建筑机器人云端实时监管系统设计与实现

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:dixg03
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自“建筑工业4.0”战略提出以来,越来越多的建筑机器人出现在了施工场地,不过就目前而言,建筑机器人的信息化程度仍很不足,缺少远程实时的监管手段。随着云计算技术的高速发展,计算能力和存储资源可以像商品一样被购买,数据上云也成为了越来越多的用户的选择,因此本课题旨在设计并实现一个云端实时监管系统,为建筑机器人提供远程实时的监控与管理服务。本文首先对系统涉及到的相关技术和理论基础进行了调研。然后根据系统的应用场景和主要目标对系统进行了需求分析,设计了系统的物理架构、分层架构以及功能模块。在系统的设计阶段,针对建筑机器人运行数据的采集,设计了数据的采集模式,定义了统一的数据模型,并对数据采集模块服务器端的高并发性进行了设计。设计了混合式的数据存储方案,兼顾了数据的可靠性和高效读写。针对建筑机器人传感器数据丢失的问题,本文基于时间序列预测技术对缺失数据进行补全,并通过实验选取了最佳的预测模型。最后,本文对系统的实时性进行了设计。在对系统进行实现时。本文建立了基于孤立森林的异常检测模型,并通过模型对建筑机器人采集的传感器数据进行了异常打分,并根据打分结果评估了建筑机器人此次抹灰操作的质量好坏。基于Netty框架实现了数据采集的服务器端,能同时支持更多的建筑机器人与服务器进行通信,针对数据粘包拆包的问题进行了解决。在处理建筑机器人发送过来的数据时,制定了过滤规则,基于二次指数平滑法对传感器丢失数据进行了预测补全。为保障业务数据的安全性和可靠性,本文搭建了主从式的MySQL集群。最后,实现了通过Web页面对建筑机器人进行实时的监控和控制,为了保证监控、控制功能的实时性,本文基于WebSocket协议实现了建筑机器人与Web页面的双向实时通信。最后,本文对系统的主要功能进行了测试和展示,测试了系统的并发能力以及系统的实时性。最终结果表明系统支持对大规模的建筑机器人进行实时的监控和管理,满足了系统的总体目标和设计要求。
其他文献
天地一体化网络是我国“十三五”科技创新规划的重要内容之一,在国家战略利益扩展等方面具有至关重要的作用。卫星网络具有拓扑复杂,链路动态变化,资源稀缺,处理能力有限等特点。因此,如何优化网络资源分配,减少资源消耗,对于降低卫星网络的运营成本,提高资源利用率具有重要意义。软件定义网络(Software Defined Network,SDN)和网络功能虚拟化(Network Function Virtu
复杂网络作为物理学中新兴的分支,随着互联网的兴起以及数据的爆炸性增长而受到国内外众多学者的关注。复杂网络是基于图论的一门交叉型应用学科,截至目前已经有较长的研究历史。1988年小世界特性的发现使得对复杂网络的关注上了一个新台阶,而无标度特性的发现更是对其的发展产生了深远的影响。不同于随机网络或人工网络的是,现实世界中的网络的非同质性决定了节点背后所表示的对象的重要性并不是平均分布的。而是有影响的节
通过互联网开展人物画像生成、人物关系分析、人物行为预测等以人物属性、行为提取与分析为核心的研究已成为网络信息挖掘领域的研究热点,预先开展人物网页精准分类能够有效降低工作量,减少噪声,提高分析效率。现有的网页分类方法的着眼点多集中于网页的领域进行分类,例如“艺术”、“商业”、“体育”等,而对于人物网页分类研究相对较少。本文主要针对人物网页分类问题开展研究,在研究分析现有网页分类方法基础上,根据人物网
互联网兴起至今不过30年,已经发展成为一个庞然大物,互联网提供的服务从最初的文本浏览到今天的各种纷繁的功能业务,其核心都避不开文件的传输即下载,文件下载在为用户带来便利的同时也带来了在线盗版文件下载。而且近年来随着我国网络基础设施的快速发展,网速出现了飞跃性的进步,盗版文件的传播也变得更加快速,盗版文件的下载出现了传播量大、有效时间短的特点。基于以上因素,本文提出了一种主要面向盗版下载文件的下载信
随着网络技术的高速发展,网络规模的扩大和应用数量的增加,使得用户对网络的服务质量保障提出了新的要求,亟需高效的路由算法对业务流的服务质量(Quality Of Service,QoS)需求进行保障。但是传统网络架构复杂,难以获取全局视图,限制了路由算法的设计和部署,无法提供理想的QoS保障。而软件定义网络(Software Defined Network,SDN)架构的提出,解耦了控制平面和数据平
随着生活智能化的进程,说话人识别与说话人属性分类在身份认证、公共安全以及智能家居等领域有着越来越广泛的应用,但由于实际应用场景的复杂性,现有基于深度学习的声纹识别和说话人属性分类技术虽然能在静音的理想环境中能够达到较高的识别效果,其对于环境噪声的鲁棒性和识别准确率还有待提高。本文旨在研究具有高鲁棒性说话人识别和说话人属性分类系统,提升其在复杂环境中的准确率,具体研究内容如下:1.提出基于注意力机制
时序数据预测算法已经成为许多社会服务的基础,利用机器学习来对时序数据进行预测是常见的手段,当需要大量计算资源的时候会将计算任务交付给云平台进行处理,云平台为算法提供充沛的算力支撑,然而云平台缺乏灵活性且消耗过多的带宽。为此可将算法下沉到边缘端,边缘端的轻量化可克服云平台的笨拙,但边缘端由于自身硬件的限制,难以提供像云平台那样充沛的算力,导致在进行时序数据预测的时候会出现算力不足或者耗时过长的情况。
互联网技术的快速发展和移动终端的普及向用户们提供了海量的信息资源,用户逐渐习惯于网上购物、看视频、听音乐以及浏览新闻资讯。然而这些丰富的资源也带来了信息过载的问题,使得用户可能需要花费大量的时间以及精力来从海量的信息中检索到感兴趣的内容。如何全面并且精确地帮助用户找到需要的内容成为了个性化推荐系统中的主要目标。向用户们推荐没有参观过的且可能感兴趣的兴趣点(POI)是基于地理位置的社交网络中基本应用
与轮式和履带式移动机器人不同,四足式机器人能更好的适用于各种非结构化地形,具有良好的越障能力,机动性强,具有广泛的应用前景。由于四足机器人自由度高,动力学建模繁杂困难、计算量大,控制算法复杂,难以满足实际使用要求。为此,本文重点围绕四足机器人的动力学建模与控制方法开展研究,主要工作如下:首先在国内外四足机器人常见构型的基础上,提出了一种连杆传动的四足机器人结构方案。在分析传统牛顿欧拉迭代算法的基础
近些年来,随着人工智能日新月异的变化与发展以及自然语言理解技术的不断突破,人机对话系统因其广阔的应用场景以及极大的商业价值受到大量研究人员的关注。得益于互联网的迅速发展和海量数据的产生,深度学习技术获得了长足的进步,依赖于深度学习的端到端对话系统逐渐成为主流。基于端到端方法的对话系统能够根据输入,直接生成对应输出,减少了人工标注数据的工作量,消除了传统管道方法中的误差累积问题。但是,端到端方法仍存