ເຊັນເຊີຄວາມກົດດັນ 3408560 ສໍາລັບພາກສ່ວນເຄື່ອງຈັກກາຊວນ Cummins QSK
ລາຍລະອຽດ
ປະເພດການຕະຫຼາດ:ສິນຄ້າມາແຮງປີ 2019
ສະຖານທີ່ຕົ້ນກໍາເນີດ:Zhejiang, ຈີນ
ຊື່ຍີ່ຫໍ້:bull ບິນ
ການຮັບປະກັນ:1 ປີ
ໝາຍເລກສ່ວນ:3408560
ປະເພດ:ເຊັນເຊີຄວາມກົດດັນ
ຄຸນະພາບ:ຄຸນນະພາບສູງ
ບໍລິການຫຼັງການຂາຍໃຫ້:ສະຫນັບສະຫນູນອອນໄລນ໌
ການຫຸ້ມຫໍ່:ການຫຸ້ມຫໍ່ທີ່ເປັນກາງ
ເວລາຈັດສົ່ງ:5-15 ມື້
ການແນະນໍາຜະລິດຕະພັນ
ອີງຕາມວິທີການປະມວນຜົນຂໍ້ມູນທີ່ແຕກຕ່າງກັນ, ມີສາມສະຖາປັດຕະຂອງລະບົບ fusion ຂໍ້ມູນຂ່າວສານ: ແຈກຢາຍ, ສູນກາງແລະປະສົມ.
1) ການແຈກຢາຍ: ຫນ້າທໍາອິດ, ຂໍ້ມູນຕົ້ນສະບັບທີ່ໄດ້ຮັບໂດຍເຊັນເຊີເອກະລາດໄດ້ຖືກປຸງແຕ່ງຢູ່ໃນທ້ອງຖິ່ນ, ແລະຫຼັງຈາກນັ້ນຜົນໄດ້ຮັບຖືກສົ່ງໄປຫາສູນ fusion ຂໍ້ມູນສໍາລັບການເພີ່ມປະສິດທິພາບອັດສະລິຍະແລະການປະສົມປະສານເພື່ອໃຫ້ໄດ້ຜົນສຸດທ້າຍ. ການແຈກຢາຍມີຄວາມຕ້ອງການຕ່ໍາສໍາລັບແບນວິດການສື່ສານ, ຄວາມໄວການຄິດໄລ່ໄວ, ຄວາມຫນ້າເຊື່ອຖືທີ່ດີແລະຄວາມຕໍ່ເນື່ອງ, ແຕ່ຄວາມຖືກຕ້ອງຂອງການຕິດຕາມແມ່ນຫນ້ອຍກວ່າຂອງສູນກາງ. ໂຄງສ້າງ fusion ທີ່ແຈກຢາຍສາມາດແບ່ງອອກເປັນໂຄງສ້າງ fusion ທີ່ແຈກຢາຍດ້ວຍຄໍາຄຶດຄໍາເຫັນແລະໂຄງສ້າງ fusion ທີ່ແຈກຢາຍໂດຍບໍ່ມີຄໍາຄິດເຫັນ.
2) Centralization: Centralization ສົ່ງຂໍ້ມູນດິບທີ່ໄດ້ຮັບໂດຍແຕ່ລະເຊັນເຊີໂດຍກົງໄປຫາໂຮງງານຜະລິດສູນກາງສໍາລັບການປຸງແຕ່ງ fusion, ເຊິ່ງສາມາດຮັບຮູ້ fusion ໃນເວລາທີ່ແທ້ຈິງ. ຄວາມຖືກຕ້ອງຂອງການປຸງແຕ່ງຂໍ້ມູນຂອງມັນແມ່ນສູງແລະ algorithm ຂອງມັນມີຄວາມຍືດຫຍຸ່ນ, ແຕ່ຂໍ້ເສຍຂອງມັນແມ່ນຄວາມຕ້ອງການສູງສໍາລັບໂປເຊດເຊີ, ຄວາມຫນ້າເຊື່ອຖືຕ່ໍາແລະປະລິມານຂໍ້ມູນຂະຫນາດໃຫຍ່, ດັ່ງນັ້ນມັນຍາກທີ່ຈະຮັບຮູ້;
3) ແບບປະສົມ: ໃນກອບການຟິວຊັນຂໍ້ມູນຫຼາຍເຊັນເຊີແບບປະສົມ, ບາງເຊັນເຊີໃຊ້ໂໝດຟິວຊັນສູນກາງ, ແລະສ່ວນທີ່ເຫຼືອແມ່ນໃຊ້ໂໝດຟິວຊັນແບບແຈກຢາຍ. ໂຄງປະກອບການປະສົມປະສົມມີການປັບຕົວທີ່ເຂັ້ມແຂງ, ຄໍານຶງເຖິງຂໍ້ໄດ້ປຽບຂອງ fusion ສູນກາງແລະການແຜ່ກະຈາຍ, ແລະມີຄວາມຫມັ້ນຄົງທີ່ເຂັ້ມແຂງ. ໂຄງສ້າງຂອງໂຫມດ fusion ປະສົມແມ່ນສັບສົນຫຼາຍກ່ວາສອງໂຫມດ fusion ທໍາອິດ, ເຊິ່ງເພີ່ມຄ່າໃຊ້ຈ່າຍໃນການສື່ສານແລະການຄິດໄລ່.
ຕົວກອງ Kalman (KF)
ຂະບວນການປະມວນຜົນຂໍ້ມູນໂດຍການກັ່ນຕອງ Kalman ໂດຍທົ່ວໄປແມ່ນການຄາດຄະເນແລະການແກ້ໄຂ. ມັນບໍ່ພຽງແຕ່ເປັນ algorithm ງ່າຍດາຍແລະສີມັງ, ແຕ່ຍັງເປັນລະບົບການປະມວນຜົນທີ່ເປັນປະໂຫຍດຫຼາຍໃນພາລະບົດບາດຂອງເຕັກໂນໂລຊີ fusion ຂໍ້ມູນຂ່າວສານຫຼາຍເຊັນເຊີ. ໃນຄວາມເປັນຈິງ, ມັນແມ່ນຄ້າຍຄືກັນກັບວິທີການຈໍານວນຫຼາຍຂອງລະບົບການປະມວນຜົນຂໍ້ມູນຂໍ້ມູນ. ມັນສະຫນອງການຄາດຄະເນທີ່ດີທີ່ສຸດທາງສະຖິຕິທີ່ມີປະສິດທິພາບສໍາລັບຂໍ້ມູນທີ່ປະສົມປະສານໂດຍການຄິດໄລ່ແບບຊ້ໍາຊ້ອນທາງຄະນິດສາດ, ແຕ່ມັນຕ້ອງການພື້ນທີ່ເກັບຮັກສາແລະການຄິດໄລ່ຫນ້ອຍ, ດັ່ງນັ້ນມັນເຫມາະສົມສໍາລັບສະພາບແວດລ້ອມທີ່ມີພື້ນທີ່ປະມວນຜົນຂໍ້ມູນຈໍາກັດແລະຄວາມໄວ. KF ສາມາດແບ່ງອອກເປັນສອງປະເພດ: ການກັ່ນຕອງ Kalman ແຈກຢາຍ (DKF) ແລະການກັ່ນຕອງ Kalman ຂະຫຍາຍ (EKF). DKF ສາມາດເຮັດໃຫ້ການລວມຂໍ້ມູນຖືກແຈກຢາຍຢ່າງສິ້ນເຊີງ, ໃນຂະນະທີ່ EKF ສາມາດເອົາຊະນະອິດທິພົນຂອງຄວາມຜິດພາດການປະມວນຜົນຂໍ້ມູນແລະຄວາມບໍ່ສະຖຽນລະພາບໃນຂະບວນການປະສົມປະສານຂໍ້ມູນ.