论文部分内容阅读
实训室建设在整个高职人才培养体系中扮演着举足轻重的角色,同时,实训室管理水平的高低也直接影响院校的人才培养质量。当前铁路高职院校的专用实训室摆放着大量的轨道交通仪器设备,种类繁多。由于缺乏有效的运行管理及监控手段,大多数实训室都是分散单独专人管理,不仅耗费了大量的人力、物力,而且管理效率低。因此,针对现有实训室管理系统的不足,结合物联网的传感器技术、无线射频识别技术、网络通讯技术以及无线传感器网络技术,设计一种有效减轻管理员工作量,并能够整合实训资源的铁路高职院校的智能实训管理系统。本文首先研究了传感器技术、无线射频识别技术、网络通讯技术、无线传感器网络技术等物联网的关键技术;然后对系统进行用户需求分析和功能需求分析;在明确系统需求的基础上,对系统进行总体设计,包括系统设计总体、系统硬件设计和软件设计,其中,硬件设计包括设备管理模块硬件设计、环境监测模块硬件设计、电能管理模块硬件设计、门禁与人流量统计模模块硬件设计以及关键设备运行状态及诊断模块设计,软件设计包括嵌入式软件设计、网关样机软件设计、中间件设计、数据库设计以及下位机软件设计、感知数据聚合设计。最后对系统进行功能实现验证。本文工作有两大创新点,一是设计理念创新,本系统基于实训室设备集中管理及监控的设计理念,能实时监控校内各实训室运行状态(尤其是针对铁路院校特有的大型实验实训设备,比如地铁模拟驾驶、高铁模拟驾驶、有轨电车模拟驾驶等实训室)包括设备管理、关键设备运行状态监控、环境监控、门禁系统、人流量智能统计等,全面实现实训室的自动化、智能化,极大提高高职院校实训管理人员工作效率。本系统具有较高的可移植性、可拓展性。二是感知数据聚合创新,本系统物联网的感知数据引入多方计算数学模型,系统中的数据不再是集中在某功能模块的节点上,而是分布式的、具有数据保护性的,采取的方法是改进的K-means聚类算法,主要是聚类过程中增加规则分类,即是将原始感知数据根据不同的特征划分为N个,然后由N个特征组成新的N维向量,构建N维空间的映射。具体首先是从数据集合中选取r个样本,把r当成各自数据集的中心,接着按照第一次中心点的位置进行一次重复叠加,计算剩下的数据元素,并计算距离到r个数据集中心的差异量,然后将这些剩余的元素划分到差异量最低的数据集中,再是把聚类的最终结果进行定量的分析,再次计算r个数据集到它们自己的中心,r值取自身向量维度的算术平均数,然后把所有样本数据元素聚合在一起形成新的聚类中心,最后重复第三、四步,使聚类结果不在发生变化。通过重复迭代,最终输出的感知数据具有保护性,即这些子系统数据共享、功能独立,在保障系统的稳定性及安全性的前提下能够实现系统的最优管理。