基于云计算的网络监控系统研究论文（共5篇）

第一篇：基于云计算的网络监控系统研究论文

摘 要：云计算环境下文件系统监测技术是存储领域的一项重要技术，对系统进行预测分析也应用得越来越广泛。本文针对基于RPC的云计算文件系统平台，着重研究了云计算文件系统个性信息（服务端命令处理速率）的监测以及预测分析技术。

关键词：云计算系统；个性网络监测；预测分析

1.背景介绍

随着云计算系统的深入研究，基于对象的云计算存储系统的日益完善，带来以下两个问题：一是现有的云计算监测软件只能满足对硬件信息（节点网络输入/输出，CPU信息，内存信息）的监测，无法满足使用者对云计算文件系统的软件个性信息（如服务端命令处理速率）的监测需求；二是没有建立数学模型，描述云计算系统服务端软硬件信息的相关性，从而进行一定的预测与分析工作。

针对上述问题，通过对云计算系统监测技术的研究，以及对预测方法的学习和调研，本文提出了一种基于远程过程调用协议（Remote Procedure Call Protocol，RPC）的个性监测技术与预测分析技术相结合的监测系统。

2.个性监测技术

2.1服务端个性监测的实现框架

基于RPC的云计算系统分为服务器端和监控端两部分。个性监测模块插入在元数据服务端代码中，然后通过监控端的设计将提取的信息发送到WEB端进行分组显示。系统的模块划分如图2.1所示。

图2.1 系统模块划分图

本系统主要是基于RPC的云计算系统仿真平台，实现对云计算系统服务端对来自不同客户端命令处理速率的统计和计算。

2.2服务端个性信息的获取与管理

个性监测技术的应用使得系统监测得到更微观的监测。为此，在系统中加入了个性监测功能模块，首先需要从服务端代码中设置监测点，将每个客户端请求的命令都记录在一个哈希表中，并对此表进行定期更新和删除，并能将表中数据定时刷到指定文件中。

个性监测功能模块上层与个性监测机制模块交互，负责给个性监测机制模块提供监测信息；下层与服务端软件模块交互，负责将服务端接受到的命令及时刻点存入到哈希表中，并及时刷到磁盘文件中。

图2.2 个性监测功能模块

2.3个性监测信息处理模块

个性监测信息处理模块的主要功能为将本地个性监测文件信息传送到监测管理服务器中，并按照指定格式显示在WEB页面上。如图2.3所示，个性监测信息处理模块主要包括个性监测的环境配置和个性监测脚本实现模块两个方面。

图2.3 个性监测信息处理模块设计图

3.预测分析技术

预测分析技术一直是国内外长期探讨研究的重点课题，它广泛应用于各个学科之中，如地质勘测、计算机性能、生物医学等重要领域。因此，对云计算系统的监测数据进行预测分析是一个重要的课题方向。

通过对云计算系统监测的研究可知，服务端节点有两类监测信息，一是可以通过云计算监测软件获取的硬件信息，二是可以通过上述个性监测方法获取的软件信息。利用现有的硬件信息和软件信息建立一个数学模型，这个模型可以预测在某种硬件环境下，系统可以达到的吞吐率，同时，通过对系统吞吐率的性能要求，可以人为设定一组硬件环境，来满足既定的性能要求。

3.1预测模型

通过对云计算系统的监测可知，每个节点的硬件信息都是时间序列型的数据，因此可以选择回归预测模型作为分析模型；又由于预测对象为元数据服务器的命令处理速率，此速率与多项因素相关，因此需要建立一个单因变量-多自变量的预测模型 何丽萍,刘立程.改进的基于Ganglia的网格监测系统.

第二篇：云计算论文

浅谈云计算

白娟

（运城学院 信息管理与信息系统 1106）

【摘要】云计算是当前计算机领域的一个热点。它的出现宣告了低成本提供超级计算时代的到来。云计算

将改变人们获取信息、分享内容和互相沟通的方式。此文阐述了云计算的简史、概念、特点、保护和发展前景，并对云计算的发展及前景进行了分析。

【关键词】云计算特点，云计算保护，云计算发展前景

1.云计算相关知识

1.1简史

1983年，太阳电脑（Sun Microsystems）提出“网络是电脑”（“The Network is the Computer”）,2006年3月，亚马逊（Amazon）推出弹性计算云（Elastic Compute Cloud；EC2）服务。

2006年8月9日，Google首席执行官埃里克·施密特（Eric Schmidt）在搜索引擎大会（SES San Jose 2006）首次提出“云计算”（Cloud Computing）的概念。Google“云端计算”源于Google工程师克里斯托弗·比希利亚所做的“Google 101”项目。

2007年10月，Google与IBM开始在美国大学校园，包括卡内基梅隆大学、麻省理工学院、斯坦福大学、加州大学柏克莱分校及马里兰大学等，推广云计算的计划，这项计划希望能降低分布式计算技术在学术研究方面的成本，并为这些大学提供相关的软硬件设备及技术支持（包括数百台个人电脑及BladeCenter与System x服务器，这些计算平台将提供1600个处理器，支持包括Linux、Xen、Hadoop等开放源代码平台）。而学生则可以通过网络开发各项以大规模计算为基础的研究计划。

2008年1月30日，Google宣布在台湾启动“云计算学术计划”，将与台湾台大、交大等学校合作，将这种先进的大规模、快速将云计算技术推广到校园。

2008年2月1日，IBM（NYSE: IBM）宣布将在中国无锡太湖新城科教产业园为中国的软件公司建立全球第一个云计算中心（Cloud Computing Center）。

2008年7月29日，雅虎、惠普和英特尔宣布一项涵盖美国、德国和新加坡的联合研究计划，推出云计算研究测试床，推进云计算。该计划要与合作伙伴创建6个数据中心作为研究试验平台，每个数据中心配置1400个至4000个处理器。这些合作伙伴包括新加坡资讯通信发展管理局、德国卡尔斯鲁厄大学Steinbuch计算中心、美国伊利诺伊大学香宾分校、英特尔研究院、惠普实验室和雅虎。

2008年8月3日，美国专利商标局网站信息显示，戴尔正在申请“云计算”（Cloud Computing）商标，此举旨在加强对这一未来可能重塑技术架构的术语的控制权。

2010年3月5日，Novell与云安全联盟（CSA）共同宣布一项供应商中立计划，名为“可信任云计算计划（Trusted Cloud Initiative）”。

2010年7月，美国国家航空航天局和包括Rackspace、AMD、Intel、戴尔等支持厂商共同宣布“OpenStack”开放源代码计划，微软在2010年10月表示支持OpenStack与Windows Server 2008 R2的集成；而Ubuntu已把OpenStack加至11.04版本中。2011年2月，思科系统正式加入OpenStack，重点研制OpenStack的网络服务。1.2概念

狭义云计算是指计算机基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。

广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是计算机和软件、互联网相关的，也可以是其他的服务。云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。1.3云计算特点

被普遍接受的云计算特点如下：(1)超大规模

“云”具有相当的规模，Google云计算已经拥有100多万台服务器，Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。

(2)虚拟化

云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。

(3)高可靠性

“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。

(4)通用性

云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。

(5)高可扩展性

“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。(6)按需服务

“云”是一个庞大的资源池，你按需购买；云可以像自来水，电，煤气那样计费。(7)极其廉价

由于“云”的特殊容错措施可以采用极其廉价的节点来构成云，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。

云计算可以彻底改变人们未来的生活，但同时也要重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。

(8)潜在的危险性

云计算服务除了提供计算服务外，还必然提供了存储服务。但是云计算服务当前垄断在私人机构（企业）手中，而他们仅仅能够提供商业信用。对于政府机构、商业机构（特别象银行这样持有敏感数据的商业机构）对于选择云计算服务应保持足够的警惕。一旦商业用户大规模使用私人机构提供的云计算服务，无论其技术优势有多强，都不可避免地让这些私人机构以“数据（信息）”的重要性挟制整个社会。对于信息社会而言，“信息”是至关重要的。另一方面，云计算中的数据对于数据所有者以外的其他用户云计算用户是保密的，但是对于提供云计算的商业机构而言确实毫无秘密可言。所有这些潜在的危险，是商业机构和政府机构选择云计算服务、特别是国外机构提供的云计算服务时，不得不考虑的一个重要的前提。

2.云计算的隐私保护和发展前景

2.1浅谈云计算环境下的隐私权保护

目前，云计算受到产业界的极大推崇并推出了一系列基于云计算平台的服务。但在已经实现的云计算服务中，安全问题一直令人担忧，以至于使得安全和隐私问题成为云计算普及过程中面临的一个巨大挑战。文章主要探讨云计算的隐私问题。在概述网络隐私权特点的基础上，指出了云计算环境下隐私的特殊性，分别从客户端、网络传输、服务器端三个方面阐述了网络隐私权存在的安全隐患。最后，从法律、技术、监管等方面分析了云计算环境下隐私权保护的方案。

互联网以及与之相关的产业发展日新月异，云计算(Cloud Computing)作为一种新的服务模式，受到各方的关注，特别是在产业界受到极大的推崇。目前，几乎所有著名IT公司的战略重点中都涉及了云计算，并推出了一系列基于云计算平台的服务。Amazon的EC2和Google的Google App Engine都是典型的云计算服务，它们使用Internet来连接外部用户，把大量的软件和IT基础设施作为一种服务对外提供。此外，还有微软的Live Meeting、Cisco的WebEx、IBM的“蓝云”等等。

但是，目前的云计算有其“先天性”不足，对于广大网民来说，首当其冲的就是隐私保护问题。正如美国军事安全专家格雷格?康蒂(GregConti)所担心的：云计算在给人们带来巨大便利的同时，该服务中所存在的不足也将危及企业用户和普通网民的隐私安全。据世界隐私论坛近日发布的一份报告声称，如果企业期望通过利用云计算服务来降低IT成本

和复杂性，那么首先应保证这个过程中不会带来任何潜在的隐私问题。IDC对CIO和IT主管的调查也显示，安全仍是云计算主要关注的问题，大约75%的人表示他们担心云计算安全问题(包括隐私安全)。由此可见，隐私安全问题是云计算发展的最主要障碍之一。2.2云计算的发展前景

云计算被视为科技业的下一次革命，它将带来工作方式和商业模式的根本性改变。首先，对中小企业和创业者来说，云计算意味着巨大的商业机遇，他们可以借助云计算在更高的层面上和大企业竞争。自1989年微软推出Office办公软件以来，我们的工作方式已经发生了极大变化，而云计算则带来了云端的办公室——更强的计算能力但无须购买软件，省却本地安装和维护。

其次，从某种意义上说，云计算意味着那些对计算需求量越来越大的中小企业，不再试图去买价格高昂的硬件，而是从云计算供应商那里租用计算能力。在避免了硬件投资的同时，公司的技术部门可以节省大量的技术维护时间。以亚马逊为例，其云计算产品价格便宜，吸引了大批中小企业，甚至《纽约时报》、红帽等大型公司。

[6] 云计算对商业模式的影响体现在对市场空间的创新上。Google Apps是关于创新的理论中的新市场创新。当互联网变得越来越快和可依赖，用户正从桌面电脑上的软件应用转向基于互联网的应用。同时，云计算开发新产品拓展新市场的成本非常低。比如，如果用户对Gmail的需求突然出现猛增，谷歌的云计算系统会自动为Gmail增加容量和处理器的数量，无需人工干预，而且增加和调整都不增加成本。依赖云计算，谷歌能以几乎可以忽略不计的成本增加新的服务。有观点认为，云计算受到热捧的背后，还反应了超级计算机市场的角力。超级计算机应用一度因需要非常昂贵的硬件投入而面临极高的推广门槛，云计算却宣告了低成本提供超级计算服务的可能，一旦云计算得到了广泛的推广，可以乐观地估计，超级计算机市场的春天即将到来。参 考 文 献

[1]武星,王旻超,张武,李青.云计算研究综述[J].科技创新与生产力,2011,06:49-55.[2]刘晓乐.计算机云计算及其实现技术分析[J].电子科技.2009(12)[3]叶晓勇.简述云计算[J].黑龙江科技信息.2009(24)[4] 王丽安.Internet云计算技术[J].科协论坛(下半月).2011(10)[5]狄明远,周铁城.云计算浅析[J].科技风.2009(13)社，2004年9月出版； [6] 张亚东.浅谈云计算发展现状与趋势[J].科技致富向导.2011(12)[7] 唐红,徐光侠.云计算研究与发展综述[J].数字通信.2010(03)

[8] 李晓伟,沈艳秋.云计算及其发展进程[J].科技信息.2011(15)

第三篇：ABS系统研究论文

摘要：

利用机械动力学仿真软件ADAMS 建立汽车ABS的机械动力学模型，在MATLAB/SIMULINK 环境下建立Jetta GTX 轿车的ABS 控制模型，构成了ABS 机电液一体化联合仿真的动力学控制模型。利用MATLAB确定了ABS 的控制参数的门限值，进行了仿真结果数据处理和分析，与大量的ABS 实车道路试验数据对比，改进模型准确度，获得了正确和可行的ABS 仿真控制模型，为加速开发ABS 的控制算法奠定了基础。

关键词：ABS 动力学控制模型 联合仿真 ADAMS MATLAB/SIMULINK

第一章 概述

“ABS”（Anti-lockedBrakingSystem）中文译为“防抱死刹车系统”.它是一种具有防滑、防锁死等优点的汽车安全控制系统。ABS是常规刹车装置基础上的改进型技术，可分机械式和电子式两种。

现代汽车上大量安装防抱死制动系统，ABS既有普通制动系统的制动功能，又能防止车轮锁死，使汽车在制动状态下仍能转向，保证汽车的制动方向稳定性，防止产生侧滑和跑偏，是目前汽车上最先进、制动效果最佳的制动装置。

普通制动系统在湿滑路面上制动，或在紧急制动的时候，车轮容易因制动力超过轮胎与地面的摩擦力而安全抱死。

近年来由于汽车消费者对安全的日益重视，大部分的车都已将ABS列为标准配备。如果没有ABS，紧急制动通常会造成轮胎抱死，这时，滚动摩擦变成滑动摩擦，制动力大大下降。而且如果前轮抱死，车辆就失去了转向能力；如果后轮先抱死，车辆容易产生侧滑，使车行方向变得无法控制。所以，ABS系统通过电子机械的控制，以非常快的速度精密的控制制动液压力的收放，来达到防止车轮抱死，确保轮胎的最大制动力以及制动过程中的转向能力，使车辆在紧急制动时也具有躲避障碍的能力。

随着世界汽车工业的迅猛发展，安全性日益成为人们选购汽车的重要依据。目前广泛采用的防抱制动系统（ABS）使人们对安全性要求得以充分的满足。

汽车制动防抱系统，简称为ABS，是提高汽车被动安全性的一个重要装置。有人说制动防抱系统是汽车安全措施中继安全带之后的又一重大进展。汽车制动系统是汽车上关系到乘客安全性最重要的二个系统之一。随着世界汽车工业的迅猛发展，汽车的安全性越来越为人们重视。汽车制动防抱系统，是提高汽车制动安全性的又一重大进步。

ABS防抱制动系统由汽车微电脑控制，当车辆制动时，它能使车轮保持转动，从而帮助驾驶员控制车辆达到安全的停车。这种防抱制动系统是用速度传感器检测车轮速度，然后把车轮速度信号传送到微电脑里，微电脑根据输入车轮速度，通过重复地减少或增加在轮子上的制动压力来控制车轮的打滑率，保持车轮转动。在制动过程中保持车轮转动，不但可保证控制行驶方向的能力，而且，在大部分路面情况下，与抱死〔锁死〕车轮相比，能提供更高的制动力量。

第二章 发展历程

ABS系统的发展可以追溯到本世纪初期，早在1928年制动防抱理论就被提出，在30年代机械式制动防抱系统就开始在火车和飞机上获得应用，博世（BOSCH）公司在1936年第一个获得了用电磁式车轮转速传感器获取车轮转速的制动防抱系统的专利权。

进入50年代，汽车制动防抱系统开始受到较为广泛的关注。福特（FORD）公司曾于1954年将飞机的制动防抱系统移置在林肯（LINCOIN）轿车上，凯尔塞·海伊斯（KELSEHAYES）公司在1957年对称为“AUTOMATIC”的制动防抱系统进行了试验研究，研究结果表明制动防抱系统确实可以在制动过程中防止汽车失去方向控制，并且能够缩短制动距离；克莱斯（CHRYSLER）公司在这一时期也对称为“SKIDCONTROL”的制动防抱系统进行了试验研究。由于这一时期的各种制动防抱系统采用的都是机械式车轮转速传感器的机械式制动压力调节装置，因此，获取的车轮转速信号不够精确，制动压力调节的适时性和精确性也难于保证，控制效果并不理想。

随着电子技术的发展，电子控制制动防抱系统的发展成为可能。在60年代后期和70年代初期，一些电子控制的制动防抱系统开始进入产品化阶段。凯尔塞·海伊斯公司在1968年研制生产了称为“SURETRACK”两轮制动防抱系统，该系统由电子控制装置根据电磁式转速传感器输入的后轮转速信号，对制动过程中后轮的运动状态进行判定，通过控制由真空驱动的制动压力调节装置对后制动轮缸的制动压力进行调节，并在1969年被福特公司装备在雷鸟（THUNDERBIRD）和大陆·马克III（CONTINENTALMKIII）轿车上。

克莱斯勒公司与本迪克斯（BENDIX）公司合作研制的称“SURE-TRACK”的能防止4个车轮被制动抱死的系统，在1971年开始装备帝国（IMPERIAL）轿车，其结构原理与凯尔塞·海伊斯的“SURE-TRACK”基本相同，两者不同之处，只是在于两个还是四个车轮有防抱制动。博世公司和泰威（TEVES）公司在这一时期也都研制了各自第一代电子控制制动防抱系统，这两种制动防抱系统都是由电子控制装置对设置在制动管路中的电磁阀进行控制，直接对各制动轮以电子控制压力进行调节。

别克（BUICK）公司在1971年研制了由电子控制装置自动中断发动机点火，以减小发动机输出转矩，防止驱动车轮发生滑转的驱动防抱转系统.瓦布科（WABCO）公司与奔驰（BENZ）公司合作，在1975年首次将制动防抱系统装备在气压制动的载贷汽车上。

第一台防抱死制动系统ABS(Ant-ilockBrakeSystem)，在1950年问世，首先被应用在航空领域的飞机上，1968年开始研究在汽车上应用。70年代，由于欧美七国生产的新型轿车的前轮或前后轮开始采用盘式制动器，促使了ABS在汽车上的应用。1980年后，电脑控制的ABS逐渐在欧洲、美国及亚洲日本的汽车上迅速扩大。到目前为止，一些中高级豪华轿车，如西德的奔驰、宝马、雅迪、保时捷、欧宝等系列，英国的劳斯来斯、捷达、路华、宾利等系列，意大利的法拉利、的爱快、领先、快意等系列，法国的波尔舍系列，美国福特的TX3、30X、红彗星及克莱斯勒的帝王、纽约豪客、男爵、道奇、顺风等系列，日本的思域，凌志、豪华本田、奔跃、俊朗、淑女300Z等系列，均采用了先进的ABS。到1993年，美国在轿车上安装ABS已达46%，现今在世界各国生产的轿车中有近75%的轿车应用ABS。

现今全世界已有本迪克斯、波许、摩根.戴维斯、海斯.凯尔西、苏麦汤姆、本田、日本无限等许多公司生产ABS，它们中又有整体和非整体之分。预计随着轿车的迅速发展，将会有更多的厂家生产。

这一时期的各种ABS系统都是采用模拟式电子控制装置，由于模拟式电子控制装置存在着反应速慢、控制精度低、易受干扰等缺陷，致使各种ABS系统均末达到预期的控制效果，所以，这些防抱控制系统很快就不再被采用了。

进入70年代后期，数字式电子技术和大规模集成电路的迅速发展，为ABS系统向实用化发展奠定了技术基础。博世公司在1978年首先推出了采用数字式电子控制装置的制动防泡系统--博世ABS2，并且装置在奔驰轿车上，由此揭开了现代ABS系统发展的序幕。尽管博世ABS2的电子控制装置仍然是由分离元件组成的控制装置，但由于数字式电子控制装置与模拟式电子控制装置相比，其反应速度、控制精度和可靠性都显著提高，因此，博世ABS2的控制效果己相当理想。从此之后，欧、美、日的许多制动器专业公司和汽车公司相继研制了形式多详的ABS系统。

“自动防抱死刹车”的原理并不难懂，在遭遇紧急情况时，未安装ABS系统的车辆来不及分段缓刹只能立刻踩死。由于车辆冲刺惯性，瞬间可能发生侧滑、行驶轨迹偏移与车身方向不受控制等危险状况！而装有ABS系统的车辆在车轮即将达到抱死临界点时，刹车在一秒内可作用60至120次，相当于不停地刹车、放松，即相似于机械自动化的“点刹”动作。此举可避免紧急刹车时方向失控与车轮侧滑，同时加大轮胎摩擦力，使刹车效率达到90％以上。

从微观上分析，在轮胎从滚动变为滑动的临界点时轮胎与地面的摩擦力达到最大。在汽车起步时可充分发挥引擎动力输出（缩短加速时间），如果在刹车时则减速效果最大（刹车距离最短）。ABS系统内控制器利用液压装置控制刹车压力在轮胎发生滑动的临界点反复摆动，使在刹车盘不断重复接触、离开的过程而保持轮胎抓地力最接近最大理论值，达到最佳刹车效果。

ABS的运作原理看来简单，但从无到有的过程却经历过不少挫折（中间缺乏关键技术）！1908年英国工程师J.E.Francis提出了“铁路车辆车轮抱死滑动控制器”理论，但却无法将它实用化。接下来的30年中，包括Karl Wessel的“刹车力控制器”、Werner Möhl的“液压刹车安全装置”与Richard Trappe的“车轮抱死防止器”等尝试都宣告失败。在1941年出版的《汽车科技手册》中写到：“到现在为止，任何通过机械装置防止车轮抱死危险的尝试皆尚未成功，当这项装置成功的那一天，即是交通安全史上的一个重要里程碑”，可惜该书的作者恐怕没想到这一天竟还要再等30年之久。

当时开发刹车防抱死装置的技术瓶颈是什么？首先该装置需要一套系统实时监测轮胎速度变化量并立即通过液压系统调整刹车压力大小，在那个没有集成电路与计算机的年代，没有任何机械装置能够达成如此敏捷的反应！等到ABS系统的诞生露出一线曙光时，已经是半导体技术有了初步规模的1960年代早期。

精于汽车电子系统的德国公司Bosch（博世）研发ABS系统的起源要追溯到1936年，当年Bosch申请“机动车辆防止刹车抱死装置”的专利。1964年（也是集成电路诞生的一年）Bosch公司再度开始ABS的研发计划，最后有了“通过电子装置控制来防止车轮抱死是可行的”结论，这是ABS（Antilock Braking System）名词在历史上第一次出现！世界上第一具ABS原型机于1966年出现，向世人证明“缩短刹车距离”并非不可能完成的任务。因为投入的资金过于庞大，ABS初期的应用仅限于铁路车辆或航空器。Teldix GmbH公司从1970年和奔驰车厂合作开发出第一具用于道路车辆的原型机——ABS 1，该系统已具备量产基础，但可靠性不足，而且控制单元内的组件超过1000个，不但成本过高也很容易发生故障。

1973年Bosch公司购得50％的Teldix GmbH公司股权及ABS领域的研发成果，1975年AEG、Teldix与Bosch达成协议，将ABS系统的开发计划完全委托Bosch公司整合执行。“ABS 2”在3年的努力后诞生！有别于ABS 1采用模拟式电子组件，ABS 2系统完全以数字式组件进行设计，不但控制单元内组件数目从1000个锐减到140个，而且有造价降低、可靠性大幅提升与运算速度明显加快的三大优势。两家德国车厂奔驰与宝马于1978年底决定将ABS 2这项高科技系统装置在S级及7系列车款上。

在诞生的前3年中，ABS系统都苦于成本过于高昂而无法开拓市场。从1978到1980年底，Bosch公司总共才售出24000套ABS系统。所幸第二年即成长到76000套。受到市场上的正面响应，Bosch开始TCS循迹控制系统的研发计划。1983年推出的ABS 2S系统重量由5.5公斤减轻到4.3公斤，控制组件也减少到70个。到了1985年代中期，全球新出厂车辆安装ABS系统的比例首次超过1％，通用车厂也决定把ABS列为旗下主力雪佛兰车系的标准配备。

1986年是另一个值得纪念的年份，除了Bosch公司庆祝售出第100万套ABS系统外，更重要的是Bosch推出史上第一具供民用车使用的TCS/ ASR循迹控制系统。TCS/ ASR的作用是防止汽车起步与加速过程中发生驱动轮打滑，特别是防止车辆过弯时的驱动轮空转，并将打滑控制在10％到20％范围内。由于ASR是通过调整驱动轮的扭矩来控制，因而又叫驱动力控制系统，在日本又称之为TRC或TRAC。

ASR和ABS的工作原理方面有许多共同之处，两者合并使用可形成更佳效果，构成具有防车轮抱死和驱动轮防打滑控制(ABS /ASR)系统。这套系统主要由轮速传感器、ABS/ ASR ECU控制器、ABS驱动器、ASR驱动器、副节气门控制器和主、副节气门位置传感器等组成。在汽车起步、加速及行进过程中，引擎ECU根据轮速传感器输入的信号，当判定驱动轮的打滑现象超过上限值时，就进入防空转程序。首先由引擎ECU降低副节气门以减少进油量，使引擎动力输出扭矩减小。当ECU判定需要对驱动轮进行介入时，会将信号传送到ASR驱动器对驱动轮（一般是前轮）进行控制，以防止驱动轮打滑或使驱动轮的打滑保持在安全范围内。第一款搭载ASR系统的新车型在1987年出现，奔驰S 级再度成为历史的创造者。

随着ABS系统的单价逐渐降低，搭载ABS系统的新车数目于1988年突破了爆炸性成长的临界点，开始飞快成长，当年Bosch的ABS系统销售量首次突破300万套。技术上的突破让Bosch在1989年推出的ABS 2E系统首次将原先分离于引擎室（液压驱动组件）与中控台（电子控制组件）内，必须依赖复杂线路连接的设计更改为“两组件整合为一”设计！ABS 2E系统也是历史上第一个舍弃集成电路，改以一个8 k字节运算速度的微处理器（CPU）负责所有控制工作的ABS系统，再度写下了新的里程碑。该年保时捷车厂正式宣布全车系都已安装了ABS，3年后（1992年）奔驰车厂也决定紧跟保时捷的脚步。

1990年代前半期ABS系统逐渐开始普及于量产车款。Bosch在1993年推出ABS 2E的改良版：ABS 5.0系统，除了体积更小、重量更轻外，ABS 5.0装置了运算速度加倍（16 k字节）的处理器，该公司也在同年年中庆祝售出第1000万套ABS系统。

ABS与ASR/ TCS系统已受到全世界车主的认同，但Bosch的工程团队却并不满足，反而向下一个更具挑战性的目标：ESP（Electronic Stabilty Program，行车动态稳定系统）前进！有别于ABS与TCS仅能增加刹车与加速时的稳定性，ESP在行车过程中任何时刻都能维持车辆在最佳的动态平衡与行车路线上。ESP系统包括转向传感器（监测方向盘转动角度以确定汽车行驶方向是否正确）、车轮传感器（监测每个车轮的速度以确定车轮是否打滑）、摇摆速度传感器（记录汽车绕垂直轴线的运动以确定汽车是否失去控制）与横向加速度传感器（测量过弯时的离心加速度以确定汽车是否在过弯时失去抓地力），在此同时、控制单元通过这些传感器的数据对车辆运行状态进行判断，进而指示一个或多个车轮刹车压力的建立或释放，同时对引擎扭矩作最精准的调节，某些情况下甚至以每秒150次的频率进行反应。整合ABS、EBD、EDL、ASR等系统的ESP让车主只要专注于行车，让计算机轻松应付各种突发状况。

延续过去ABS与ASR诞生时的惯例，奔驰S 级还是首先使用ESP系统的车型（1995年）。4年后奔驰公司就正式宣布全车系都将ESP列为标准配备。在此同时，Bosch于1998及2001年推出的ABS 5.7、ABS 8.0系统仍精益求精，整套系统总重由2.5公斤降至1.6公斤，处理器的运算速度从48 k字节升级到128 k字节，奔驰车厂主要竞争对手宝马与奥迪也于2001年也宣布全车系都将ESP列为标准配备。Bosch车厂于2003年庆祝售出超过一亿套ABS系统及1000万套ESP系统，根据ACEA（欧洲车辆制造协会）的调查，今天每一辆欧洲大陆境内所生产的新车都搭载了ABS系统，全世界也有超过60％的新车拥有此项装置。

“ABS系统大幅度提升刹车稳定性同时缩短刹车所需距离”Robert Bosch GmbH（Bosch公司的全名）董事会成员Wolfgang Drees说。不像安全气囊与安全带（可以透过死亡数目除以车祸数目的比例来分析），属于“防患于未然”的ABS系统较难以真实数据佐证它将多少人从鬼门关前抢回？但据德国保险业协会、汽车安全学会分析了导致严重伤亡交通事故的原因后的研究显示，60%的死亡交通事故是由于侧面撞车引起的，30%到40%是由于超速行驶、突然转向或操作不当引发的。我们有理由相信ABS及其衍生的ASR与ESP系统大幅度降低紧急状况发生车辆失去控制的机率。NHTSA（北美高速公路安全局）曾估计ABS系统拯救了14563名北美驾驶人的性命！

从ABS到ESP，汽车工程师在提升行车稳定性的努力似乎到了极限（民用型ESP系统诞生至今已近10年），不过就算计算机再先进仍须要驾驶人的适当操作才能发挥最大功效。

多数车主都没有遭遇过紧急状况（也希望永远不要），却不能不知道面临关键时刻要如何应对？在紧急情况下踩下刹车时，ABS系统制动分泵会迅速作动，刹车踏板立刻产生异常震动与显著噪音（ABS系统运作中的正常现象），这时你应毫不犹豫地用力将刹车踩死（除非车上拥有EBD刹车力辅助装置，否则大多数驾驶者的刹车力量都不足），另外ABS能防止紧急刹车时的车轮抱死现象、所以前轮仍可控制车身方向。驾驶者应边刹车边打方向进行紧急避险，以向左侧避让路中障碍物为例，应大力踏下刹车踏板、迅速向左转动方向盘90度，向右回轮180度，最后再向左回90度。最后要提的是ABS系统依赖精密的车轮速度传感器判断是否发生抱死情况？平时要经常保持在各个车轮上的传感器的清洁，防止有泥污、油污特别是磁铁性物质粘附在其表面，这些都可能导致传感器失效或输入错误信号而影响ABS系统正常运作。行车前应经常注意仪表板上的ABS故障指示灯，如发现闪烁或长亮，ABS系统可能已经故障（尤其是早期系统），应该尽快到维修厂排除故障。

要提醒的是，ABS/ ASR/ ESP系统虽然是高科技的结晶，但并不是万能的，也别因为有了这些行车主动安全系统就开快车。

第三章 工作原理

控制装置和ABS警示灯等组成，在不同的ABS系统中，制动压力调节装置的结构形式和工作原理往往不同，电子控制装置的内部结构和控制逻辑也可能ABS通常都由车轮转速传感器、制动压力调节装置、电子不尽相同。

在常见的ABS系统中，每个车轮上各安装一个转速传感器，将有关各车轮转速的信号输入电子控制装置。电子控制装置根据各车轮转速传感器输入的信号对各个车轮的运动状态进行监测和判定，并形成相应的控制指令。制动压力调节装置主要由调压电磁阀组成，电动泵组成和储液器等组成一个独立的整体，通过制动管路与制动主缸和各制动轮缸相连。制动压力调节装置受电子控制装置的控制，对各制动轮缸的制动压力进行调节。

ABS的工作过程可以分为常规制动，制动压力保持制动压力减小和制动压力增大等阶段。在常规制动阶段，ABS并不介入制动压力控制，调压电磁阀总成中的各进液电磁阀均不通电而处于开启状态，各出液电磁阀均不通电而处于关闭状态，电动泵也不通电运转，制动主缸至各制动轮缸的制动管路均处于沟通状态，而各制动轮缸至储液器的制动管路均处于封闭状态，各制动轮缸的制动压力将随制动主缸的输出压力而变化，此时的制动过程与常规制动系统的制动过程完全相同

在制动过程中，（如下图所示）电子控制装置根据车轮转速传感器输入的车轮转速信号判定有车轮趋于抱死时，ABS就进入防抱制动压力调节过程。例如，电子控制装置判定右前轮趋于抱死时，电子控制装置就使控制右前轮刮动压力的进液电磁阀通电，使右前进液电磁阀转入关闭状态，制动主缸输出的制动液不再进入右前制动轮缸，此时，右前出液电磁阀仍末通电而处于关闭状态，右前制动轮缸中的制动液也不会流出，右前制动轮缸的刮动压力就保持一定，而其它末趋于抱死车轮的制动压力仍会随制动主缸输出压力的增大而增大；如果在右前制动轮缸的制动压力保持一定时，电子控制装置判定右前轮仍然趋于抱死，电子控制装置又使右前出液电磁阀也通电而转入开启状态，右前制动轮缸中的部分制动波就会经过处于开启状态的出液电磁阀流回储液器，使右前制动轮缸的制动压力迅速减小右前轮的抱死趋势将开始消除，随着右前制动轮缸制动压力的减小，右前轮会在汽车惯性力的作用下逐渐加速；当电子控制装置根据车轮转速传感器输入的信号判定右前轮的抱死趋势已经完全消除时，电子控制装置就使右前进液电磁阀和出液电磁阀都断电，使进液电磁阀转入开启状态，使出液电磁阀转入关闭状态，同时也使电动泵通电运转，向制动轮缸泵输送制动液，由制动主缸输出的制动液经电磁阀进入右前制动轮缸，使右前制动轮缸的制动压力迅速增大，右前轮又开抬减速转动。（参见：汽车电子控制基础，曹家喆 主编，机械工业出版社，2007年10月）

ABS通过使趋于抱死车轮的制动压力循环往复而将趋于防抱车轮的滑动率控制，在峰值附着系数滑动率的附近范围内，直至汽车速度减小至很低或者制动主缸的常出压力不再使车轮趋于抱死时为止。制动压力调节循环的频率可达3~20HZ。在该ABS中对应于每个制动轮缸各有对进液和出液电磁阀，可由电子控制装置分别进行控制，因此，各制动轮缸的制动压力能够被独立地调节，从而使四个车轮都不发生制动抱死现象。

尽管各种ABS的结构形式和工作过程并不完全相同，但都是通过对趋于抱死车轮的制动压力进行自适应循环调节，来防止被控制车轮发生制动抱死。

第四章 汽车ABS 机械动力学模型

1.汽车ABS 仿真模型建立的要求：

(1)在仿真建模过程中要考虑到模型的准确性和可信度，在不失真的前提下尽量简化仿真模型，减少自由度数，提高求解效率。

(2)能够正确的根据路面条件、道路状况、制动强度和法向载荷实时计算出车速和轮速，使模型尽可能反映实车的运动状况。

(3)具有仿真建模改进的能力，能方便地修改子模型的参数，不需要花费很大精力或者重新建模，就可以在设计阶段，插入或改变仿真模型。

ADAMS 软件计算功能强大，求解器效率高，具有多种专业模块和工具包，以及与其它CAD 软件的接口，可方便快捷地建立机械动力学模型，支持Fortran 和C 语言，便于用户进行二次开发[1]。基于ADAMS软件的上述优点，利用ADAMS 软件建立汽车制动防抱死系统（ABS）的机械动力学模型。2.模型建立：

汽车是一个复杂的动力学系统，对汽车的ABS 制动性能进行模拟仿真，输入的参数包括制动初速，路面条件如干铺设路面、湿铺设路面、雪路面、冰路面、对开路面、对接路面等，道路状况如直道、弯道、上坡、下坡等和整车参数。输出的参数包括汽车制动过程中整车和车轮的运动状态，如制动时间、制动距离、制动减速度、车轮滑移率、车轮角减速度、制动器制动力、地面制动力、地面侧向力、横摆力矩等。

根据以上研究目的，对整车进行适当简化。汽车悬架系统结构型式和转向系结构型式对汽车制动性能的影响不大，仿真模型中的惯性参数由Pro/ENGINEER 软件三维实体建模计算得到，对悬架系和转向系简化如下：

悬架系统只考虑悬架的垂直变形；转向系忽略车轮定位角和转向传动装置。把汽车简化为具有十个刚体的模型，共14 个自由度。十个刚体分别为车身、一个后非独立悬挂组质量、两个前独立悬挂组质量（两个前轮横摆臂和两个前轮转向节）、四个车轮。两前轮共有3 个自由度，车身具有3 个转动和3 个平动自由度，两后轮各有1 个自由度，前悬架各有一个自由度，后悬架1 个自由度，如图1 所示。

图1 整车仿真模型

1—车身 2—后轮 3—后悬架 4—前轮

5—前悬架 6—横摆臂 7—转向节

仿真模型包括以下几个子模型：

转向系模型：以转向角约束直接作用于左转向节。

前悬架模型：前悬架是独立悬架，一侧的简化模型如图2 所示。转向节简化如图2 中3 所示，用转动副与前轮连接。横摆臂与减振器以球铰分别与转向节和车身连接。

图2 悬架的简化模型

1—车身 2—横摆臂 3—转向节 4—轮胎 5—前悬架 6—弹簧

A—转动副 B—球铰 C—转动副 D—滑柱铰 E—球铰

后悬架是非独立悬架，只考虑垂直方向的自由度，悬架与车身之间用平移副表示它们之间的相对运动，悬架与车身用弹簧阻尼连接，与后轮用转动副连接。

轮胎模型：车辆的各种运动状态主要是通过轮胎与路面的作用力引起的。采用力约束方法，不考虑轮胎拖距、回正力矩以及滚动阻力的影响。采用ADAMS 提供的非线性Pacejka 轮胎模型[2]。

制动器模型：采用美国高速公路车辆仿真模型中的制动器模型。

液压模型：采用ADAMS 中液压模块（ADAMS/Hydraulics）建立制动系统的液压仿真模块。

路面模型：设计出路面模型可进行对开路面和对接路面制动过程的仿真计算。利用ADAMS 中提供的平面（Plane）作为路面模型的基础，定义了平面（Plane）的长、宽等参数，使得汽车制动过程有足够的空间，利用平面－圆（Plane-Circle）接触力（Contact）表示车轮与地面之间的法向作用力。ADAMS轮胎模型中没有附着系数变化的路面模块，为此在ADAMS 提供的路面模块基础上，对对接路面采用在路面模型上加入标记点（Marker）的方法，分别求出前轮和后轮质心到标记点X 方向上的距离。当距离为正时说明轮胎已经跨过了标记点，此时根据所规定的路面情况对轮胎附着系数进行改变，使得模型可以计算路面附着系数变化。对开路面也采取了相同的加入标记点的方法，进行计算左右侧轮胎相对于标记点Y 方向上的距离。（参见：汽车车身电子与控制技术，陈无畏 主编，机械工业出版社，2008年02月）

第五章 制动防抱死系统ABS 的控制模型

在ADAMS 中定义了与MATLAB/SIMULINK 的接口，把ADAMS 中建立的非线性机械模型转化为SIMULINK 的S－FUNCTION 函数，再把S－FUNCTION 函数加入到控制模型里，这样就可以方便的利用SIMULINK 提供的各种强大的工具进行控制模型开发，在MATLAB 软件下进行联合仿真计算[3]。图3 所示为MATLAB/SIMULINK中表示的ADAMS 机械模型，在ADAMS 中定义四个车轮的制动力矩为输入变量，定义四个车轮的速度和滑移率为输出变量，保存在.m 文件中由MATLAB 调用。

图3 ADAMS子模块

图4 所示

为在MATLAB/SIMULINK 下开发的ABS 控制模块，图中深色的部分为ADAMS 生成的子模块，输入参数为制动力矩，输出参数为车轮速度和车轮滑移率，以车轮的加速度/减速度和车轮滑移率为控制参数。（参见：汽车车身电子与控制技术，陈无畏 主编，机械工业出版社，2008年02月）

图4 ABS 仿真控制模型

第六章 ABS 联合仿真控制规律结果与分析

1.确定车轮加速度和参考滑移率的门限值

根据ADAMS 仿真制动过程计算出的车轮加速度曲线，分析出加速度门限值为w&

1、减速度门限值为w&2。车轮滑移率下门限值λ1，上门限值λ2。

车轮的加、减速度和滑移率的门限值的确定是一个反复交替验证过程。方法为：计算车轮的加、减速度和参考滑移率，以参考滑移率为控制参数初步确定车轮的加、减速度的门限值，再以车轮加、减速度门限值控制车轮的滑移率,确定滑移率的门限值。图4 中深色的部分为ADAMS 生成的机械模型，在MATLAB作为一个S－FUNCTION 函数参与运算。通过上述交替验证的方法，车轮滑移率和加速度的仿真变化曲线如图5 所示，实车测试数据如图6 所示。比较图5 和图6，可以看出仿真数据与实车测试数据相吻合，验证了车轮加速度门限值和滑移率门限值的确定是合理的。

图5 仿真试验数据

图6 试车实验数据 图6 实车试验数据

选取适当滑移率门限值λ1，λ2是控制的关键问题之一。如果车轮的滑移率大于路面峰值附着系数相应的滑移率λOPT，车轮的侧向附着力很低。在有侧向风、道路倾斜或转向制动等对车辆产生横向力情况下，或左右车轮的地面制动力不相等时，路面不能提供足够的侧向力使车辆保持行驶方向，车辆容易发生危险的甩尾情况，因此滑移率门限值的上限应小于λOPT。

理想的ABS 系统应能把制动压力调节到一个合适的范围内，使得车轮的滑移率保持在λOPT附近。如果（λ2 － λ1）取值较小，则控制过程的保压时间较短，需进行频繁的压力调节，压力调节器需进行频繁的动作，而压力调节器和制动器需要一定的响应时间，过于频繁的压力调节会使压力调节器和制动器来不及响应，达不到控制效果。如果（λ2 － λ1）取值较大，车轮的运动状态不能及时的控制，车轮的速度波动范围很大，还会造成制动效能降低。2.ABS 的控制周期

控制周期取决于车速信号采集频率，制动压力调节器的响应时间和控制逻辑运算时间之和。在仿真模型里进行了控制周期对ABS 控制影响的分析。

模型中采用了改变控制模型与车辆模型之间的通讯时间来实现控制周期的模拟。以通讯时间为0.1s 和0.15s 为例，得到结果如图7和图8所示。从两图中可以看到控制周期增大，滑移率变化范围增大，说明车轮的线速度变化范围增大，车轮的抱死趋势强烈。在开发ABS 的时候，应尽力缩短控制周期。的联合仿真 图9 为左前轮3～5s 的ABS 仿真试验数据，按照逻辑门限值的方式进行控制。从图9 中可以看出，在加速度为－20m/s2 附近，进行了快速减压，车轮的加速度增大，但车轮速度仍在减小。然后在加速度为－22m/s2 时出现了保压过程，此时滑移率为0.17 左右。紧接着是一个压力逐渐增加的过程，在这个过程中车轮的加速度逐步减小，但车轮速度继续增加，此时车轮滑移率控制在0.1 附近，接着又是一个短暂的保压过程，车轮的加速度增大，此后又开始了新的一轮的制动压力的调节。车轮的加速度在（－20～20）m/s2之间，管路压力在（1.5～4.5）MPa 之间。图10 为道路试验数据，比较两图，仿真数据与试验数据基本吻合。（参见：张跃今，宋健.多体动力学仿真软件－ADAMS 理论及应用研讨.机械科学与技术，1997.9）

图9 左前轮3～5s 的仿真试验数据

图10 左前轮3～5s 的道路试验数据

第七章 结论

(1)用两个软件

ADAMS 和MATLAB/SIMULINK分别建立机械模型和控制模型，发挥各自的优点进行联合仿真计算，精度较高。

(2)采用交替验证的方法，确定车轮滑移率和加速度的门限值效果较好。(3)仿真数据与道路试验数据基本吻合，证明仿真方法和仿真模型可行。(4)此模型较准确地反映ABS 制动过程各参数的变化情况，可以此为基础进行实车的ABS 控 制算法的开发，缩短开发时间，减少开发经费。

(5)此模型还易于扩展，进一步开发和研究ABS 以及与ASR(Acceleration Slip Regulation)、ACC(Adaptive Cruise Control)的集成化系统。

致 谢

在这短短几个月的时间里毕业论文能够得以顺利完成，并非一人之功。感谢所有指导过我的老师，帮助过我的同学和一直关心、支持着我的家人。感谢你们对我的教诲、帮助和鼓励。在这里，我要对你们表示深深的谢意！

感谢我的指导老师——田文超老师，没有您认真、细致的指导就没有这篇论文的顺利完成。和您的交流并不是很多，但只要是您提醒过该注意的地方，我都会记下来。事实证明，这些指导对我帮助很大。

感谢我的父母，没有他们，就没有我的今天。你们的鼓励与支持，是我前进的强大动力和坚实后盾。

最后，感谢身边所有的老师、朋友和同学，感谢你们三年来的关照与宽容，与你们一起走过的缤纷时代，将会是我一生最珍贵的回忆。

参考文献：

1.汽车电子技术，迟瑞娟，李世雄 主编，国防工业出版社，2008年08月 2.汽车电子控制基础，曹家喆 主编，机械工业出版社，2007年10月 3.汽车车身电子与控制技术，陈无畏 主编，机械工业出版社，2008年02月

4.张跃今，宋健.多体动力学仿真软件－ADAMS 理论及应用研讨.机械科学与技 术，1997.9 5.ADAMS Reference Manual Version 12, Mechanical Dynamics, Inc.6.Matlab Referen ce Manual Version 6.1.Mathworks Inc.

第四篇：大数据与云计算论文

大数据与云计算

摘 要：大数据（Big Data）这个概念近年来在越来越多的场合、被越来越多的人提及，并且经常和云计算联系在一起，云计算与大数据之间到底是什么关系成为热点话题。本

专题报告包含以下四个方面内容：1.大数据的价值；2.大数据带来的挑战;3.大数据研究成果；4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解，以及对大数据的价值的认识，探讨大数据处理与挖掘技术，大数据主要着眼于“数据”，提供数据采集、挖掘、分析的技术和方法;云计算技术主要关注“计算”，提供IT 解决方案。大数据、云计算技术可以促进持续审计方式的发展、总体审计模式的应用、审计成果的综合应用、相关关系证据的应用、高效数据审计的发展和大数据审计师的发展。强化大数据、云计算技术审计应用的措施包括制定长远发展战略、加快审计法规建设、建立行业平台、加强研发和提高利用能力。关键词：大数据 云计算 数据挖掘 对审计影响 政策建议 引言

目前，大数据伴随着云计算技术的发展，正在对全球经济社会生活产生巨大的影响。大数据、云计算技术给现代审计提供了新的技术和方法，要求审计组织和审计人员把握大数据、云计算技术的内容与特征，促进现代审计技术和方法的进一步发展。

一、大数据、云计算的涵义与特征

随着云计算技术的出现，大数据吸引了全世界越来越多的关注。哈佛大学社会学教授加里·金(2012)说: “这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”(一)大数据的涵义与特征

“数据”(data)这个词在拉丁文里是“已知”的意思，也可以理解为“事实”。2009 年，“大数据”概念才逐渐开始在社会上传播。而“大数据”概念真正变得火爆，却是因为美国奥巴马政府在2012 年高调宣布了其“大数据研究和开发计划”。这标志着“大数据”时代真正开始进入社会经济生活中来了。“大数据”(big data)，或称巨量资料，指的是所涉及的数据量规模大到无法利用现行主流软件工具，在一定的时间内实现收集、分析、处理或转化成为帮助决策者决策的可用信息。互联网数据中心(IDC)认为“大数据”是为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取价值而设计的新一代架构和技术，用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。大数据具有4 个特点: 第一，数据体量巨大(Volume)，从TB 级别跃升到PB 级别。第二，处理速度快(Velocity)，这与传统的数据挖掘技术有着本质的不同。第三，数据种类多(Variety)，有图片、地理位置信息、视频、网络日志等多种形式。第四，价值密度低，商业价值高(Value)。存在单一数据的价值并不大，但将相关数据聚集在一起，就会有很高的商业价值(金良，2012)。大数据时代，不仅改变了传统的数据采集、处理和应用技术与方法，还促使人们思维方式的改变。大数据的精髓在于促使人们在采集、处理和使用数据时思维的转变，这些转变将改变人们理解和研究社会经济现象的技术和方法。

(1)是在大数据时代，不依赖抽样分析，而可以采集和处理事物整体的全部数据。19 世纪以来，当面临大的样本量时，人们都主要依靠抽样来分析总体。但是，抽样技术是在数据缺乏和取得数据受限制的条件下不得不采用的一种方法，这其实是一种人为的限制。过去，因为记录、储存和分析数据的工具不够科学，只能收集少量数据进行分析。如今，科学技术条件已经有了很大的提高，虽然人类可以处理的数据依然是有限的，但是可以处理的数据量已经大量增加，而且未来会越来越多。随着大数据分析取代抽样分析，社会科学不再单纯依赖于抽样调查和分析实证数据，现在可以收集过去无法收集到的数据，更重要的是，现在可以不再依赖抽样分析。

(2)是在大数据时代，不再热衷于追求数据的精确度，而是追求利用数据的效率。当测量事物的能力受限制时，关注的是获取最精确的结果。但是，在大数据时代，追求精确度已经既无必要又不可行，甚至变得不受欢迎。大数据纷繁多样，优劣掺杂，精准度已不再是分析事物总体的主要手段。拥有了大数据，不再需要对一个事物的现象深究，只要掌握事物的大致发展趋势即可，更重要的是追求数据的及时性和使用效率。与依赖于小数据和精确性的时代相比较，大数据更注重数据的完整性和混杂性，帮助人们进一步认识事物的全貌和真相。

(3)是在大数据时代，人们难以寻求事物直接的因果关系，而是深入认识和利用事物的相关关系。长期以来，寻找因果关系是人类发展过程中形成的传统习惯。寻求因果关系即使很困难且用途不大，但人们无法摆脱认识的传统思维。在大数据时代，人们不必将主要精力放在事物之间因果关系的分析上，而是将主要精力放在寻找事物之间的相关关系上。事物之间的相关关系可能不会准确地告知事物发生的内在原因，但是它会提醒人们事情之间的相互联系。人们可以通过找到一个事物的良好相关关系，帮助其捕捉到事物的现在和预测未来。(二)云计算的涵义与特征

“云计算”概念产生于谷歌和IBM 等大型互联网公司处理海量数据的实践。2006 年8 月9 日，Google首席执行官埃里克·施密特(Eric Schmidt)在搜索引擎大会首次提出“云计算”的概念。2007 年10 月，Google 与IBM 开始在美国大学校园推广云计算技术的计划，这项计划希望能降低分布式计算技术在学术研究方面的成本，并为这些大学提供相关的软硬件设备及技术支持(Michael Mille，2009)。目前全世界关于“云计算”的定义有很多。“云计算”是基于互联网的相关服务的增加、使用和交付模式，是通过互联网来提供动态易扩展且经常是虚拟化的资源。美国国家标准技术研究院(NIST)2009年关于云计算的定义是: “云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务等)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。”根据这一定义，云计算的特征主要表现为: 首先，云计算是一种计算模式，具有时间和网络存储的功能。其次，云计算是一条接入路径，通过广泛接入网络以获取计算能力，通过标准机制进行访问。第三，云计算是一个资源池，云计算服务提供商的计算资源，通过多租户模式为不同用户提供服务，并根据用户的需求动态提供不同的物理的或虚拟的资源。第四，云计算是一系列伸缩技术，在信息化和互联网环境下的计算规模可以快速扩大或缩小，计算能力可以快速、弹性获得。第五，云计算是一项可计量的服务，云计算资源的使用情况可以通过云计算系统检测、控制、计量，以自动控制和优化资源使用。(三)大数据与云计算的关系

从整体上看，大数据与云计算是相辅相成的。大数据主要专注实际业务，着眼于“数据”，提供数据采集、挖掘、分析的技术和方法，强调的是数据存储能力。云计算主要关注“计算”，关注IT 架构，提供IT 解决方案，强调的是计算能力，即数据处理能力。如果没有大数据的数据存储，那么云计算的计算能力再强大，也难以找到用武之地;如果没有云计算的数据处理能力，则大数据的数据存储再丰富，也终究难以用于实践中去。

从技术上看，大数据依赖于云计算。海量数据存储技术、海量数据管理技术、MapＲeduce 编程模型都是云计算的关键技术，也都是大数据的技术基础。而数据之所以会变“大”，最重要的便是云计算提供的技术平台。数据被放到“云”上之后，打破了过去那种各自分割的数据存储，更容易被收集和获得，大数据才能呈现在人们眼前。而巨量的数据也只能依靠云计算强大的数据处理能力，才能够“淘尽黄沙始得金”。

从侧重点看，大数据与云计算的侧重点不同。大数据的侧重点是各种数据，广泛、深入挖掘巨量数据，发现数据中的价值，迫使企业从“业务驱动”转变为“数据驱动”。而云计算主要通过互联网广泛获取、扩展和管理计算及存储资源和能力，其侧重点是IT 资源、处理能力和各种应用，以帮助企业节省IT部署成本。云计算使企业的IT 部门受益，而大数据使企业的业务管理部门受益。

从结果看，大数据与云计算带来不同的变化。大数据对社会经济带来的变化是巨大的，涉及到各个领域。大数据已经与资本、人力一起作为生产的主要因素影响着社会经济的发展。数据创造价值，而挖掘数据价值、利用数据的“推动力”就是云计算。云计算将信息存储、分享和挖掘能力极大提高，更经济、高效地将巨量、高速、多变的终端数据存储下来，并随时进行计算与分析。通过云计算对大数据进行分析、总结与预测，会使得决策更可靠，释放出更多大数据的内在价值。

二、大数据、云计算技术对审计的影响分析

审计技术和方法的发展是随着科学和管理技术的发展而发展的。现代审计技术和方法体系是在原始的查账基础上从低级向高级、从不完备到比较完备发展起来的。在业务和会计处理手工操作阶段，审计实施的是账表导向的审计技术和方法;当内部控制理论和方法全面应用于业务和会计处理时，审计实施的是系统导向的审计技术和方法;当风险管理理论和方法全面应用于业务和财务管理时，审计实施的是风险导向审计技术和方法;与风险导向审计技术和方法并行的是，计算机技术广泛应用于业务和会计处理时，审计实施的是IT 审计技术和方法。目前，面对大数据、云计算技术的产生和发展，审计人员需要应时而变来适应由此而带来的变化，分析大数据、云计算技术对审计方式、审计抽样技术、审计报告模式、审计证据搜集等技术和方法的影响。(一)大数据、云计算技术促进持续审计方式的发展

传统审计中，审计人员只是在被审计单位业务完成后才进行审计，而且审计过程中并不是审计所有的数据和信息，只是抽取其中有的一部分进行审计。这种事后和有限的审计对被审计单位复杂的生产经营和管理系统来说很难及时做出正确的评价，而且对于评价日益频繁和复杂的经营管理活动的真实性和合法性则显得过于迟缓。随着信息技术迅速发展，越来越多的审计组织对被审计单位开始实施持续审计方式，以解决审计结果与经济活动的时差问题。但是，审计人员实施持续审计时，往往受目前业务条件和信息化手段的限制，取得的非结构化数据无法数据化，或者无法取得相关的明细数据，致使对问题的判断也难以进一步具体和深入。而大数据、云计算技术可以促进持续审计方式的发展，使信息技术与大数据、云计算技术较好交叉融合，尤其对业务数据和风险控制“实时性”要求较高的特定行业，如银行、证券、保险等行业，在这些行业中实施持续审计迫在眉睫。如审计组织对商业银行的审计，实行与商业银行建立业务和数据系统的接口，在开发的持续审计系统中固化了非结构化数据结构化和数据分析模块，该模块可以在海量贷款客户中挖掘、分析出行业性和区域性贷款风险趋势，实现在线的风险预警，并将发现的风险数据、超预警值指标及问题登记为疑点，并建立实时审计工作底稿，按照重要程度进行归类、核实或下发给现场审计人员进行现场核实，以较好处理非结构化数据的利用和数据的实时分析利用问题。(二)大数据、云计算技术促进总体审计模式的应用

现时的审计模式是在评价被审计单位风险基础上实施抽样审计。在不可能收集和分析被审计单位全部经济业务数据的情况下，现时的审计模式主要依赖于审计抽样，从局部入手推断整体，即从抽取的样本着手进行审计，再据此推断审计对象的整体情况。这种抽样审计模式，由于抽取样本的有限性，而忽视了大量和具体的业务活动，使审计人员无法完全发现和揭示被审计单位的重大舞弊行为，隐藏着重大的审计风险。而大数据、云计算技术对审计人员而言，不仅仅是一种可供采用的技术手段，这些技术和方法将给审计人员提供实施总体审计模式的可行性。利用大数据、云计算技术，对数据的跨行业、跨企业搜集和分析，可以不用随机抽样方法，而采用搜集和分析被审计单位所有数据的总体审计模式。利用大数据、云计算技术的总体审计模式是要分析与审计对象相关的所有数据，使得审计人员可以建立总体审计的思维模式，可以使现代审计获得革命性的变化。审计人员实施总体审计模式，可以规避审计抽样风险。如果能够收集总体的所有数据，就能看到更细微、深入的信息，对数据进行多角度的深层次分析，从而发现隐藏在细节数据中的对审计问题更具价值的信息。同时，审计人员实施总体审计模式，能发现从审计抽样模式所不能发现的问题。大数据、云计算技术给审计人员提供了一种能够从总体把握审计对象的技术手段，从而帮助审计人员能从总体的视角发现以前难以发现的问题。

(三)大数据、云计算技术促进审计成果的综合应用

目前，审计人员的审计成果主要是提供给被审计单位的审计报告，其格式固定，内容单一，包含的信息量较少。随着大数据、云计算技术在审计中广泛应用，审计人员的审计成果除了审计报告外，还有在审计过程中采集、挖掘、分析和处理的大量的资料和数据，可以提供给被审计单位用于改进经营管理，促进审计成果的综合应用，提高审计成果的综合应用效果。首先，审计人员通过对审计中获取的大量数据和相关情况资料的汇总、归纳，从中找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋势，通过汇总归纳宏观性和综合性较强的审计信息，为被审计单位投资者和其他利益相关者提供数据证明、关联分析和决策建议，从而促进被审计单位管理水平的提高。其次，审计人员通过应用大数据、云计算技术，可以将同一问题归入不同的类别进行分析和处理，从不同的角度、不同的层面整合提炼以满足不同层次的需求。再次，审计人员将审计成果进行智能化留存，通过大数据、云计算技术，将问题规则化并固化到系统中，以便于计算或判断问题发展趋势，向被审计单位进行预警。最后。审计人员将审计成果、被审计单位与审计问题进行关联，并进行信息化处理，在进行下次审计时，减少实地审计的时间和工作量，提高审计工作的效率。(四)大数据、云计算技术促进相关关系证据的应用

审计人员在审计过程中，应根据充分、适当的审计证据发表审计意见，出具审计报告。但是，在大数据、云计算环境下，审计人员既面临巨量数据筛选的考验，又面临搜集适当审计证据的挑战。审计人员在搜集审计证据时，传统的思维路径都是基于因果关系来搜集审计证据，而大数据分析将会更多地运用相关关系分析来搜集和发现审计证据。但从审计证据发现的角度来看，由于大数据技术提供了前所未有的跨领域、可供量化的维度，使得审计问题大量的相关信息能够得以记录和计算分析。大数据、云计算技术没有改变事物间的因果关系，但在大数据、云计算技术中对相关关系的开发和利用，使得数据分析对因果逻辑关系的依赖降低了，甚至更多地倾向于应用基于相关关系的数据分析，以相关关系分析为基础的验证是大数据、云计算技术的一项重要特征。在大数据、云计算技术环境下，审计人员能搜集到的审计证据大多是电子证据(秦荣生，2013)。电子证据本身就非常复杂，云计算技术使获取有因果关系的证据更加困难。审计人员应从长期依赖因果关系来搜集和发现审计证据，转变成为利用相关关系来搜集和发现审计证据。(五)大数据、云计算技术促进高效数据审计的发展

直到今天，审计人员的数字审计技术依然建立在精准的基础上。这种思维方式适用于掌握“小数据量”的情况，因为需要分析的数据很少，所以审计人员必须尽可能精准地量化被审计单位的业务。随着大数据、云计算技术成为日常生活中的一部分，审计人员应开始从一个比以前更大、更全面的角度来理解被审计单位，将“样本= 总体”植入审计人员的思维中。相比依赖于小数据和精确性的时代，大数据更强调数据的完整性和混杂性，帮助审计人员进一步接近事情的真相，“局部”和“精确”将不再是审计人员追求的目标，审计人员追求的是事物的“全貌”和“高效”。围绕大数据，一批新兴的数据挖掘、数据存储、数据处理与分析技术将不断涌现。在实施审计时，审计人员应利用大数据、云计算技术，使用分布式拓朴结构、云数据库、联网审计、数据挖掘等新型的技术手段和工具，以提高审计的效率。

(六)大数据、云计算技术促进大数据审计师的发展

大数据、云计算时代，数据的真实、可靠是大数据发挥作用的前提。这客观上要求专业人员来对大数据的真实性、可靠性进行鉴证，审计人员可以扮演这种角色，或者称为数据审计师。能对大数据真实性、可靠性进行鉴证的数据审计师应该是计算机科学、数学、统计学和审计学领域的专家，他们应有大数据分析和预测的评估能力。数据审计师应恪守公正的立场和严守保密的原则，面对海量的数据和纷繁复杂的相关关系，选取分析和预测工具，以及解读数据及数据计算结果是否真实、可靠。一旦出现争议，数据审计师有权审查与分析结果相关的运算法则、统计方法以及数据采集、挖掘和处理过程。数据审计师的出现是为满足以市场为导向来解决数据真实性、可靠性问题的需求，这与20 世纪初期为了处理财务信息虚假而出现的审计人员一样，都是为了满足新需求而出现的。

三、大数据挖掘

数据的价值只有通过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开云计算技术。在业界，全球著名的Google、EMC、惠普、IBM、微软等互联网公司都已经意识到大数据挖掘的重要意义。上述IT 巨头们纷纷通过收购大数据分析公司，进行技术整合，希望从大数据中挖掘更多的商业价值。数据挖掘通常需要遍历训练数据获得相关的统计信息，用于求解或优化模型参数，在大规模数据上进行频繁的数据访问需要耗费大量运算时间。数据挖掘领域长期受益于并行算法和架构的使用，使得性能逐渐提升。过去15 年来，效果尤其显著。试图将这些进步结合起来，并且提炼。GPU平台从并行上得到的性能提升十分显著。这些GPU平台由于采用并行架构，使用并行编程方法，使得计算能力呈几何级数增长。即便是图形处理、游戏编程是公认的复杂，它们也从并行化受益颇多。研究显示数据挖掘、图遍历、有限状态机是并行化未来的热门方向。MapReduce 框架已经被证明是提升GPU 运行数据挖掘算法性能的重要工具。D.Luo 等提出一种非平凡的策略用来并行一系列数据挖掘与数据挖掘问题，包括一类分类SVM 和两类分类SVM，非负最小二乘问题，及L1 正则化回归（lasso）问题。由此得到的乘法算法，可以被直截了当地在如MapReduce 和CUDA 的并行计算环境中实现。K.Shim 在MapReduce 框架下，讨论如何设计高MapReduce 算法，对当前一些基于MapReduce 的数据挖掘和数据挖掘算法进行归纳总结，以便进行大数据的分析。Junbo Zhang 等提出一种新的大数据挖掘技术，即利用MapRedue 实现并行的基于粗糙集的知识获取算法，还提出了下一步的研究方向，即集中于用基于并行技术的粗糙集算法处理非结构化数据。F.Gao 提出了一种新的近似算法使基于核的数据挖掘算法可以有效的处理大规模数据集。当前的基于核的数据挖掘算法由于需要计算核矩阵面临着可伸缩性问题，计算核矩阵需要O(N2)的时间和空间复杂度来计算和存储。该算法计算核矩阵时大幅度降低计算和内存开销，而且并没有明显影响结果的精确度。此外，通过折中结果的一些精度可以控制近似水平。它独立于随后使用的数据挖掘算法并且可以被它们使用。为了阐明近似算法的效果，在其上开发了一个变种的谱聚类算法，此外设计了一个所提出算法的基于MapReduce 的实现。在合成和真实数据集上的实验结果显示，所提出的算法可以获得显著的时间和空间节省。Christian Kaiser 等还利用MapReduce 框架分布式实现了训练一系列核函数学习机，该方法适用于基于核的分类和回归。Christian Kaiser 还介绍了一种扩展版的区域到点建模方法，来适应来自空间区域的大量数据。Yael Ben-Haim 研究了三种MapReduce 实现架构下并行决策树分类算法的设计, 并在Phoenix 共享内存架构上对SPRINT 算法进行了具体的并行实现。F.Yan 考虑了潜在狄利克雷分配（LDA）的两种推理方法——塌缩吉布斯采样（collapsed Gibbssampling，CGS）和塌缩变分贝叶斯推理（collapsedvariational Bayesian，CVB）在GPU 上的并行化问题。为解决GPU 上的有限内存限制问题，F.Yan 提出一种能有效降低内存开销的新颖数据划分方案。这种划分方案也能平衡多重处理器的计算开销，并能容易地避免内存访问冲突。他们使用数据流来处理超大的数据集。大量实验表明F.Yan 的并行推理方法得到的LDA 模型一贯地具有与串行推理方法相同的预测能力；但在一个有30 个多核处理器的GPU 上，CGS 方法得到了26倍的加速，CVB 方法得到了196 倍的加速。他们提出的划分方案和数据流方式使他们的方法在有更多多重处理器时可伸缩，而且可被作为通用技术来并行其它数据挖掘模型。Bao-Liang Lu 提出了一种并行的支持向量机，称为最小最大模块化网络(M3)，它是基“分而治之”的思想解决大规模问题的有效的学习算法。针对异构云中进行大数据分析服务的并行化问题G.Jung 提出了最大覆盖装箱算法来决定系统中多少节点、哪些节点应该应用于大数据分析的并行执行。这种方法可以使大数据进行分配使得各个计算节点可以同步的结束计算，并且使数据块的传输可以和上一个块的计算进行重叠来节省时间。实验表明，这种方法比其他的方法可以提高大约60% 的性能。在分布式系统方面，Cheng 等人 提出一个面向大规模可伸缩数据分析的可伸缩的分布式系统——GLADE。GLADE 通过用户自定义聚合（UDA）接口并且在输入数据上有效地运行来进行数据分析。文章从两个方面来论证了系统的有效性。第一，文章展示了如何使用一系列分析功能来完成数据处理。第二，文章将GLADE 与两种不同类型的系统进行比较：一个用UDA 进行改良的关系型数据库（PostgreSQL）和MapReduce(Hadoop)。然后从运行结果、伸缩性以及运行时间上对不同类型的系统进行了比较。

四、总结 大数据的超大容量自然需要容量大，速度快，安全的存储，满足这种要求的存储离不开云计算。高速产生的大数据只有通过云计算的方式才能在可等待的时间内对其进行处理。同时，云计算是提高对大数据的分析与理解能力的一个可行方案。大数据的价值也只有通

过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开云计算技术。总之，云计算是大数据处理的核心支撑技术，是大数据挖掘的主流方式。没有互联网，就没有虚拟化技术为核心的云计算技术，没有云计算就没有大数据处理的支撑技术。

参考文献

秦荣生.大数据、云计算技术对审计的影响研究 何清.大数据与云计算

张为民.云计算: 深刻改变未来

文峰.云计算与云审计———关于未来审计的概念与框架的一些思考

Big data and cloud computing Big Data(Big Data)in recent years, more and more occasions, the concept is mentioned more and more people, And often, and cloud computing together, what is the relationship between cloud computing and big data become a hot topic.this Special report contains the following four aspects: 1.The value of big data;2.Big data challenge;3.Big data research;4.Cloud computing is the mainstream way of data mining.Through this report on our understanding of big data, as well as the understanding of the value of big data, large data processing and mining technology, large data mainly focus on “data”, provide the technology and methods of data collection, mining and analysis;Cloud computing technology focusing on “computing”, providing IT solutions.Big data and cloud computing technology can promote the development of continuous audit mode, the overall audit mode of application, the audit results of comprehensive application, the application of related evidence, the development of efficient data audit and the development of large data auditor.Strengthen big data and cloud computing technology measures of audit applications include set up long-term development strategy, accelerate the construction of the audit regulations, establish a platform, to strengthen research and development and improve the utilization ability.Keywords: big data cloud computing data mining impact on the audit policy Suggestions

第五篇：多媒体教室云管理系统研究论文

摘要：多媒体教室是学校开展信息化教学的重要场所，为提高多媒体教室智能化水平，基于网络中控的云管理系统已经得到一定应用。首先对多媒体教室云管理系统的设计要求进行分析，进而探讨其设计与实现过程，包括系统架构设计、网络拓扑结构设计、主要功能的设计与实现，以及系统管理和规划等。

关键词：网络中控；多媒体教室；云管理系统

随着教育信息化发展的不断推进，为适应新型教学模式，提高多媒体教室资源利用效率，引进网络中控技术构建云智能管理系统逐渐成为一种主流趋势。网络中控技术的应用可以依托于校园网、校园卡，将原本相互独立的多媒体教室连接到一起，集中开展远程管理与维护工作。在此情况下，不仅能够提升教学资源的共享程度，还能够确保安全监控的有效实施，对学校教育信息化发展有积极的促进作用。

1多媒体教室云管理系统的设计要求

从多媒体教室管理系统的应用现状来看，由于多媒体教学设备的更新换代速度较快，包括投影仪、扩音设备、中控设备等，而传统的独立管理模式难以适应多媒体教室的发展速度，成为其限制因素之一。因此，基于网络中控的多媒体教室云管理系统的设计和应用受到了关注。该系统的设计和应用需要解决以下几方面问题：a.以往人工检查方式效率低、耗时长，一旦多媒体设备出现故障，容易影响其正常使用。新型云管理系统要实现设备状态运行的自检自查，快速锁定故障问题，并提供智能化解决方案；b.传统多媒体教室管理系统中未设计讲台门禁管理系统，无法实现对设备使用权限的控制，在新型云管理系统的设计中，需要对传统系统功能加以补充和完善；c.传统管理系统无法实现对多媒体教室使用情况的视频监控，在新型云管理系统的应用下，要实现可视化、精细化管理目标[1]。

2基于网络中控的多媒体教室云管理系统设计与实现

2.1系统架构设计

基于网络中控的多媒体教室云管理系统要实现对ARM嵌入式系统、Zigbee通讯系统、Windows系统、Linux系统、安卓系统等的整合，构建一个综合管理系统，通过采取分层设计方法，让各个系统能够在综合系统平台下稳定运行。具体要定义每个分层的接口和功能，并明确层间通讯协议，使每个分层在稳定运行的基础上，能够实现层与层之间的协调通讯。整个系统可分为三个层次，底层为硬件层，使用的技术包括ARM嵌入式技术和Zigbee无线通讯技术等，中间层为设备管理层，主要采用Window7系统和Delphi软件技术，要实现信息采集与传输控制，支持管理PC设备的接入。上层系统为服务层，主要包括Web服务器、Linux服务器、MYSQL数据库、资源管理平台等，支持手机APP、办公电脑、平板电脑等多种接入方式[2]。硬件层与设备管理层构成局域网层，采用232串口通讯指令系统实现层间通讯。设备管理层与服务层之间采用服务代理方式进行通讯。为了充分实现多媒体教室综合管理功能，在硬件底层的开发过程中，就需要充分考虑上层软件应实现的功能，为其提供相应接口。上层服务器层同时也是互联网层，考虑到要接入的操作设备包括手机、PC机、平板电脑等多种类型，在操作平台软件部署时需要充分考虑平台关联性和代码可重用性，确保多有代码都能稳定执行。

2.2网络拓扑结构设计

在系统网络拓扑结构设计方面，总控制室PC机管理系统要通过校园网发送控制指令，采用TCP/IP协议包方式，将控制指令传输到多媒体教室网络中控设备中，再由中控主机实现对教室多媒体设备的控制。同时，网络中控设备还要负责收集状态检测数据，包括系统供电情况、防盗状态、投影设备开关状态信息等。可以由总控室PC机管理系统发出查询指令，中控设备接受到指令后，将状态数据以IP包形式发送给总控系统，在总控室PC端显示其状态。网络中控设备的IP联网方式可以以现有校园网络为依托，不需要另外铺设线路，因此系统改造的时间成本和费用成本较低。只要能够连接到校园网，并对每台受控中控设备IP地址进行合理的规划设置，就可以通过总控室的管理系统，实现远程控制指挥。在此情况下，能够将多个多媒体教室控制功能集成到同一系统平台下，对每个多媒体教室中的对讲器、IC卡机、投影机等设备进行管理[3]。

2.3主要功能的设计与实现

在上述系统架构和网络拓扑结构下，要实现多媒体设备控制管理的各项功能，首先应明确多媒体中控原理。所谓多媒体中控又称为中央控制系统，可以对声、光、电等各类设备实施集中管理和控制。对于多媒体教室而言，主要控制对象包括投影机、话筒、投影幕、灯光、空调、计算机等。网络中控则是在多媒体中控基础上，加入网络功能，基于TCP/IP协议对多媒体设备进行远程控制和维护管理。因此，在系统功能的设计和实现过程中，要充分考虑各种中间设备和目标设备的控制功能需求，同时关注于系统性能，确保控制管理的实时性和有效性。多媒体教室网络中控系统的实现，要利用新装网络中控设备和多媒体讲台，通过对其进行必要的线路改造与参数设置，再通过进行综合调试，确保总控室能够对多媒体教室中的各类型设备进行远程控制。具体要实现的功能包括设备配置、状态报告、基础信息查询、统计分析、远程升级、协助和调试等，通过这些功能的实现，可实现有序化集中管理目标。在系统功能的实现过程中，应具体考虑以下几方面问题：a.与校园卡基础数据的对接，为确保多媒体教室中设备的使用安全性，应将校园卡作为多媒体设备的唯一开启方式，所有多媒体教室都只能通过校园卡开启，且刷卡成功后，由总控中心自动控制设备启动，从而简化设备操作，提高多媒体设备管理的可控性；b.与网络摄像机系统进行对接，在同一个局域网内，将视频监控画面，无缝兼容到总控中心的管理系统中，并在其终端PC机上显示监控画面。这种可视化监控方式不需要在具体的多媒体管理系统中进行切换，可实现24h实时监控管理，能够有效提升多媒体教室管理效率，进一步提高设备使用安全性；c.提升系统整体可靠性，各个多媒体教室的中控系统要具备本地运算和数据存储功能，主要存储设备控制代码和校园卡认证信息等。即使网络出现异常，也可以依靠本地功能进行日常数据管理和日志管理，提升系统的整体可靠性。

2.4系统管理及规划

上述基于网络中空的多媒体教室云管理系统可以实现对多媒体教室设备的远程控制，自动监控设备运行状态，并通过设置状态预警线，提前发现设备故障问题。此外，该系统还可以与教务管理系统和课表管理系统等对接，实现多媒体教室全自动管理。在实际运行过程中，自动获取教师和学生的信息，并将其作为教学评估参考依据。对教师设备跟踪监控得到的设备运行数据，还可以成为多媒体教室设备资产管理的依据。在系统未来的升级和改造过程中，需要重点考虑以下两个方面的需求，一是教学管理决策需求，通过利用云平台进行数据统计和分析，为教学管理决策提供科学依据。二是要满足系统平台的运维需求，制定标准化的操作流程，规范日常管理行为，确保多媒体教室设备能够事中保持在良好状态。在设备故障维修处理过程中，由系统自动对维修过程进行记录，并对维修人员进行评分，提高多媒体教室设备运维管理效率。此外，系统平台还要实现手机扫码功能，通过扫码确认使用者身份，并通过微信和QQ等主流社交平台，为广大师生提供服务信息，最大化的提升多媒体教室资源利用效率。

结束语

综上所述，基于网络中空的多媒体教室云管理系统的设计与实现，可以满足多媒体教室资源设备的集中管理和远程管理需求，确保设备管理工作的及时开展，避免对多媒体教室使用造成影响。通过对其具体设计与实现方案进行研究，可以为该平台的应用推广提供支持，促进学校多媒体教室管理水平的提升。

参考文献

[1]曾庆志.智能化多媒体教室管理系统构建的思考[J].电脑迷,2018(8):159.[2]李勇.多媒体教室管理系统设计的现状与提升[J].电子技术与软件工程,2018(5):60-61.[3]周远龙,杨振锋,王健龙.基于网络中控的多媒体教室云管理系统应用研究[J].信息与电脑(理论版),2017(14):104-106.