倒计时 1 天,2023 IoTDB 用户大会期待与您相见!

2023年12月3日,IoTDB用户大会在北京召开,汇聚行业大咖分享最佳实践与解决方案,探讨时序数据管理的前沿技术和趋势。ApacheIoTDB作为主角,展示其在全球开源项目中的成就。

2b7190ddc36e5017e0deeca9047988dd.jpeg

终于!就在明天,2023 IoTDB 用户大会即将在北京与大家见面!

这场筹备已久的盛会,汇集了超 20 位大咖嘉宾带来的精彩议题,届时来自美国国家工程院、清华大学软件学院的产业大拿,与能源电力、钢铁冶炼、城轨运输、智能制造领域的企业用户代表,联合 ASF 董事会成员与多位 IoTDB PMC 成员,将与线上线下的参会者们一道,分享各行业标杆用户最佳实践与多场景解决方案,共同探讨时序数据管理领域最前沿的技术与未来趋势。

不废话,你需要知道的大会全部信息再次整合如下,线上线下,我们明天见!

01

大会信息

时间:2023 年 12 月 3 日 9:00-17:45

地点:北京市朝阳区将台路 6 号 丽都皇冠假日酒店二层

穿衣:北京天气晴,气温 -5°~8°,注意保暖(现场可寄存衣物,详情请咨询签到处)

交通:北京地铁 14 号线望京南站 C 出口 / 自驾(酒店设有停车场,位置有限,先到先得。本次会议参会嘉宾可享受免费停车待遇,详情请咨询签到处)

02

参会须知

签到时间:2023 年 12 月 3 日 上午 9:00-9:30

签到凭证:凭借报名表单填报的姓名+手机号至签到处核验入场,现场座位有限,无票谢绝入内。

主论坛茶歇:上午 10:40-10:55 之间,可前往指定的茶歇区享用茶点。

午餐:用餐凭证将与签到证一同发放,可凭借餐券在指定地点用餐,请您务必保管好餐券,若有遗失,恕不补发。

分论坛茶歇:下午 15:30-15:45 之间,可前往指定的茶歇区享用茶点。

会场示意图:

79d152c398fbb1d7a50dd8b1c3d49835.png

03

线上预约直播

04

限定纪念礼

我们为现场参会者准备了多种精美周边,在现场大会手册上集齐全部展台印章,即可参与集章抽奖!

以及,现场限定领取的大会卫衣与毛毯,凭大会手册至签到处核验,即可领奖!

上面的三场线上直播中,也有不定时福袋掉落,有机会获得主题卫衣~

7c573284d32b69f048715b2120b42d47.png

05

完整议程

1ea1bb6f265edeec68b64e502efc4d69.png

06

1 分钟 IoTDB 介绍

Apache IoTDB 是一款低成本、高可用的物联网原生时序数据库,采用端边云协同的轻量化结构,支持一体化的物联网时序数据收集、存储、管理与分析,具有多协议兼容、超高压缩比、高通量读写、工业级稳定、极简运维等特点。目前已服务规上工业企业超过 1000 家

作为全球性开源项目,截至目前,Apache IoTDB 已拥有 262 名贡献者、4.1K Stars、950 Forks、9933 Commits。我们为大家提供了参与指南,欢迎越来越多的小伙伴助力 Apache IoTDB 项目的不断发展与前进,迈出加入 Apache IoTDB 社区的第一步!

了解更多 IoTDB 应用案例

了解更多 IoTDB 大会资讯

ce263f5ae822329a2e8c576910f5e0ac.gif

内容概要:本文深入研究了基于最优滑模控制的永磁同步电机(PMSM)调速系统模型,重点利用Simulink工具搭建并仿真了该控制系统的动态响应特性。文章系统阐述了最优滑模控制策略的设计原理,突出其在削弱传统滑模控制固有抖振现象、增强系统鲁棒性方面的显著优势。通过传统滑模控制方法的对比实验,充分验证了所提出方法在调速精度、抗外部干扰能力以及动态响应速度等方面的优越性能。研究内容涵盖PMSM数学建模、滑模面构造、最优控制律推导、Lyapunov稳定性分析、参数整定及Simulink仿真验证等完整环节,形成了一套严谨的控制算法设计实现流程。; 适合人群:具备自动控制原理、现代控制理论基础和MATLAB/Simulink仿真操作能力,从事电机驱动控制、电力电子电力传动、运动控制或自动化等相关领域研究的工程技术人员及高校研究生。; 使用场景及目标:① 深入掌握滑模控制理论及其在高性能电机调速系统中的具体应用方法;② 学习如何设计并实现能够有效抑制抖振的最优滑模控制器,以提升系统整体鲁棒性和控制品质;③ 利用Simulink平台独立完成从理论建模到仿真验证的全过程,服务于科研课题、课程设计或实际工程项目。; 阅读建议:建议读者务必结合MATLAB/Simulink环境动手复现文中模型,重点关注滑模切换面的设计准则、控制律的数学推导过程以及控制器参数的调节规律,并通过施加不同的负载扰动、设定多种转速指令等方式全面测试系统的动态稳态性能,从而深刻理解最优滑模控制的核心机理工程应用价值。
内容概要:本文提出了一种基于数据驱动的Koopman算子递归神经网络(RNN)相结合的模型线性化方法,旨在解决纳米定位系统中因强非线性、迟滞和蠕变效应导致的建模困难问题。该方法通过Koopman算子将非线性动态系统映射至高维线性空间,利用RNN学习系统的时间序列演化特征,从而实现对复杂动态行为的精确建模预测,并进一步集成于模型预测控制(MPC)框架中,显著提升了纳米定位系统的控制精度、动态响应能力运行稳定性。整个算法体系在Matlab平台上完成代码实现仿真实验验证,展示了良好的控制性能工程应用潜力。; 适合人群:具备控制理论、非线性系统建模、机器学习及智能控制基础,从事精密仪器控制、高端制造装备研发、自动化系统设计等领域的研究生、科研人员及工程技术开发者。; 使用场景及目标:①应对扫描探针显微镜、光刻机、超精密加工平台等纳米级定位设备中的非线性建模挑战;②提升高精度运动系统的实时预测控制性能,抑制迟滞蠕变带来的定位误差;③为数据驱动的非线性系统线性化先进控制策略(如MPC)的融合提供可复现、可扩展的技术范例。; 阅读建议:建议读者结合提供的Matlab代码,深入理解Koopman观测矩阵构造、RNN网络训练流程及MPC控制器设计之间的协同机制,重点关注数据预处理、特征提取、模型训练闭环控制仿真的完整链路,以便在相似高精度控制系统中进行迁移优化应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Apache IoTDB

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值