项目主要是把贮运厂电气运行数据集成到PHD，并提供WEB浏览，方便管理，实现生产的长期稳定、安全运行，保证贮运厂的经济效益和社会效益的最大化。通过开发专用数据接口，将电气PLC控制系统的相关数据集成到PHD数据库，绘制流程图和制作参数报表和趋势图，通过WEB服务器进行信息发布，经过授权可以进行远程信息浏览。

1. 痛点问题 液压往复密封作为航空液压系统的关键基础，其泄漏导致的液压系统减能或失效，轻则影响航空装备的完好率，重则造成飞行事故。关于往复密封的研究距今已有了80多年的历史，现该技术的理论模型和实验仿真等在低压、低速工况下的研究已较为成熟。然而近几年随着主机装配性能的不断提高，往复密封的研究也要往保证高压高速下密封性能和密封寿命的方向突破，高压高速的严苛工况给往复密封技术提出了更高的要求。 往复密封技术是涉及材料学、机械学、力学、摩擦学及传热学等多个学科的综合性密封技术，对于往复密封系统中的摩擦力和泄漏量等物理量的测量本身就有一定难度，在高压高速的工况下测量的难度会更大；不仅如此，想要控制系统内的高压，并且让活塞杆有较稳定的高速运动，在实现上也有技术难度；另外，高压高速的艰难工况会给密封系统带来较为严重的温升，由密封界面的摩擦导致的大量摩擦生热，只能通过活塞杆和实验缸体内的油液运走，所以对于这样的高压高温系统，必须要设计合理的冷却系统控制密封界面和实验缸体内的温度。 2. 解决方案 为了使实验装置能够成功模拟高压高速的恶劣工况，并解决在此工况下的测量难题，本发明提供一种高压高速往复密封实验测试平台的方案和结构设计，整套实验设备以实验缸体为核心，配套提供高速往复运动的驱动装置、进行系统降温的冷却装置，并且将实验缸体浮动式安装以准确地测得密封圈摩擦力。 本发明通过组合偏心轮、导杆、直线轴承等传动装置，形成了曲柄滑块机构，实现了活塞杆的往复高速运动，将直线轴承布置在缸体两侧，可以有效地平衡导杆传递给实验杆的力矩，同时可以通过设计偏心轮的转动惯量，平衡高速往复运动所带来的惯性冲击；将整个缸体浮动安装，并用力传感器将其与机架相连，实现了密封圈摩擦力的测量。

本发明公开了一种可组网便携式汽轮机组振动数据采集与故障分析系统，包括ARM主控模块、电源模块、故障诊断模块、对传感器传递的快变及键相信号进行预处理的信号调理模块，所述信号调理模块的输出端连接可对多路同步快变信号进行键相采集的同步快变信号采集模块，同步快变信号采集模块的输出端与ARM主控模块通过总线通讯连接；所述故障诊断模块接收ARM主控模块通过总线传递的数据并诊断，诊断结果通过总线反馈给ARM主控模块；所述电源模块通过总线为信号调理模块、同步快变信号采集模块以及ARM主控模块提供电源。所述总线为PC/104并行总线。本发明优点：结构紧凑小巧、方便携带、能够与其他系统组网以动态分配任务、处理效率高、使用灵活性好。

本发明公开了一种群集运动实验数据采集方法及系统，方法包括以下步骤：在实验场景中采集群集运动目标的视频；从当前视频帧中提取目标运动区域；对目标运动区域滤除背景；将滤除背景的目标运动区域与目标灰度阈值进行比较，判定大于目标阈值的像素点为可疑目标像素点，将邻近的可疑目标像素点视为一个可疑目标；将可疑目标与预定目标长度、宽度和面积阈值进行比较，判定可疑目标为个体目标、多目标重合、非目标中的一种；根据历史目标位置、速度和

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。