摘要：
SonnetDB Copilot 采用 OpenAI 兼容协议，这意味着所有兼容 OpenAI API 格式的服务商都可以无缝接入。系统通过 AiOptions 配置类统一管理，Web 管理界面支持可视化配置。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(7)
评论(0)
推荐(0)
摘要：
SonnetDB Copilot 是一个深度集成在时序数据库中的 AI 智能体系统。它并非简单的\"套壳 ChatGPT\"，而是一套完整的 RAG（检索增强生成）+ ReAct（推理行动）架构，包含四大核心组件： 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(5)
评论(0)
推荐(0)
摘要：
单一的时序分析方法往往难以全面刻画数据的特征。预测告诉你未来的趋势，异常检测告诉你当前是否有异常值，变化点分析告诉你系统的状态是否发生了根本性的转变。将三者组合起来，可以构建出强大的数据分析工作流。本文将展示如何在 SonnetDB 中通过 SQL 将 forecast()、异常检测和 change。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(17)
评论(0)
推荐(0)
摘要：
时间序列数据往往会在某个时间点发生结构性变化——设备从正常运行状态退化到故障状态，用户行为因产品改版而转变，经济指标因政策调整而改道。检测这些变化发生的时刻，对于故障诊断、归因分析和决策制定具有重要意义。SonnetDB 提供了 changepoint() 函数，用于检测时间序列中的结构断点，帮助用。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(8)
评论(0)
推荐(0)
摘要：
在工业运维和业务监控场景中，异常检测不仅仅是离线分析的任务，更重要的是能够实时地发现和处理异常。SonnetDB 结合窗口函数和流式数据处理能力，为构建实时的异常检测告警流水线提供了完整的 SQL 级解决方案。本文将介绍如何利用 SonnetDB 的窗口函数实现滚动窗口上的异常检测，并搭建端到端的监。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(7)
评论(0)
推荐(0)
摘要：
异常值是数据分析中不可忽视的问题——一个异常的温度读数可能预示着设备故障，一个异常的交易金额可能意味着欺诈行为。SonnetDB 提供了多种统计方法用于异常检测，其中最常用的三种是 Z-Score、MAD（中位数绝对偏差）和 IQR（四分位距法）。本文将从原理、优缺点和适用场景三个维度对比这三种方法。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(45)
评论(0)
推荐(0)
摘要：
时序预测是数据分析和决策支持中的核心需求。无论是预测服务器负载、商品销量，还是工业设备的能耗趋势，准确的预测都能为资源配置和业务规划提供有力的依据。SonnetDB 内置的 forecast() 函数支持线性和 Holt-Winters 两种预测方法，并提供了灵活的 horizon 参数和季节性配置。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(3)
评论(0)
推荐(0)
摘要：
PID 控制器的三个参数 Kp、Ki、Kd 各自扮演着不同的角色，理解它们对系统响应的影响是进行有效调参的基础。本文将以通俗易懂的方式，解释每个参数的物理意义，提供实用的整定规则，并介绍如何利用 SonnetDB 进行高效的调参实践。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(185)
评论(0)
推荐(0)
摘要：
在工业自动化领域，PLC（可编程逻辑控制器）长期以来一直扮演着 PID 控制的主力角色。然而，随着工业 IoT 和工业 4.0 的推进，传统 PLC 的局限性日益显现。SonnetDB 将 PID 控制功能以 SQL 函数的形式集成到时序数据库中，为工业控制带来了全新的思路。本文将从多个维度对比传统。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(3)
评论(0)
推荐(0)
摘要：
在前一篇文章中，我们介绍了 pidestimate() 三种整定方法的理论基础。本文将继续深入实战层面，讲解如何通过阶跃响应分析获取系统特征参数，以及如何解读调参结果 JSON 中的各项指标，帮助工程师在实际项目中更好地应用 SonnetDB 的 PID 功能。 阅读全文
posted @ 2026-05-15 16:16
IoTSharp
阅读(23)
评论(0)
推荐(0)
浙公网安备 33010602011771号