人工智能在物联网项目中的应用

综述

人的智能体现在哪些方面

1．认识世界？
2．解释世界？
3．判断世界？
4．控制世界？
5．改变世界？
6．展示世界？
7．预测世界？

AI怎么做

1．认识世界
接收模糊的信号，提取特征点，在微观世界和宏观世界之间找到一个折衷点，增加认识规律，作为字典式认识方式套用的基础。
2．解释世界
解释世界分为直觉解释、论证解释，直觉解释是根据整体情况直接得出结论，论证解释是通过一系列做法来得出结论
3．判断世界
对世界的判断可以为精确判断、模糊的判断，自我升级或者传授式判断规则，提高判断精确性，最后变为精确判断。判断后可能仅仅是个结论，也可能引起下一步动作。
4．控制世界
控制可能是一个动作，有目标，有行为，也可能是一组动作，还可能是一组具有依赖条件的动作，还可能是个需要条件触发的动作。
5．改变世界
包括自我改变，是对系统内一系列改变，包括对自我之外的改变以及新改变要求的提醒。
6．展示世界
信息的推送、排序、展现形式选择、专家分析工具、联想、声光等多媒体运用、记录、模板升级等等
7．预测世界
对于信息总有一些关注点，可能是报警，可能是数据上下限，可以理解为突变和渐变，突变可能无法预测，渐变的信息总会有相关的特征变化，设立每个特征的阀值，通过特征变化的过程来预测关注信息发生的几率。

如何学习一门语言

语言的分级可理解为字、词汇、话、文章，这个话题可能涉及到语言学。
学习一门完全陌生的语言，从宏观来说必须有足够的文章来提供分析，从微观来说要知道最小单元的词汇，而最终的目的是说出一句话。
如果说连续大段的数据流是那篇文章，每个byte就是最小单元[bit]，不过连续的byte才可能是词汇，一个数据包就是表达一个含义的一句话，而目标就是理解每句话，上下文关系是进一步的智能体现。
人类的感知

人类之所以能更快的学习，是因为人有感觉，主要体现在视觉、听觉、触觉。
如果换成AI，则对应传感器、摄像头、Mic、触觉传感器。
把正常的感知范围设定好，比如光线的耀眼程度、波段等等，分贝大小，波形范围等等设定范围，超出则认为不适，不适则认为应该报警，报警则认为应该分析数据后升级行为规则。
声音识别、图像识别、各种传感器所带来的效果将不在本计划范围内。

智能化物联网的目标

针对硬件设备主动推送数据模式，以一种设备一种协议为基础，抽象各模块，组织合理的架构，让物联网软件真正具有初步智能特征，哪怕只是弱智，从无意识到有意识跨出第一步。
具备识别和识别提示，实现嗅探功能和教授升级功能；
解析从精确解释到直觉解释，让解析更快，提高系统效率；
实现精确判断和模糊判断。
实现精确动作[连续动作]与模糊动作[连续动作]。
实现自动编码到函数级别。
实现信息展示根据关注度动态变化，反映在用户前端，更容易关注多数人关注的信息。
实现联想式专家分析报告，把不同类型不同时间的数据拿出来做辅助决策。
实现预测报警，根据不断增长的数据对可能发生的情况作出预判，规避风险。
通过声控等手段可以让系统演示更炫，通过语音、声光影等方式让报警更炫，通过专家分析等方式让系统使用时提供更多有效信息参考，通过行为记录等方式让系统运行后能得到更多升级的依据。
对于数据的访问、方法的访问要记录，为系统性能升级提供数据。
初步采用TCP COM 接口方式以纯数据报文，视频，图像，声音，光线，压力，温度等等多方面从硬件设备采集数据；
对公司的好处
动作群组的抽象，升级的越多，意味着功能越强大，在未来，公司完全可能拥有自己的云服务平台，甚至可开放给普通用户。
对数据、对动作群组、对前端的访问记录，会给系统升级提供宝贵的升级资料，让系统升级不再茫无目的。
核心技术门槛会让更多的同行根本无法跨越，增加系统的竞争力。
预测系统的建立和应用会逐步获得各不同物联网行业宝贵的运行参数。
教授式的升级思路能让系统每个模块不断自我升级，这个升级在后台实现，并不开放，同时，多种语言混合编程的应用策略会成为大多数技术单一公司的噩梦，做的越多越久，系统越难以模仿。

AI的落实

1．AI的表现，包括AI看得见的效果和看不见的效果，作为智能，要具备学习能力，基础感知数据必须设定，这是智能的基础；要包括特征提取，自我升级；规则的设定和自我升级；交互传授式学习和自我学习；精确判断，模糊判断，模糊判断升级为精确判断；联想；预测，展示。
2．AI的作用，让运行更快，把人类的经验直接传授给软件，弥补经验不足的人的缺陷，弥补人类联想能力的不足，不会出现忽略的问题。
3．AI的算法实现，首先设定架构，每个模块所负责内容，首先达到目标实现。
4．在算法实现，系统可用的情况下，对应细节模块进行算法优化。

总体结构

每一部分模块都可以理解为一个群组。
硬件设备可能有很多种，不同的协议类型，不同的接口类型，不同的数据类型，构建设备唯一编号作为区分的标准[设备类型+厂商+型号+编号]，每个设备将建立唯一数据采集通道，每个通道将会有对应的采集方式
自上而下

前端为用户直接操作的部分，可以为web端B/S结构程序、android ios移动端程序，桌面C/S胖客户端程序，暂定为websocket接口与数据总线交互，交互实现双向，实现AI系统推送数据和人工干预来教授的功能。
AI中控

作为整个AI系统的主控制系统，其作用在于让AI活着，正常运行，并且进行异常处理。
要能探测服务的物理文件存在。
要具有按时序启动其他各系统功能。
要具有按条件启动其他系统的功能。
要具有巡检功能，定期对各系统进行巡检，如发现问题则进行处理，要有内存、cpu、线程、链接、硬盘的监听，设定阀值，作为判断依据。
存储各服务群组上次数据时间，根据时间周期判断是否运行正常。
要有心跳监听，对于心跳数据的监控和对应处理。
可控制重启，执行指定某方法，控制升级功能。
故障预警、猜测，报警。
把系统内所有软件限定在可控范围之内。
AI网关

网关的基本功能是接收和转发，就是每一部分群组软件的调用需求首先由网关接收，然后按照规则转发给群组中每个服务处理。可以起到压力均衡的作用，也可以提高各服务群组运行的安全性。
AI采集群组

从硬件设备采集到原始数据，经过初步解析[包类型、设备号]后发送给实时数据库群组。
实现数据包的采集，校验，采集后的接续动作
实现校验功能封装，多种不同的校验通过配置和接口获得。
实现应答功能封装，多种不同的应答通过配置和接口获得。
实现线程结构管理封装及后续动作封装，实现采集线程退出判定，多种不同的动作通过配置和接口获得。
实现指令模块封装，当接收到指令后结合连接池等因素发送指令。

智能体现：
采集是对数据的第一接触，TCP所收数据包传给特征判定服务进行分析，等待传授，同时，在运行过程中如果遇到精确判断所不能理解的数据包则原样记录并发送给特征判定服务等待人工干预或大数据分析，当规则判定、特征判定有新的认识时，通知采集服务重新初始化获取新的接收原则、校验原则。
AI解析群组

解析服务群组从接口取得对照数据，特征数据和动作数据，从实时数据库群组取得采集服务传来的原始数据包，对数据包进行解析，解析后的实际数据按照内部传输标准协议异步传给实时数据库。
异步对日志数据定时清理。
没解释过的数据传输给特征判断服务群组进行数据嗅探，同时提示需要教授，教授或者嗅探结果返回给解析服务群组升级特征和动作组。

智能体现
当遇到不能解析的包时不丢弃，而是扔给特征判断服务群组进行分析和请求教授。
对于大量的解析，少量的变化，如报警数据包，以所有报警位作为KEY，记录解析后动作，下次再来相同报警包的时候，直接取出动作组进行处理，省略解析过程，从精确动作过渡到直觉动作，会解析的越来越快。
要监测内存大小，当内存超过阀值时，清除掉不必要的内存直觉数据。
精确解析方式和动作组解析相结合，精确解析则调用解析类库处理，动作组解析则通过规则判断群组所传来动作组，然后调用解析类库中的单元解析方法重组解析方法并且记录下来，作为该数据包的数据块的解析办法，实现自动编码，实现自我升级。

AI实时数据库群组[数据总线][数据代理]

实时数据库群组严格来说相当于暂时的记忆仓库，具有数据的接收、暂存、转发功能。
应具备数据的接收[标准内部协议]、数据暂存[数据暂存在范围内动态生成]、数据转发[转发原则从规则库获得]、数据同步[同步到数据库]、
数据自适应收缩，当数据内存超过阀值，则自动清理不活动数据，压缩暂存同类数据数量。
智能体现
这个模块功能主要在于存储和转发，智能体现不多。
群组要设定阀值，内存超过阀值要限制暂存数量，根据规则同步数据库、清理缓存，或者直接清理缓存，目标是不活动数据，和同类不同时间的数据组。
内存存储要动态分配，发送方向等等根据规则决定，接受规则升级。
同步数据库的动作同样根据规则进行，不同数据同步的频率不一。
AI接口群组

接口群组的主要功能在于开放数据接口，从暂存和缓存提取数据并开放给前端或其他服务群组，要记录接口调用频度，应用动态编译技术、混合编程技术等动态调用，临时升级。

智能体现
对于访问频度比较高的接口对于访问时间较长的数据予以记录并统计，增加实时数据库时序数据缓存，或周期性预先准备好接口所需发送的数据。同时对于数据的访问要分用户进行记录。

AI存储群组

存储群组主要用于普通数据需要存储到关系数据库的统一处理系统，分为直接插入、删除后插入、直接替换、查询后选择插入还是替换。
不同数据包的处理规则初始化载入后自规则库升级。
检测数据库状态，如果执行失败则缓存，检测到数据库恢复正常后执行。
存储动作根据数据库特性配置，比如多条分号隔开同步，比如单条存储，比如开启通道后存储。
存储线程根据规则开启，每个线程配备不同数据库对象，不同的处理规则。
AI日志群组

日志群组的目的是把所有软件的日志统一起来记录，相当于整套系统的黑匣子，在整套系统出现问题时用以提供整套系统运行分析，为升级提供数据。
日志需要分类、分级别、分系统
日志群组需开启多种形式，常规则通过txt文件存储，每天形成一个文件，在日志队列积压并在一定时间无法记录完成时则自动开启临时线程，生成方便拼接的日志文件副本。
AI动作群组[方法组]

动作群组可以理解为基础方法库，内置基础方法，通过脚本语言混合编程技术实现连续的动作组，开放接口给其他服务群组。
动作群组是云计算的体现，尽可能抽象，不断升级，能够成为公司资源的积累。
要能够统计各方法调用频率，为优化算法做准备。
动作群组通过统一标准接口访问，内部分别均衡指向不同的软件，这些软件可能由多种不同语言编写，开放标准接口即可。
——————–以上为主流程模块——————–

AI报警群组

内置警灯、短信、邮件、电话、微信等多种接口，把报警信息按照报警规则推送出去，并记录回执，统计各报警方式效果供后续报警规则调整提供数据。
设立不同报警级别，知晓、X日内干预、紧急处理、必须到场等等，不同发送规则和发送内容。
智能体现
主要体现在报警内容上，根据报警的数据形成内容，如文字，数据，图片，语音，视频。
AI指令群组

指令群组的作用主要在于人机交互，以教授形式为系统升级，人为干预系统运行，强制系统执行某些动作，具有最高优先级。
其它逻辑判断软件运行中同样也会产生协调动作的指令，形成联动动作。
指令群组的运行模式可分为单条直接指令、多条孤立指令、多条依赖性指令，混合指令，单条直接指令很好理解，下发执行即可，多条孤立指令意思是多条指令无条件依赖，无时间先后等条件制约，成组执行即可，多条依赖指令则需制定需执行指令的第一条，第二条的执行条件为第一条的执行情况，混合指令为两类指令的混合体。
指令发送需按下达目标分类并行发送。
AI特征判定[嗅探模块]

实现人工教授采集数据功能[特征点设定]
实现数据包特征点提取模块
根据大量连续的数据提取特征，确定包类型[包头包尾长度校验类型]，提出可能的包类型等待确认[教授]，提出可能的包头、包尾、校验等等。
封装Modbus等国标协议用于试探，[MQTT物联网协议]是不是也要考虑
设立脏数据黑名单，人为干预把不该参与的嗅探动作剔除掉，避免误判。
嗅探动作主要和时序数据相关，通过组合，统计等原则取得特征，以此作为解析的依据，制定解析方式关联规则后计入数据库。
AI规则判定群组

规则判定也可以理解为动作组判定，一方面通过设定来完成精确动作组，记录动作组提供人为干预参考。
涵盖排程动作，以时间、状态等触发条件触发规则。
记录报警下人为干预操作的时序和动作组，统计并形成新动作组保存作为新动作组。

智能体现

通过既定的办法嗅探动作并形成新动作组自我升级。
通过记录人工干预形成新动作组自我升级。
对于无法确定的动作提出疑问等待教授。

AI专家分析

专家分析模块，是针对某条件下检索出来的数据进行综合性的总结，联想性的灵感触发，可以手动增加相关数据，教授性专家分析内容。形成模糊的结论，或者罗列出相关数据等待人工干预做出结论，对下次类似情况的判断升级
AI预测群组

载入预测项[监测值]和关联数据，预测项可能是数据中的一个，比如XXX故障，也可能是一组数据的组合条件，载入与其关联的数据监测项，分别设定基础阀值，当关联监测项超过阀值的时候，增加预测项发生的可能，根据每次预测项出现时各监测项变化，调整阀值。
AI信息展示

多屏幕展示
声控
报警语音
重点信息提醒
信息按重要程度重新排序，背景色变化，边框变化，文字变色，字体改变，浮动层等变化
AI过滤群组

进行脏数据过滤，取得过滤规则，挂接在任意一个服务网关之前，根据规则过滤数据，脏数据则不得进入网关。

不方便插图真麻烦。

撰稿人：佟俊峰 13841173155 QQ：7191613

人工智能在物联网项目中的应用相关推荐

以太网远程MQTT IO模块在IIOT工业物联网项目中的应用
以太网远程MQTT IO模块在IIOT工业物联网项目中的应用随着IIOT(Industrial IOT)工业物联网技术的发展,很多传统的资产都需要接入互联中,实现数据的统一采集.分析.处理以及存储, ...
Java物联网项目中，运行SPringBoot脚手架，运行失败问题
项目场景: 提示:这里简述项目相关背景: 例如:项目场景:IDEA运行SPringBoot脚手架--用小威脚手架学习时,运行代码出现错误提示,且不能正常运行运行成功效果: 问题描述: 提示:这里描述 ...
大数据与人工智能在物联网工程的应用
大数据与人工智能在物联网工程的应用物联11702班聂翔大数据与人工智能是今些年来发展快速,前景光明的项目.现在大数据与人工智能技术已经极大的改变了现在人们的生活.淘宝,支付宝,微信,共享单车的事物 ...
IBM投资2亿美金研发区块链物联网项目
IBM之前宣布的区块链和人工智能交叉物联网项目继续在德国新建的办公室推进. 该公告也是IBM更广泛的技术推动的一部分,将会投资2亿美金来推动其物联网研究. IBM在慕尼黑开设了新的办公室来带头研发这些 ...
走进人工智能| 智能物联网 AIoT的魅力交织
前言: AI+IoT是指人工智能(AI)与物联网(IoT)的结合.智能物联网是一种技术体系,通过连接和集成物理设备.传感器和互联网,实现设备之间的智能交互和数据共享,为人们提供智能化.自动化和高效化的 ...
实现物联网项目，你需要提前知道的6件事情
目前为止,对于大多数寻求数字化与服务化转型的制造商来说,实现物联网应用项目仍然是一个很大的挑战. 我们此前做过一项研究,到2016年底,全球企业级物联网项目将超过10000个.但是其中大部分的项目都还 ...
IoT -- (三) 2018 Top物联网项目排名
每年这个时候,知名物联网研究机构IoT Analytics都会基于市场上纷繁的信息来探索物联网项目的具体实施情况,今年也不例外.作为其追踪物联网生态的一个重要组成部分,IoT Analytics对16 ...
[科研笔记] 关于人工智能与算法项目的思考
原链接:https://blog.csdn.net/walilk/article/details/77131929 前言 [科研笔记] 系列是我在科研道路上的随笔和思考,内容不加以局限,是一个开放的文 ...
人工智能在计算机领域中的应用
什么是人工智能?对应用型专用AI的研究已经在研究领域取得了突破,从量子物理学到用于建模和预测由数十亿个亚原子粒子组成的系统行为的医学,再到用于根据基因组数据诊断患者的医学.模拟人的思维,并做出类似人的 ...

人工智能在物联网项目中的应用

人工智能在物联网项目中的应用相关推荐

最新文章

热门文章