基于大数据的嵌入式设备的超负荷状态估计

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.

关键词：大数据、嵌入式、超负荷

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：212-215