买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京数字航宇科技有限公司

摘要：本发明涉及一种仿真流程的数据管理系统，解决效率低和安全性问题。包括边缘数据处理单元EDPU进行数据采集与预处理，云端数据处理中心CDPC进行深度分析与优化，区块链网络BDSN保障数据共享安全，数据目录系统DCMS实现检索与控制。系统集成高级检索引擎ASAE、仿真工具SDOT和任务监控中心TPMS，提升仿真设计与管理效率，集成用户门户与权限管理系统UPPM通过细粒度权限控制，确保数据安全和用户操作的灵活性本发明通过集成边缘计算、云计算、区块链技术和高级数据分析，显著提高了仿真数据处理的效率和安全性，适用于需要复杂仿真和数据分析的各种应用场景。

主权项：1.一种仿真流程的数据管理系统，特征包括：边缘数据处理单元EDPU：位于系统的最前端，负责在数据生成源头进行初步的数据处理，包括数据采集、预处理和初步分析；云端数据处理中心CDPC：作为系统的核心，负责接收和存储来自边缘数据处理单元的处理后数据，进行深度分析、仿真结果存储和优化策略生成；对大规模仿真数据进行处理和分析，从而为仿真设计和优化提供科学依据；区块链数据共享网络BDSN：利用区块链技术实现仿真数据的安全共享，通过智能合约管理数据共享规则和权限，确保了数据的不可篡改性、安全性和可追溯性；数据目录与元数据管理系统DCMS：负责管理仿真数据及其元数据，支持数据分类、检索和版本控制；通过有效管理元数据，提高了数据的可发现性和可用性，为仿真任务的执行和仿真结果的复用提供了便利；高级检索与分析引擎ASAE：基于数据目录与元数据管理系统中的元数据实现高级检索功能，同时执行数据挖掘任务，为仿真设计和优化提供深入的数据支持；通过智能分析仿真数据，揭示数据背后的模式和趋势，辅助决策制定；仿真设计与优化工具SDOT：提供了一个用户友好的界面，支持仿真模型的设计、编辑和优化；基于云端数据处理中心提供的分析结果和优化建议，能够自动或半自动地调整仿真参数，提高仿真的准确性和效率；任务与进度监控中心TPMS：管理仿真任务的整个生命周期，从任务提交到执行、监控和通知，实现了对仿真任务的动态调度和实时监控，优化了任务管理流程，提升了任务执行的效率和响应速度；用户门户与权限管理中心UPPM：提供了系统的用户界面，实现了用户权限和角色的管理，通过基于角色的动态权限分配机制，提升了用户体验和系统的安全性；所述边缘数据处理单元EDPU具体包括：A.数据采集：从连接的传感器和设备实时采集数据；B.数据清洗：应用自适应数据清洗算法识别异常值并清洗数据，采用基于长短期记忆网络LSTM的动态异常值识别方法；LSTM能够捕捉时间序列数据中的长期依赖关系，通过学习历史数据的正常模式，动态预测每个时间点的期望值及其置信区间，从而实现对异常值的动态识别；数据清洗具体包括：数据预处理：将原始时间序列数据进行标准化处理，以消除量纲影响和减少极端值的影响；LSTM模型训练：将经过预处理的历史时间序列数据作为模型输入，预测下一时间点的值，并将最小化预测值与实际值之间的差异作为模型优化目标；异常值识别：对于每个时间点t，使用训练好的LSTM模型预测其值及置信区间，如果实际观测值Xt不在预测的置信区间内，则认为Xt为一个异常值，需要进行剔除；置信区间计算：使用模型预测的标准差σt和一个预设的置信水平Z，计算置信区间[Lt,Ut]，其中置信区间的左端点置信区间的右端点参数调整：根据实际应用中异常值检测的准确率和召回率，调整LSTM模型的结构和训练参数；C.缺失值处理：时间序列数据：如果数据显示出明显的线性趋势，使用线性插值；如果数据显示出非线性趋势，则采用多项式插值；空间数据：应用K最近邻KNN算法，基于相邻数据点的值来填补缺失值，权重根据距离进行调整；D.数据上传：将处理后的数据安全上传至云端数据处理中心处理；所述云端数据处理中心CDPC具体包括：接收来自边缘数据处理单元的处理后的数据，进行进一步的深度分析，存储仿真结果，并根据分析结果生成仿真优化策略；A1.接收数据：通过高速网络连接实时接收边缘数据处理单元发送的处理后数据；B1.数据存储：为了应对来自不同边缘数据处理单元的大规模仿真数据存储需求，云端数据处理中心采用分布式数据库系统；C1.数据分析：利用大数据处理技术，实现对存储数据的分布式处理；D1.仿真优化：定目标函数JX为仿真性能指标的期望值与仿真实验值之间的差的平方，即误差平方和SSE，目标是调整仿真输入参数X以最小化目标函数JX： 其中：Yexpected,i是在第i个仿真实验中性能指标的期望值；Ysim,i是在第i个仿真实验中，给定输入参数X时性能指标的仿真值；n是仿真实验的总数；为了找到最小化目标函数JX的参数X，采用梯度下降法来优化目标： 式中：Xnew，Xold分别是是参数更新前后的值；γ是学习率，控制参数更新的步长；是目标函数J关于X在Xold处的梯度，指示了J增长最快的方向；在每次迭代中，计算当前参数下的梯度然后根据梯度方向更新参数，直到JX收敛到最小值，或达到预设的迭代次数；E1.参数调整建议生成：通过分析当前仿真数据和历史仿真结果，分析每个参数对仿真结果的影响程度，自动提出针对仿真参数的优化建议，以优化后续的仿真流程；所述仿真设计与优化工具SDOT具体包括：结合仿真建模、参数优化和结果分析的功能，支持用户在单一环境中完成仿真模型的全生命周期管理，它通过与云端数据处理中心的深度集成，自动接收仿真数据的分析结果和优化建议，使得仿真过程更加智能化和自动化；A2.模型设计：用户使用图形化工具构建仿真模型，并定义初步的仿真参数；B2.仿真执行：在本地或云端执行仿真任务，收集仿真结果；C2.将仿真结果发送到云端数据处理中心进行深度分析，获取性能指标和潜在的优化方向；D2.参数优化：根据云端数据处理中心的反馈和优化建议，自动或手动调整仿真参数；仿真模型的性能指标通过目标函数JX来量化，其中X＝{x1,x2,...xn}是仿真模型的参数向量，目标是找到一组参数X*，使得目标函数JX最小：X*＝argminxJx式中argminx表示寻找使得Jx最小化的参数集合X，再通过梯度下降或遗传算法进行目标优化；E2.优化迭代：重复执行仿真，直至满足性能目标或达到预设的迭代次数；F2.结果反馈与应用：展示最终仿真结果，支持结果的导出和可视化展示，以及根据优化结果调整仿真模型设计；所述任务与进度监控中心TPMS具体包括：应用资源分配优化模型RAOM、动态任务调度算法DTSA、实时监控和通知机制来实现其核心功能，从而达到优化仿真任务管理的目标，RAOM负责宏观层面的资源分配决策，而DTSA处理具体的任务执行顺序和并行度，以提高效率和减少等待时间；A3.需求分析与资源评估：分析仿真任务需求和评估当前系统资源状况，包括可用的CPU、内存和存储资源；B3.执行RAOM：根据需求和资源评估结果，运行RAOM算法来确定最优的资源分配方案: 式中：n表示任务数量；ωi表示任务i的权重，反映其优先级；Ti表示任务i的预计执行时间；Rai为任务i实际分配的资源量；优化目标为最小化加权任务执行时间与资源量比值之和，实现资源分配的最优化；C3.应用DTSA：基于RAOM的资源分配结果，DTSA算法调整任务的执行顺序和资源分配，以最大化资源利用效率和减少任务执行时间：式中：σ表示任务执行的排列顺序；Pσi表示排列中第i个任务的优先级；Tωσi表示该任务在当前排列中的等待时间；优化目标为找到一个任务执行顺序，使得考虑优先级权重的等待时间和最小；D3.仿真执行与实时监控：任务按照调度计划执行，同时TPMS启动实时监控，跟踪任务进度和资源使用情况；E3.性能分析与优化建议：任务完成后，根据监控数据进行性能分析，识别瓶颈和低效环节，生成优化建议；F3.结果反馈与通知：通过邮件、短信或系统内部通知方式，将仿真结果、性能分析报告和优化建议反馈给用户。

全文数据：

权利要求：

百度查询： 北京数字航宇科技有限公司 一种仿真流程的数据管理系统