基于SW-SVR的畜禽养殖物联网异常数据实时检测方法

畜禽养殖物联网由于工作环境恶劣、网络传输故障等因素容易产生异常感知数据,为保证数据质量,根据畜禽养殖物联网数据流周期性、时序性等特点,提出了一种基于滑动窗口与支持向量回归(Sliding window and support vector machines for regression,SW-SVR)的异常数据实时检测方法。首先根据畜禽物联网数据流特征周期以及采样频率确定滑动窗口尺寸;然后通过SVR模型预测畜禽养殖物联网数据流中某一时刻传感器测量值;最后计算预测区间,根据实际测量值是否落入该区间判断是否异常并对异常数据进行置换处理。采用畜禽养殖物联网环境数据进行试验,结果表明:所提滑动窗口计算方法得到的窗口尺寸预测的MAPE为0.188 4,畜禽养殖物联网异常数据检测率达98%,能够有效检测和处理畜禽养殖物联网数据流中的异常数据。     

基于ANSYS的门窗材专用四面刨床身设计

对门窗材四面刨床身结构进行设计,采用有限元方法对其进行静力学分析和模态分析,并根据分析结果对不合理的结构进行优化改进,为门窗材专用四面刨的结构设计提供指导。针对门窗材四面刨的整机结构进行设计,确定关键零部件在刨床上的安装位置,为床身在静力学分析过程中的受力分析提供参考;基于ANSYS对床身进行静力学分析和模态分析,得到相应的应力云图、应变云图以及变形云图,分析表明:四面刨的床身刚度、强度均符合设计及使用要求;基于模态分析结构对床身进行结构优化,使固有频率达到加工要求,可防止共振发生,提高整机运行的稳定性,保证门窗材的加工质量。