物联网

摘要： 充电团聚云上见，顺便攒攒压岁钱。 春！节！倒！计！时！啦！ 农历新年即将到来，热闹的过年氛围逐渐弥漫，华为云社区先给大家拜个早年，祝所有小伙伴们 新春快乐，牛年大吉！ 回望2020年，社区涌现了许多干货满满的技术文章、妙趣横生的短视频、精彩纷呈的内容激励活动 …… 值此岁末年初，我们选取其中最好玩、最有料、最“有钱”的内容，打包成五个新春大礼包。无论你是原地过年，还是回趟老家，在这个特别的春节里，就让华为云社区有趣又有料的干货，陪你度过一个幸福的科技年。 也祝大家在新的一年里牛气冲天、升职加薪、技术更上一层楼。 1、Copy攻城狮信手”粘“来 AI 对对联 农历新年将至，用ModelArts训练一个AI对联神器，实现春联自动生成。华为云也推出了AI写春联、送祝福的小程序（微信搜索『EI体验空间』），一起来感受满满的年味。 2、零代码创建专属聊天机器人，拜年猜谜陪唠嗑 华为云对话机器人产品专家鑫哥，手把手教你零代码创建虚拟小伙伴，小白也能快速上手，过年在家和它唠唠嗑。 【这个春节不远行，云上充电任你赢】来华为云社区，接任务领新年红包啦 华为云社区内容共创者火热招募中，免费学习大厂资料，提升内容编辑能力，整理输出沉淀思考，还能赢取红包奖励。 1、大型魔幻喜剧贺岁片之包不同的沙雕敏捷，看天选之子如何逆袭 华为云DevCloud敏捷专家组倾情奉献，首创 开发者大男主逆袭升级流剧情

简介： 2020年云栖大会上，阿里云发布了一款机器人“小蛮驴”，瞬间激起千层浪，无人车，智能物流，机器人等一些概念又火热了一把。 借“小蛮驴”的东风以及火热的HaaS，我们推出了更加亲民的“小小蛮驴”，丰富HaaS的场景打造，全面开放的云、端、钉示例也能助力开发者学习全链路知识，吸引更多的开发者和企业来加入HaaS的生态建设。 1、认识一下小小蛮驴真面目 1.1、组件部分 HaaS100核心板 HaaS100是一款物联网场景中的标准硬件，并配套嵌入到硬件中的软件驱动及功能模块，为用户提供物联网设备高效开发服务。 HaaS100核心板有着丰富的外设接口，如下所示： 智能车底板电路 红外接收头子，实现红外遥控小车 5V电源稳压芯片 电机驱动芯片，电流可达2A，为小车提供强大的动力 电源指示灯 保护二极管 其他丰富接口 电机接口 超声波模块接口 舵机模块接口 测速模块接口 红外避障模块接口 电池座接口 HaaS连接接口 1.2、重要模块介绍 1.2.1、驱动电机 驱动电机芯片是小车最重要的模块之一，2A的强大输出电流为小车提供满满的动力。 驱动模块的接口定义 其中，IN1和IN2是控制小车的左电机，IN3和IN4是控制小车的右电机，ENA和ENB引脚为输出使能管脚，高电平有效，IN1、IN2、IN3和IN4可以通过PWM脉冲调速。 电机控制： IN1高电平，IN2低电平，左电机正传；

背景 国家电网公司在2019年两会报告以及在多个场合提出了“三型两网”的新战略目标：打造“三型”（枢纽型、平台型、共享型）企业，建设运营好“两网”（坚强智能电网、泛在电力物联网）。 其中“泛在电力物联网”的重心是将电力用户及其设备，电网企业及其设备，发电企业及其设备，供应商及其设备，以及人和物连接起来，产生共享数据，为用户、电网、发电、供应商和政府社会服务；以电网为枢纽，发挥平台和共享作用，为全行业和更多市场主体发展创造更大机遇，提供价值服务。 目前与“三型两网、世界一流”战略目标相比，电力物联网整体建设与应用仍存在以下不足： 一、感知深度广度不足 用户用能信息感知不及时，信息覆盖面不全，新兴业务感知未充分共享。 二、各专业感知信息共享不足、资源复用不足 各专业系统自成体系，存在传感设备重复部署，未实现一次采集、共享共用；感知体系智能化水平不足，无法动态变更应用需求，难以集中统一管控。 三、新兴业务支撑能力不足 互联网侧缺少感知来源，网络部署结构无法支撑综合能源服务、数据运营等新业态发展。 因此，电力供应行业需要构建一个统一智慧物联平台，以助力泛在电力物联网建设，支撑整体战略目标的实现。 电力物联网平台整体建设 智慧物联体系建设重点包括物联管理平台、边缘物联代理以及各类型终端的标准化接入。通过智慧物联体系建设，实现“边端分离、边管共用”。 从功能需求角度分析

初识物联网安全 展开 //--> 本文分享自微信公众号 - 物联网IOT安全（IOTsafety）。 如有侵权，请联系 support@oschina.cn 删除。 本文参与“ OSC源创计划 ”，欢迎正在阅读的你也加入，一起分享。 来源： oschina 链接： https://my.oschina.net/u/4581876/blog/4380610

当今的智慧家庭场景主要是通过各类智能化、可联网的智能家居设备，实现对家庭内部各种设备以及家庭成员之间的互连互通、条件联动、数据共享，同时基于这些海量家庭数据实现的更多商业智能及商业应用能够进一步推动家庭生活的智能化；随着设备智能化需求的不断增加，大量传统家居、家电设备厂商对产品进行升级改造，新型智能化家居设备也层出不穷，使得智能家居设备市场保有量呈现快速爆发的趋势。 智能家居平台建设面临的挑战： 随着智能家居业务快速增长，平台连接的设备数量成快速增长。中大型规模的智能家居平台设备接入量可以达到百万到千万级设备接入水平。随着5G时代的到来，海量物联接入场景也必将成为智能家居行业的趋势。 随着综合型智能家居平台的发展，平台对跨品牌多类型设备接入能力成为刚需。不同设备厂商所使用的协议不尽相同，导致新设备接入受限或缓慢，影响业务的拓展； 随着智能家居业务的发展，智能家居厂商慢慢由单一市场走向国际市场，智能家居设备地理位置分布也变得更加分散。很多跨地区、跨国家的平台设备接入需求渐渐成为大型智能家居企业所面临的问题。 EMQ X 解决方案 EMQ 是一家面向 5G 和物联网市场的消息与流处理开源软件公司。从2013年起EMQ作为国内第一个物联网消息中间件项目在Github上发布，目前已成为全球市场广泛应用的物联网消息中间件。 EMQ X Enterprise 作为企业级物联网消息中间件

#前端# #BIM# #物联网可视化开发# 3D场景内的模型剖切 剖切对象初始化 剖切面事件控制 简介：建筑楼宇是一个实体，室内往往被遮挡，对于建筑设计、楼宇管理和设备维护造成了一定的困难。如果想了解房屋内部的复杂构造情形，这时候利用假想的剖切面进行几何切割，室内的构造情况露出。ThingJS引入了3D剖切面功能，参数化开发方法更精确，直接在屏幕呈现剖切效果。 demo链接： http://www.thingjs.com/guide/?m=sample 3D场景内的模型剖切 ThingJS 支持对模型的方盒子六面剖切以及任意面剖切，让我们来看看官方示例示怎么做到的吧。如效果图所示，在3D场景视图内生成一个矩形剖切框，顺应箭头所指的方向长按鼠标拖动可剖切模型。 初始化剖切功能的操作环境，需要考虑的一点，就是如何快速准确剖切想要的位置？ 剖切对象初始化 涉及到的剖切对象是要进行剖切的建筑，首先查询该建筑，设置建筑为不可拾取的状态，包括建筑内部楼层。 开启剖切动作之后，建筑周围出现剖切包围盒，基于对象创建更多样式提高辨识度。 步骤一，创建剖切包围盒的几何体，其中type值可以为plane, box, sphere等 步骤二，设置父物体为剖切方向的箭头，拖动指引箭头则剖切面会被激活 步骤三，设置剖切面样式，如颜色、透明度、双面渲染，以包围盒的效果出现 /** * 创建方向箭头和剖切面 */

点击领取>>>软考 16本 电子版官方教材 & 36本 辅导教材 + 27套 官方真题冲刺卷 + 21套 必考知识点6G资料包 2020 下半年信息系统项目管理师上午真题及答案 1 、（ ）使系统的描述及信息模型的表示与客观实体相对应，符合人们的思维习惯，有利于系统开发过程中用户与开发人员的交流和沟通。 A ．原型化方法 B ．面向对象方法 C ．结构化方法 D ．面向服务的方法 答案： B 解析： 面向对象方法使系统的描述及信息模型的表示与客观实体相对应，符合人们的思维习惯，有利于系统开发过程中用户与开发人员的交流和沟通。 2 、 TCP/IP 模型中，（ ）协议属于网络层的协议。 A ． ARP B ． SNMP C ． TCP D ． FTP 答案： A 解析： TCP/IP 模型中，网络层中的协议主要有 IP （互联网协议）、 ICMP （网际控制报文协议）、 IGMP 、 ARP （地址解析协议）和 RARP （反向地址解析协议）等。 3 、（ ）不属于关系型数据库。 A ． Oracle B ． MySQL C ． SQL Server D ． MongoDB 答案： D 解析： 常见的数据库管理系统主要有 Oracle 、 MySQL 、 SQLServer 、 MongoDB 等，这些数据库中，前三种均为关系型数据库，而 MongoDB 是非关系型的数据库。 4

选自medium 作者： Jesus Rodriguez 机器之心编译 编辑：Panda Facebook 提出了一种可高效训练包含数十亿节点和数万亿边的图模型的框架 BigGraph 并开源了其 PyTorch 实现。 本文将解读它的创新之处，解析它能从大规模图网络高效提取知识的原因。 图（graph）是机器学习应用中最基本的数据结构之一。具体来说，图嵌入方法是一种无监督学习方法，可使用本地图结构来学习节点的表征。社交媒体预测、物联网模式检测或药物序列建模等主流场景中的训练数据可以很自然地表征为图结构。其中每一种场景都可以轻松得到具有数十亿相连节点的图。图结构非常丰富且具有与生俱来的导向能力，因此非常适合机器学习模型。尽管如此，图结构却非常复杂，难以进行大规模扩展应用。也因此，现代深度学习框架对大规模图数据结构的支持仍非常有限。 Facebook 推出过一个框架 PyTorch BigGraph：https://github.com/facebookresearch/PyTorch-BigGraph，它能更快更轻松地为 PyTorch 模型中的超大图结构生成图嵌入。 某种程度上讲，图结构可视为有标注训练数据集的一种替代，因为节点之间的连接可用于推理特定的关系。这种方法遵照无监督图嵌入方法的模式，它可以学习图中每个节点的向量表征，其具体做法是优化节点对的嵌入

01 引言 近些年， 智能制造 在流程工业生产中得到了示范应用，其重要性逐渐深入人心。国内外学者对于智能制造的理解和定义不尽相同。清华大学吴澄将智能制造定义为以智能技术为代表的新一代信息技术在制造全生命周期的应用中所涉及的理论、方法、技术和应用。 智能制造时代，对于设备的可靠性要求会更高，对于设备维护管理的要求也会随之提高，制造企业、设备管理信息化厂商、预测性维护服务厂商都将参与到设备维护管理的整体环节中。 02 设备预测性维护 预测性维护是以状态为依据的维修，是对设备进行连续在线的状态监测及数据分析，诊断并预测设备故障的发展趋势，提前制定预测性维护计划并实施检维修的行为。总体来看，预测性维护中，状态监测和故障诊断是判断预测性维护是否合理的根本所在，而状态预测是承上启下的重点环节。 图1：慧都设备状态监测系统示例 根据故障诊断及状态预测得出的维修决策，形成维修活动建议，直至实施维修活动。可以说，预测性维护通盘考虑了设备状态监测、故障诊断、预测、维修决策支持等设备运行维护的全过程。 上述预测性维护与预防性维修不同，经常会有人将两者混淆。这里强调说明，后者是以时间为依据的维修，目的是定期检测设备健康状态、定期修复已发生的设备故障及损坏、预防继发性毁坏及设备停机故障。 相对于预防性维修，实行预测性维护制度有以下优点： 避免“过剩维修”，防止因不必要的解体拆卸､更换零部件等；

引言 前面提到了 测试kuiper创建规则上限数 遇到的问题，这里给大家分享一下如何批量创建多条规则。 分析 kuiper官网的性能测试结果中没有详细说明8000条规则的具体场景。这里我是这么理解： 首先有8000个流，其中800个流对应一个SELECT temperature FROM sourceX WHERE > 20这样的规则；另外7200个流对应SELECT temperature FROM sourceY WHERE temperature <= 20 这样如果我发送的MQTT消息中的 temperature 为（20，100]间的随机数，整个7200/8000=90%的数据被过滤掉，只有800/8000=10%的规则被命中。 测试场景构建 创建两个流：demo1和demo2 #进入容器 docker exec -it kuiper /bin/bash #创建流demo1 bin/kuiper create stream demo1 '(temperature float, humidity bigint) WITH (FORMAT="JSON", DATASOURCE="demo1")' #创建流demo2 bin/kuiper create stream demo2 '(temperature float, humidity bigint) WITH (FORMAT