基于组件技术的配电管理AM/FM/GIS系统

讨论了COM组件技术以及基于组件技术的GIS系统的特点，并介绍了基于组件技术设计的配电管理AM/FM/GIS系统—SuperFM 2000。该系统已经在多个供电企业取得了实际应用。     

使用空间对象模型在Web上实现AM/FM/GIS系统

在Web上建立空间信息系统,日益成为Internet的焦点。文中提出的基于多 Agent的多服务源协作模型Multi-SAC,是为了解决 Web环境下,多客户链接,多服务源启动,多Agent协作而设计的分布式体系。它使用空间对象模型SOM建立系统,更侧重于地理空间和逻辑空间的结合,从空间关系的角度集成结构化和半结构化数据。MultiSAC体系具有透明分布,可扩展性好,接口智能等特点。最后探讨了实现一个AM/FM/GIS系统。     

基于可复用组件的AM/FM/GIS功能集成

从组件技术、领域上程等软件重用技术的发展出发,开发可复用的AM／FM／GIS功能组件,利用组件管理信息系统对组件进行分类、保存和管理,并在此基础上进行城市管线行业或部门AM/FM/GIS应用系统的快速集成开发。     

AM/FM/GIS应用系统建设中若干问题的探讨

在进行多项AM／FM／GIS应用系统建设实践和对AM／FM／GIS的深入研究的基础上,阐述了AM／FM／GIS的特点,指出了当前AM／FM／GIS建设过程中存在的一系列问题,并从AM／FM／GIS标准,平台建设,模型集成,知识与规则的应用,多层体系结构,分布式计算等几个方面对AM／FM／GIS进行了较为详细的探讨,提出了解决相关问题的思路。     

一种设施管理平台：FMS*

分析了AM/FM/GIS 系统所管理的设施对象的特征,设计了一种构建于通用GIS (Geographic Information System)基础之上的电信设施管理平台：FMS（Facilities Management System）, 对该设施管理平台的总体结构和特点作了阐述,对实现该平台的关键技术如规则库、设施对象的访问、图形接口的实现作了较为全面的说明。     

AM/FM/GIS领域模型研究

通过分析当前AM／FM／GIS在国内外日趋广泛的现状，作者指出AM／FM／GIS软件系统建设过程中存在的主要问题——软件可重用性差，指出其存在潜在的规律和本质的特征，通过找到这些规律和特征将能明显改善AM／FM／GIS系统建设的重用性。作者利用FODA的领域分析方法，对AM／FM／GIS系统进行了深入的研究，通过符合标准规范的表示方法，得到了领域特征模型、领域信息模型和领域操作模型，从不同的侧面精确描述了AM／FM／GIS的领域模型。     

继电保护定值管理系统设计

基于工作流技术分析了定值单管理业务过程,利用UML活动图对定值单管理工作流程建模,在BEA Weblogic Integration支持下实现了定值单工作流系统,给出了与定值整定计算软件、配电AM/FM/GIS进行系统集成的方案.系统的实施实现了定值生产管理流程化、自动化和多部门协同.     

空间对象模型用于Web下数据源集成的研究

本文提出一种新的 Web数据模型 -空间对象模型 SOM,给出了形式化描述 .SOM扩展了半结构化对象模型OEM,采用空间类做框架 ,动态插入各种属性类 ,可达到即插即用的效果 ,适合于在 WWW下集成空间数据源 .本文还介绍了属性扩散指令 ,对象字典等技术 ,最后探讨了利用 SOM对空间数据源的进行集成的方法 .SOM可应用于 Web平台的 GIS,AM/ FM等系统的集成 .     

空间对象模型用于Web下数据源集成的研究

文章提出了一种新的Web数据模型—空间对象模型SOM,给出了严格的形式化描述。SOM扩展了半结构化对象模型OEM,采用空间类做框架,动态插入各种属性类,可达到即插即用的效果,适合于在WWW下集成空间数据源。文章还介绍了属性扩散指令,对象字典等技术,最后探讨了利用SOM对空间数据源的进行集成的方法。SOM可应用于Web平台的GIS,AM／FM等系统的集成。     

基于B/S模式的远程多功能数据采集系统设计①

设计了一种基于B/S模式,允许用户使用WEB和USSD两种方式进行管理和查询的远程多功能数据采集系统。系统采用基于MSP430的嵌入式数据采集终端,使用GPRS模块把采集到的数据传回后台应用和管理服务器,时效性高,实现了数据的统一存储和管理。同时,为了最大限度地方便用户对采集点情况进行管理和查询,系统服务器端软件采用B/S模式,用户可以方便地使用WEB或者个人手机的USSD功能两种方式登录系统进行管理和监控。针对不同采集对象的数据的采集,该系统只用更换采集终端的传感器类型并调用与之相对应的软件就可实现,可     

A knowledge-based framework for intelligent-data migration

Abstract: The Object-Inferencing Framework (OIF) is a knowledge-based system developed for intelligent-data migration. The framework provides a mechanism to integrate relational data which represents a source model; a project-specific rulebase which specifies plausible migration scenarios; and a deduction system to facilitate the migration of source data to a new, complex target model. Typically, the target model includes constituents that possess both graphic and tabular components. Although the framework is experimental, industrial applications built upon OIF have been successfully deployed in scenarios in which the source data contained implicit information in that semantic relationships and structure conveyed by the data had to be inferred by a domain expert. This framework provides a substrate for migration from any unstructured or semi-structured data representation to a complex, semantically rich target data model. Examples of the migration of CAD data, which represents an electrical-distribution system, to a client-server based Automated Mapping/Facilities Management (AM/FM) platform are presented to convey the salient features of the design and utility of the OIF. Even though the examples are taken from a specific domain, the approach has potential applications in a myriad of domains, including business enterprises in which the migration of data created and managed by legacy systems to object-oriented and clientserver environments is an area of intense research and development.     

A local normalized method to eliminate riding waves appearing in the empirical AM/FM decomposition

The intrinsic mode function (IMF) generated by empirical mode decomposition (EMD) is usually seen as an amplitude and frequency modulation (AM–FM) signal. To obtain the FM part of an IMF, an empirical AM/FM decomposition method has been proposed by Huang and his coworkers. However, riding waves may appear in the empirical decomposition, which makes the instantaneous frequency (IF) physically meaningless. To eliminate the riding waves, riding wave turnover-empirical AM/FM decomposition method has recently been developed by Yang et al. In this paper, a local normalized method is proposed to eliminate the riding waves. Different from the previous method by Yang et al., the proposed method does not need any more empirical AM/FM decomposition and is carried out locally, which can significantly reduce computational complexity.