本实用新型涉及一种提取干扰信号自动复位数据采集系统的电路，该电路主要包括稳压电源、参考电压为4.5V的电池、运放单元、非门、与非门、触发器、微处理器、AD转换电路、采集数据传感器电路及电子模拟开关电路；该电路工作时，电阻R1、R2、R3、R4、R5、R6；电容C1、C2、C3；比较器03和04组成干扰信号提取电路；析出电源输入端的干扰信号；通过与非门和RS触发器，输出复位控制信号，控制微处理器和传感器电路在干扰信号期间同步复位，使09模块TS5A3166在干扰信号出现期间切断模块12的电源。该复位电路连接简便，易于理解，当稳压电路输出端出现干扰信号时，电路提取这个干扰信号控制微处理器和传感器电路同步复位，避免对后续电路的影响，有效提高了系统的可靠性。

物联网感知大数据可信存储与分析处理平台（IOT-SeaCloudDM）：针对智慧城市、物联网、车   联网中各种采样数据（包括各类传感器、RFID、条形码阅读器采样的时空相关数据）的数据管理需求，  提供一个通用的感知大数据处理平台，对各类相关的感知采样数据进行统一管理，并达到如下目标：（1） 提供 PB~EB 级的感知采样数据存储、管理与查询处理。（2） 提供时态 - 空间数据、采样数值数据的统计分析与数据挖掘。（3）在此基础上，为各类智慧城市、物联网应用提供基础软件支撑。

“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品 “全球抗疫，人人有责” 推出背景：         3D模型能够给人以更强烈的视觉刺激，震撼程度远远高于二维画面。有了物体的三维数据，可以产生任意视图，视图间能保持正确的投影关系，这为生产工程图带来了方便。此外还能生成透视图和轴侧图，这在二维系统中是做不到的。   我们的日常生活是在三维空间下开展的，那么对于生物体而言，三维空间的数据展示才是最真实的。举例：我们检测到的数据是浓度（点），单个位点浓度的进出（线），两个位点浓度的进出（面），多个位点浓度的进出（立体）。不同的维度所展现的内容不同，科研的发展趋势必将是向多维方向，向上发展。   产品介绍 名称：NMT-3D数据分析软件V3.0（MageFluxV3.0） 品牌：旭月 产地：中国 简介： 应对挑战： 活体样品是立体的，使用立体图形及3D数据能够才能更加真实的展现样品情况 如何获得3D数据是较难的问题 解决方法： NMT是检测活体样品的技术，并拥有三维流速数据监测的功能，配合NMT-3D数据分析软件，能够制作科研人员可直接观看的三维可视化流速数据图。更加直观，更加真实地展现样品在立体空间中的流速情况   功能特点 1.基本功能： 展示可视化三维流速数据图 可以录制三维流速云数据图视频 可以随时随地查看图形 可根据客户需求进行定制材料模型 流速指标展示的颜色自定义 2.软件参数： 根据科研人员上传的数据信息和建模信息，帮助科研人员生成可以裸眼观看的三维可视化流速数据图。还可以对流速数据图进行：      1）手动平移、缩放和旋转      2）自动围绕x轴、y轴和z轴旋转      3）录制并下载1分钟之内的三维可视化流速数据图的视频      4）背景色调整，可调整为任意颜色      5）任意选择一个或多个显示内容，包括：离子流速、分子流速、材料、材料比例尺、离子流速比例尺、分子流速比例尺      6）调整离子流速比例、分子流速比例，可以设置离子分子比例联动      7）调整材料透明度

本发明公开了一种基于云计算的数控系统数据采集及处理系统， 包括由远程服务器集群搭建而成的云平台，该云平台包括计算服务器 集群和存储服务器集群，计算服务器集群中集成有虚拟机集群，且分 别与数控系统和存储服务器集群连接通信，虚拟机集群具有多个分布式并行计算单元，用于执行数据采集与并行计算，存储服务器集群中 用于对采集或分析处理后的车间数据进行分布式存储。本发明还公开 了相应的方法。本发明以虚拟机代替实体机实现并行计算，并通过虚 拟化管理平台对虚拟机集群进行管理，使车间服务器资源不再受单点 配置的限制，并

本发明公开了一种无线传感器网络中数据采集传输的可靠性保障方法，包括传感器网络中各传感器节点采用基于动态工作周期调整的高可靠网络组织方法和传感器网络中各传感器节点之间及与汇聚节点之间采用基于2阶段重传的高可靠数据传输方法。在网络组织可靠性保障方面，将传感器节点的工作模式划分为正常工作和网络修复两种模式，并通过动态工作周期调整保证节点在两种模式下都能进行间歇工作，从而同时保证节点低功耗特性和快速网络修复能力。在数据传输可靠性保障方面，采用了基于2阶段重传的高可靠数据传输方法，保证在出现数据传输错误甚至链路中断时的数据完整性，并将数据传输错误对于数据实时性的影响降至最低。

本发明公开了一种实时数据采集协同控制系统及其工作方法，属于自动化控制技术领域。其系统包括上位机、数字IO板和电源模块。本发明通过在设计初期引入数学模型，能够实现对复杂控制算法的精确描述，从而显著提升开发效率和系统性能；可直接从模型生成硬件平台可执行代码，避免了传统手工编码的繁琐过程，使得开发人员无需深入掌握硬件编程技术即可完成系统的建模、调试与优化，大幅减少了开发周期，提高了开发效率，并简化了系统集成过程，提升了系统的可靠性和实时响应能力；同时，系统能够在动态环境中实时感知、快速响应并进行高效决策，为复杂控制任务提供了可靠保障。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。