物聯(lián)網(wǎng) （IoT） 的目標(biāo)是從各種嵌入式系統(tǒng)中獲取數(shù)據(jù)，并對這些數(shù)據(jù)進(jìn)行分析處理，以提高性能、效率和業(yè)務(wù)成果。在設(shè)計(jì)分析驅(qū)動的嵌入式系統(tǒng)的三部分系列的第一部分中，回顧了物聯(lián)網(wǎng)數(shù)據(jù)采集和預(yù)處理的最佳實(shí)踐。

分析驅(qū)動的嵌入式系統(tǒng)就在這里。創(chuàng)建處理大量業(yè)務(wù)和工程數(shù)據(jù)的分析的能力使許多行業(yè)的設(shè)計(jì)師能夠開發(fā)智能產(chǎn)品和服務(wù)。設(shè)計(jì)人員可以使用分析來描述和預(yù)測系統(tǒng)的行為，并進(jìn)一步將分析與嵌入式控制系統(tǒng)相結(jié)合，以實(shí)現(xiàn)行動和決策的自動化。

在一些實(shí)施方式中，分析在云中執(zhí)行以提高嵌入式系統(tǒng)性能。Borislav Savkovic 是一名受過培訓(xùn)的控制系統(tǒng)工程師，他在BuildingIQ領(lǐng)導(dǎo)了一個(gè)團(tuán)隊(duì)設(shè)計(jì)一個(gè)使用分析來降低能耗的建筑氣候控制系統(tǒng)。該系統(tǒng)以千兆字節(jié)的工程和業(yè)務(wù)數(shù)據(jù)開始。工程數(shù)據(jù)來自功率計(jì)、溫度計(jì)、壓力傳感器和其他 HVAC 傳感器。業(yè)務(wù)數(shù)據(jù)來自天氣預(yù)報(bào)、實(shí)時(shí)能源價(jià)格和需求響應(yīng)數(shù)據(jù)。在分析驅(qū)動的系統(tǒng)中，該團(tuán)隊(duì)使用信號處理來消除噪聲，使用機(jī)器學(xué)習(xí)來檢測尖峰，使用控制理論來解釋加熱和冷卻動態(tài)，并使用數(shù)百個(gè)參數(shù)進(jìn)行多目標(biāo)優(yōu)化。BuildingIQ 云服務(wù)中運(yùn)行的分析可調(diào)整建筑物的 HVAC 嵌入式系統(tǒng)。結(jié)果：分析驅(qū)動的系統(tǒng)可將商業(yè)建筑的能耗降低多達(dá) 25%。

在其他情況下，分析直接在嵌入式系統(tǒng)本身中運(yùn)行。瑞典卡車制造商斯堪尼亞的設(shè)計(jì)團(tuán)隊(duì)將分析嵌入到他們的緊急制動系統(tǒng)中，以提供實(shí)時(shí)碰撞避免，以減少事故并滿足嚴(yán)格的歐盟法規(guī)。來自攝像頭和雷達(dá)的工程數(shù)據(jù)被實(shí)時(shí)處理以進(jìn)行物體檢測和道路標(biāo)記檢測，隨后融合以發(fā)出碰撞警告警報(bào)和自動制動請求。通過詳盡的測試和驗(yàn)證來確保系統(tǒng)的安全性和可靠性，包括測試場景創(chuàng)建、使用模擬和記錄數(shù)據(jù)進(jìn)行系統(tǒng)建模以及硬件在環(huán) （HIL） 測試。

這兩個(gè)示例突出了設(shè)計(jì)人員在開發(fā)分析驅(qū)動系統(tǒng)時(shí)使用的步驟：

預(yù)處理/處理海量數(shù)據(jù)

開發(fā)分析算法

實(shí)時(shí)運(yùn)行分析和控制

將分析與傳感器和嵌入式設(shè)備以及可能的其他非嵌入式資源（例如 IT 系統(tǒng)和云）集成

我們將在本部分中介紹預(yù)處理，以及第二部分和第三部分中的其余步驟。

訪問數(shù)據(jù)

開發(fā)分析的第一步是訪問大量可用數(shù)據(jù)以探索模式并獲得更深入的見解。數(shù)據(jù)集不僅規(guī)模大，而且可以來自許多不同的來源并代表許多不同的屬性。因此，您用于探索性分析和分析開發(fā)的軟件工具應(yīng)該能夠訪問您計(jì)劃使用的所有數(shù)據(jù)源和格式。文件類型可能包括文本、電子表格、圖像、音頻、視頻、地理空間、Web 和 XML。您可能還需要特定于應(yīng)用程序的數(shù)據(jù)格式，例如用于科學(xué)數(shù)據(jù)的通用數(shù)據(jù)格式 （CDF） 或分層數(shù)據(jù)格式 （HDF），以及用于汽車數(shù)據(jù)的 CAN。您還應(yīng)該能夠從存儲點(diǎn)和生成點(diǎn)訪問數(shù)據(jù)，例如：

存儲數(shù)據(jù)：數(shù)據(jù)庫、數(shù)據(jù)倉庫、分布式文件系統(tǒng)和 Hadoop 大數(shù)據(jù)系統(tǒng)

設(shè)備數(shù)據(jù)：例如存儲在分布式控制系統(tǒng) （DCS）、監(jiān)控和數(shù)據(jù)采集系統(tǒng) （SCADA） 和可編程邏輯控制器 （PLC） 中的實(shí)時(shí)和歷史工廠數(shù)據(jù)

物聯(lián)網(wǎng)設(shè)備：包括傳感器、本地集線器或云數(shù)據(jù)聚合器

預(yù)處理數(shù)據(jù)

一個(gè)關(guān)鍵步驟是在開發(fā)預(yù)測模型之前進(jìn)行數(shù)據(jù)清理和準(zhǔn)備。例如，數(shù)據(jù)可能有缺失或錯(cuò)誤的值，或者可能使用不同的時(shí)間戳格式。來自錯(cuò)誤數(shù)據(jù)的預(yù)測可能難以調(diào)試，或者更糟的是，可能導(dǎo)致影響系統(tǒng)性能和可靠性的不準(zhǔn)確或誤導(dǎo)性預(yù)測。常見的預(yù)處理任務(wù)包括：

清理有錯(cuò)誤、異常值或重復(fù)的數(shù)據(jù)

通過丟棄、過濾或插補(bǔ)處理缺失數(shù)據(jù)

使用先進(jìn)的信號處理技術(shù)從傳感器數(shù)據(jù)中去除噪聲

使用不同的采樣率合并和時(shí)間對齊數(shù)據(jù)

預(yù)處理的另一個(gè)重要部分是數(shù)據(jù)轉(zhuǎn)換和歸約。這里的目標(biāo)是找到數(shù)據(jù)中最具預(yù)測性的特征，并過濾不會增強(qiáng)分析模型預(yù)測能力的數(shù)據(jù)。一些常見的技術(shù)包括：

特征選擇以減少高維數(shù)據(jù)

用于降維的特征提取和變換

信號、圖像和視頻處理等領(lǐng)域分析

越來越需要在傳感器或嵌入式設(shè)備本身上進(jìn)行更多的數(shù)據(jù)預(yù)處理和還原。造成這種情況的原因有很多，但最突出的兩個(gè)要求是低功率和速度。許多智能設(shè)備需要在不充電的情況下長時(shí)間運(yùn)行。最昂貴的電力消耗之一是使用無線通信將數(shù)據(jù)發(fā)送到服務(wù)器或云分析引擎。由于流式傳輸所有原始傳感器數(shù)據(jù)的成本可能高得令人望而卻步，因此良好的系統(tǒng)設(shè)計(jì)應(yīng)該進(jìn)行本地預(yù)處理，并且只上傳有用信息或預(yù)測信號本身。速度通常是最重要的，因?yàn)槿魏螌?shí)時(shí)系統(tǒng)的價(jià)值都是互連系統(tǒng)提供的及時(shí)響應(yīng)。

BuildingIQ 和 Scania 是捕獲和預(yù)處理工程數(shù)據(jù)并將其與傳統(tǒng)業(yè)務(wù)數(shù)據(jù)相結(jié)合以開發(fā)分析驅(qū)動系統(tǒng)的挑戰(zhàn)和成功方法的好例子。

在這三部分系列的第二部分中，我們將介紹高級分析算法，例如機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，并展示軟件工具如何使領(lǐng)域?qū)＜夷軌驅(qū)崟r(shí)開發(fā)和運(yùn)行分析和規(guī)范控制。

審核編輯：郭婷