物联网是继计算机、互联网与移动通信之后的又一次信息技术革命与产业浪潮,它正成为经济社会绿色、智能、可持续发展的关键基础和重要引擎。以物联网融合创新为特征的新型网络化智能生产方式正塑造未来制造业的核心竞争力,工业、电力等行业应用仍然是物联网发展的重要领域。从近几年物联网的整体发展看来,智能信息处理依然薄弱。工业、电力等行业应用日趋复杂,这些领域的感知网络规模、基础设施等方面出现了新的特征,因此,物联网感知数据处理成为工业与物联网深度融合进程中的研究热点。本文深入分析和归纳了物联网新趋势下感知数据的特征以及感知数据处理面临的新问题,从物联网感知数据的获取、存储和查询等方面深入研究,取得了如下成果:(1)提出了一种频率自适应的数据采集方法。为了减少大规模物联网感知数据的采集量,降低数据传输消耗,本文基于感知节点密度对大规模感知网络进行划分,通过分析时间序列中采集数据的线性关系构建一元线性回归模型,根据采集数据的变化趋势,自适应的调整采集时间间隔,实验证明该方法显著地降低了数据采集量,减少网络能耗,具有较强的移植性。另外,该方法利用缺失数据估计模型填补缺失的数据,保证了感知数据获取的完整性。(2)提出了一种海量感知数据的泛在存储方法。为了实现物联网边缘智能化,提高数据处理实时性,降低网络传输负载,需要将部分海量感知数据存储于物联网的前端,因此本文提出物联网泛在存储模型和以分层扩展机制为核心的泛在存储方法。该机制采用扩展哈希编码方法动态地增加存储网元,避免突发、频发事件数据的丢失;采用多阈值级别方法将数据分散到多个存储网元上,避免了负载倾斜。实验证明该方法充分利用了物联网存储网元的存储资源,最大限度地满足海量感知数据的存储需求,实现了负载均衡的数据存储。(3)提出一种基于区域的大规模感知网络数据查询方法。目前,工业、电力等领域的物联网应用日益复杂,需要实时规划关键区域、重点关注区域或危险区域的监测,现有的物联网查询技术不能满足基于区域的灵活查询。因此,本文提出一种支持大规模感知网络任意区域查询的方法。该方法基于可变查询窗口实现大规模感知网络中任意区域的查询,利用映射数组代替实际查询窗口来减少查询下发时的通信消耗,通过建立临时查询树来解决查询结果的汇聚和转发。实验证明,该方法可以快速地查询并回收大规模感知网络任意局部区域的查询结果,不仅提高了查询实时性,并且能够大幅度地降低查询带来的数据传输能耗,延长感知网络寿命。(4)提出一种多维感知数据的高效Skyline查询方法。针对智能工业、智能电网等领域中多目标决策分析应用的实时性要求,本文提出一种多维感知数据的高效Skyline查询方法。该方法在查询下发时不携带过滤器,而是在收集查询结果时通过少量的计算逐步产生动态过滤元组,由此判断节点之间的支配关系,削减与查询无关的节点及其感知数据集,使网络中传输的非轮廓数据极少,且传输距离较短。该方法利用局部削减元组削减节点内的感知数据,进一步抑制非轮廓数据的上传。实验证明,该方法能够以较低的传输消耗,迅速返回被监测区域的轮廓数据,具有较好的可扩展性。(5)上述研究成果应用于辽宁排山楼金矿安全生产系统的工程实践。在该工程中建立了基于物联网分层结构的矿山安全生产系统,研制了基于频率自适应采集的监测监控系统,实现了感知数据的泛在存储、基于区域的实时查询和多目标决策分析。另外,针对矿山中人员定位系统定位精度不高等问题,提出了基于感知数据的动态目标追踪与预测方法。现有的动态目标定位技术多数仅适用于室内的二维空间,在工业物联网等领域存在电磁干扰和障碍物的复杂场景下,对动态目标的定位准确率较低,且无法预测位置。因此,本项目采用了一种基于感知数据的动态目标追踪预测方法。该方法根据感知数据建立预测模型,通过运动方程模拟动态目标运动特性,并利用卡尔曼滤波从估计值和观测值两个方面动态逼近真实值,预测下一时刻的位置。该方法在实际应用中不仅取得了较高的定位精度,实现了动态目标的位置预测以及动态目标进入危险区域时的预警,而且还能够分析出复杂施工环境下障碍物的分布状况。