基于机器学习的嵌入式数据采集系统能耗优化方法研究.docVIP

基于机器学习的嵌入式数据采集系统能耗优化方法研究 　　摘 要： 为方便对复杂设备故障进行快速、准确的检测，以机器学习语言为基础，进行了嵌入式数据采集系统能耗优化方法研究。主要从操作系统搭建和移植设计、数据采集模块设计、应用层软件结构设计、系统整体性能调试与优化四个方面提出了符合实际的系统构架设计方案，并分析了嵌入式操作系统移植和搭建的过程，提出了数据采集模块的驱动程序设计方案，同时优化分析了软件和硬件资源，并在实际的项目检测中得到了良好的试验效果。 　　关键词： 机器学习； 嵌入式操作系统； 数据采集系统； 优化设计 　　中图分类号： TN919?34 文献标识码： A 文章编号： 1004?373X（2016）15?0149?03 　　Abstract： To rapidly and accurately detect the complex equipment failure in convenient， the energy consumption optimization method of the embedded data acquisition system based on machine learning is studied. The practical system architecture design scheme is proposed in the aspects of operating system construction and transplant design， data acquisition module design， software structure design of application layer， and system overall performance tuning and optimization. The processes of embedded operating system transplant and construction are analyzed， and the driver program design scheme of data acquisition module is put forward. The software and hardware resources are optimized. The better test results were obtained in the practical project test. 　　Keywords： machine learning； embedded operating system； data acquisition system； optimization design 　　随着科学技术的飞速发展，各种因设备故障导致的安全事故层出不穷，究其主要原因还是由于未能及时排除机械设备内部故障造成的。而机器学习算法的出现，解决了传统检测数据量大、分析复杂的缺点。因此，本文开展基于机器学习的嵌入式数据采集系统能耗优化方法研究，以便广大技术人员学习使用。 　　1 机器学习与嵌入式数据采集系统结构总述 　　1.1 机器学习 　　机器学习算法作为一种新型的人工智能技术，可以对海量数据进行分析、存储，并可对复杂问题做出智能决策以供技术人员参考[1?2]。机器学习算法可以模拟人类思考、学习及创造的过程，因此可以从数据库中计算出未知的、潜在的概率模型。 　　1.2 系统总体结构概述 　　ARM+数据采集器系统作为当今较为流行的嵌入式数据采集系统，既克服了开发复杂硬件结构带来的庞大工作，又弥补了单片机结构产生的诸多缺陷，因此是较为合理的一种架构方案[3?4]。 　　1.3 硬件设计与选型 　　嵌入式处理器作为嵌入式数据采集系统中的控制核心，是各系统运行的中枢大脑。本次嵌入式数据采集系统设计采用的是高速数据采集器。 　　1.4 软件系统设计 　　嵌入式操作系统EOS作为较为流行的操作系统，具有实时性强、可装卸、可开放、网络功能强大、代码固定、交互性强等多项优点。结合实际需求，最终选择了Windows CE操作系统平台作为设计基础。 　　2 操作系统搭建和移植 　　2.1 板级支持包的研究与移植 　　（1） 板级支持包BSP的研究与应用 　　Windows CE的板级支持包由四个部分组成，其中最为重要的两个部分是设备驱动和OEM适配层，见图1。 　　（2） 串口驱动程序扩展 　　在本次设计中，采用了分层架构的方法实现串口驱动，驱动模型见图2。 　　（3） 系统启动性能优化 　　考虑到开发成本不足、硬件配置较低等难题，在设计时采用了价格低廉的NA