکیبی اطلاعات چند سنسوری ترکیبی، برخی از حسگرها حالت فیوژن متمرکز را اتخاذ می کنند و بقیه حالت همجوشی توزیع شده را اتخاذ می کنند. چارچوب همجوشی ترکیبی دارای سازگاری قوی است، مزایای همجوشی و توزیع متمرکز را در نظر میگیرد و پایداری قوی دارد. ساختار حالت فیوژن هیبریدی پیچیده تر از دو حالت فیوژن اول است که هزینه ارتباطات و محاسبات را افزایش می دهد.
فیلتر کالمن (KF)
فرآیند پردازش اطلاعات توسط فیلتر کالمن عموماً پیش بینی و تصحیح است. این نه تنها یک الگوریتم ساده و مشخص است، بلکه یک طرح پردازش سیستم بسیار مفید در نقش فناوری ترکیب اطلاعات چند سنسوری است. در واقع، این روش مشابه بسیاری از روش های سیستم ها برای پردازش داده های اطلاعاتی است. این یک تخمین بهینه آماری موثر برای داده های ذوب شده با استفاده از محاسبه بازگشتی تکراری ریاضی ارائه می دهد، اما به فضای ذخیره سازی و محاسبه کمی نیاز دارد، بنابراین برای محیطی با فضای پردازش داده محدود و سرعت مناسب است. KF را می توان به دو نوع تقسیم کرد: فیلتر کالمن توزیع شده (DKF) و فیلتر کالمن توسعه یافته (EKF). DKF میتواند ترکیب دادهها را کاملاً غیرمتمرکز کند، در حالی که EKF میتواند به طور موثر بر تأثیر خطاهای پردازش دادهها و بیثباتی بر فرآیند ادغام اطلاعات غلبه کند.