基于大数据的嵌入式设备的超负荷状态估计

• 作者: 陈越 顾晖
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 大数据 嵌入式 超负荷
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 仿真应用研究
• 页码范围: 212-215
• 页数: 4页
• 分类号: TP391
• 字数: 3977字
• 语种: 中文

摘要

对嵌入式设备的超负荷状态进行准确估计,能够提高嵌入式设备的稳定性.由于嵌入式设备构造较为复杂,各个零件承担的电压电流负荷无法形成单一的稳定特征,会发现较大变化.传统的估计方法,仅仅以单个电路的负荷数据特征进行实时更新叠加,没有充分考虑负荷参数之间的相互影响,以及特征变化中的可识别周期性,计算的结果不准.提出采用大数据分析的嵌入式设备超负荷状态估计方法.对嵌入式设备的等效原理进行分析,建立嵌入式设备的等效模型;将各支路上的大数据功率数据作为超负荷状态估计的变量,得到稳定的嵌入式设备各支路上的电流,根据卡尔曼滤波原理建立嵌入式设备的超负荷状态估计的目标函数,将各支路电流作为卡尔曼滤波的输人量,进行泰勒级展开,最终获得准确的估计结果.仿真结果表明,改进算法能够提高超负荷估计的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾晖		18	128	6.0	11.0
2	陈越		18	64	3.0	7.0