- 信息物理系统(Cyber-Physical Systems, CPS)
- CPS是多领域、跨学科不同技术融合发展的结果。
- CPS通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术，构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代、动态优化。
- CPS的本质就是构建一套信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。
- CPS的体系架构
- 单元级
- 系统级
- SoS级
- 四大核心技术要素
- “一硬”：感知和自动控制
- 是CPS实现的硬件支撑
- “一软”：工业软件
- 固化了CPS计算和数据流程规则，是CPS的核心
- “一网”：工业网络
- 互联互通和数据传输的网络载体
- “一平台”：工业云和智能服务平台
- CPS数据汇聚和支撑上层解决方案的技术，对外提供资源管控和能力服务
- “一硬”：感知和自动控制
- 人工智能关键技术
- 自然语言处理(Natural Language Processing, NLP)
- 计算机视觉(Computer Vision)
- 知识图谱(Knowledge Graph)
- 人机交互(Human-Computer Interaction, HCI)
- 虚拟现实或增强现实(Virtual Reality/Augmented Reality, VR/AR)
- 机器学习
- 分类
- 监督学习
- 无监督学习
- 半监督学习
- 强化学习
- 分类
- 机器人4.0的核心技术
- 云-边-端的无缝协同计算
- 持续学习与协同学习
- 知识图谱
- 场景自适应
- 数据安全
- 机器人的分类
- 操作机器人
- 程序机器人
- 示教再现机器人
- 智能机器人
- 综合机器人
- 边缘计算将数据的处理、应用程序的运行甚至一系诶功能服务的实现，由网络中心下放到网络边缘的节点上。在网络边缘侧的智能网关上就近采集并处理数据，不需要将大量未处理的原生数据上传到远处的大数据平台。
- 边缘计算的特点
- 联接性
- 数据第一入口
- 约束性
- 分布性
- 边缘计算的应用场合
- 智慧园区
- 安卓云与云游戏
- 视频监控
- 工业物联网
- Cloud VR
- 数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和质量来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。
- 数字孪生体的关键技术
- 建模
- 数字孪生体的概念模型中数字模型的视角类型的三个维度：需求指标、生存期阶段和空间尺度构成了数字孪生体建模技术体系的三维空间。
- 仿真
- 仿真是将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的一种技术。
- 只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本准确地反映物理世界的特性和参数
- 其他技术
- 除了核心的建模仿真技术，目前VR、AR以及MR等增强现实技术、数字线程、系统工程和MBSE、物联网、云计算、雾计算、边缘计算、大数据技术、机器学习和区块链技术 ，仍为数字孪生体构建过程中的内外围核心技术。
- 建模
- 数字孪生体的应用
- 制造
- 产业
- 城市
- 战场
- 云计算的服务方式
- 软件即服务(SaaS)
- 平台即服务(PaaS)
- 基础设施即服务(IaaS)
- 云计算的部署模式
- 公有云
- 社区云
- 私有云
- 混合云
- 大数据技术概述
- 大数据分析的分析步骤
- 1)数据获取和记录
- 2)信息抽取和清洗
- 3)数据集成、聚集和表示
- 4)查询处理、数据建模和分析
- 5)解释
- 大数据的应用领域
- 制造业的应用
- 服务业的应用
- 交通行业的应用
- 医疗行业的应用
- 大数据分析的分析步骤