陳澄　孔繁星　何騰飛　邵逸飛　李勝男　陳娜

摘 要 介紹多傳感器信息融合技術(shù)的研究背景和意義，列出其主要算法和應(yīng)用領(lǐng)域。重點(diǎn)說明了多傳感器信息融合技術(shù)在溫度控制領(lǐng)域的應(yīng)用，比較多傳感器與傳統(tǒng)單一傳感器的優(yōu)劣。多傳感器信息融合技術(shù)將在溫度控制領(lǐng)域有著極大的發(fā)展?jié)摿Α?/p>

關(guān)鍵詞 多傳感器信息融合技術(shù) 溫度 精確度 模糊控制

中圖分類號 TP14? ?文獻(xiàn)標(biāo)識碼 A? ?文章編號 1000?3932（2023）02?0137?05

溫度是在工程、石油煉制、紡織、生物、醫(yī)學(xué)及日常生活等領(lǐng)域中常用到的基本物理量。近年來，由于我國現(xiàn)代工業(yè)自動(dòng)化生產(chǎn)技術(shù)的蓬勃發(fā)展，企業(yè)在自動(dòng)化生產(chǎn)過程中必須要對相應(yīng)設(shè)備的溫度自動(dòng)控制系統(tǒng)加以優(yōu)化。而傳感器是溫度控制系統(tǒng)最重要的“眼睛”，準(zhǔn)確、快速的監(jiān)測會(huì)使系統(tǒng)更為精準(zhǔn)地控制溫度。多傳感器信息融合技術(shù)的使用會(huì)給溫度控制提供更準(zhǔn)確的數(shù)據(jù)［1～3］。

1 多傳感器信息融合技術(shù)的應(yīng)用現(xiàn)狀

多傳感器信息融合技術(shù)早已經(jīng)成為軍事、工業(yè)和高科技發(fā)展領(lǐng)域廣泛關(guān)注的課題。它在工業(yè)過程控制、交通管控、海洋監(jiān)控與控制、農(nóng)業(yè)、醫(yī)學(xué)診斷等方面得到了廣泛的應(yīng)用。實(shí)際應(yīng)用表明：利用多傳感器信息融合技術(shù)可以有效地提高系統(tǒng)的穩(wěn)定性和可靠性，同時(shí)還可以提高系統(tǒng)的準(zhǔn)確度，擴(kuò)展系統(tǒng)的時(shí)間、空間覆蓋率等。

2 多傳感器信息融合方法

當(dāng)前多傳感器信息融合方法主要有權(quán)重平均值法、卡爾曼濾波法、多貝葉斯估算法及D?S證據(jù)的推論等7種。

權(quán)重平均值法。權(quán)重平均值法是最簡單、最直觀的方法，它通過對一系列的傳感器所獲得的冗余量進(jìn)行加權(quán)平均，得到最終的融合值。

卡爾曼濾波法。它是將多個(gè)低級別的、實(shí)時(shí)的、多傳感器的冗余信息進(jìn)行卡爾曼濾波。利用測量模式的統(tǒng)計(jì)特征，確定最優(yōu)化的融合與數(shù)據(jù)的估計(jì)。若該系統(tǒng)是一種線性動(dòng)態(tài)模型，而其與傳感器的偏差為高斯白噪聲，那么卡爾曼濾波器可在僅統(tǒng)計(jì)的情況下對融合信息進(jìn)行最佳估計(jì)。卡爾曼濾波器具有良好的遞歸性能，使系統(tǒng)在運(yùn)行過程中不需要進(jìn)行海量的數(shù)據(jù)儲存和運(yùn)算。然而，傳統(tǒng)的卡爾曼濾波器在用于多個(gè)傳感器的數(shù)據(jù)分析時(shí)，存在以下問題：

a. 當(dāng)合并信息的冗余度較大時(shí)，其運(yùn)算量會(huì)急劇增加，且實(shí)時(shí)性能無法達(dá)到要求；

b. 當(dāng)系統(tǒng)發(fā)生了無法及時(shí)發(fā)現(xiàn)的問題時(shí)，它就會(huì)對整個(gè)系統(tǒng)造成一定的影響，從而導(dǎo)致系統(tǒng)的可靠性下降。

多貝葉斯估算法。貝葉斯估算是一種用于多個(gè)靜態(tài)條件下多個(gè)傳感器的高級信息的融合方法。該方法將基于可能性原理的傳感器信息結(jié)合起來，利用狀態(tài)可能性來表達(dá)檢測的不確定度，在兩個(gè)不同的位置上，可以將兩個(gè)不同的傳感器數(shù)據(jù)進(jìn)行合并。但是在大部分的測試中，都是通過貝葉斯估算的間接方法來進(jìn)行數(shù)據(jù)的融合。利用多貝葉斯估算法對每個(gè)傳感器進(jìn)行貝葉斯估算，將單個(gè)目標(biāo)的相關(guān)幾率分配綜合成一個(gè)后驗(yàn)的聯(lián)合概率分配，并使該方法的似然性函數(shù)達(dá)到最大，得到多個(gè)傳感器最后的融合數(shù)值。

D?S證據(jù)的推論。D?S證據(jù)是對多貝葉斯估算的擴(kuò)展。D?S法的邏輯結(jié)構(gòu)由下至上分為3個(gè)層次：第1層次為靶綜合，其功能是將各個(gè)獨(dú)立的傳感器的觀察值合并為一個(gè)整體輸出；第2層次為推理，主要用于獲取和推導(dǎo)傳感器的觀測值；第3層次是修正，不同的傳感器通常有不同的隨機(jī)錯(cuò)誤，因此，從相同的傳感器得到的一系列持續(xù)的、完全無關(guān)的數(shù)據(jù)要比單獨(dú)的數(shù)據(jù)更可信。因此，在進(jìn)行多個(gè)傳感器綜合分析前，必須對其進(jìn)行修正。

產(chǎn)生式法則。該法則使用標(biāo)記來代表對象特性與對應(yīng)的傳感器的信息。

Fuzzy邏輯。Fuzzy是一種多價(jià)值的邏輯，它規(guī)定了一個(gè)從0～1的實(shí)數(shù)表達(dá)的真實(shí)性，將其作為隱藏操作的先決條件，使多個(gè)傳感器的信息在融合時(shí)的不確定程度可以被直觀地表達(dá)出來。

ANN法。該方法具有較好的容錯(cuò)性和自學(xué)習(xí)、自組織、自適應(yīng)性，可以對各種復(fù)雜的非線性映射進(jìn)行仿真。通過對多個(gè)傳感器進(jìn)行數(shù)據(jù)融合，其具有了較高的非線性處理性能。在多傳感器網(wǎng)絡(luò)中，各個(gè)不同來源所傳遞的環(huán)境數(shù)據(jù)都存在著不同的不確定性，因此將其進(jìn)行融合是一種基于不確定性的推理。該方法通過對現(xiàn)有的模型進(jìn)行加權(quán)分配，并利用已有的模型進(jìn)行訓(xùn)練，從而獲得未知的推理能力?；谏窠?jīng)網(wǎng)絡(luò)的信號加工與自動(dòng)推斷，即將多個(gè)傳感器的數(shù)據(jù)進(jìn)行了融合［4，5］，過程如圖1所示。

3 多傳感器信息融合的層次

依據(jù)處理數(shù)據(jù)的類型，信息融合技術(shù)可以分為3種不同的層次，即像素級融合、特征級融合和決策級融合［2］。

3.1 像素級融合

像素級融合是指在已獲取的原始資料層面上，進(jìn)行一種低度的融合。雖然數(shù)據(jù)層的最大優(yōu)勢在于保留了大量的原始資料，并且能夠給出其他融合層面無法比擬的細(xì)節(jié)，但是它的缺點(diǎn)也非常突出：

a. 需要處理的傳感器數(shù)據(jù)量過大，處理時(shí)間長，實(shí)時(shí)性差。

b. 信息的融合是在信息的底層進(jìn)行的，由于信息的不確定性、不完全性和不穩(wěn)定性的影響，使得信息的融合具有很強(qiáng)的誤差校正功能。

c. 在進(jìn)行圖像合并或同質(zhì)資料融合時(shí)，每個(gè)傳感器的信息需要達(dá)到一個(gè)像素的校準(zhǔn)精度，因此，對每個(gè)傳感器的信息都要從同質(zhì)傳感器中選取。

d. 數(shù)據(jù)通信量較大，抗干擾能力較差。

3.2 特征級融合

特征級融合是一種中間層次的融合，首先對目標(biāo)的邊緣、方向及速度等特征進(jìn)行提取，再對特征進(jìn)行全面分析和加工，最后將所獲得的特征傳遞給更高級的決策者。在進(jìn)行特征級融合時(shí)，通常采取分散或中心化的方法。該類方法具有很強(qiáng)的適應(yīng)性，可以廣泛地用于圖像層次和決策層的融合。

特征級融合在理論和實(shí)踐中已經(jīng)逐步完善，已提出了一系列高效的特征融合技術(shù)。例如，田晟和龍安洋為了解決現(xiàn)有的深度學(xué)習(xí)點(diǎn)云分類方法對局部特征挖掘不充分的問題，并提升不同層級特征融合的質(zhì)量，提出了利用圖卷積和多層特征融合的點(diǎn)云分類網(wǎng)絡(luò)［6］。相比其他點(diǎn)云分類方法，此方法的分類性能更好且具有較強(qiáng)的魯棒性。劉暢和潘理虎提出多特征融合的詞級注意關(guān)系抽取方法MFAN，并應(yīng)用于中文關(guān)系抽取任務(wù)［7］，使其能夠提高整體性能，有效表示中文包含的信息。

3.3 決策級融合

在判斷層次上，利用多個(gè)傳感器對相同的物體進(jìn)行觀察，對所得特征進(jìn)行預(yù)處理、特征抽取、識別和判決，并對被觀察對象進(jìn)行分級判斷。決策級融合是將每個(gè)傳感器的單獨(dú)決定整合，得出一個(gè)綜合的推理決定，也就是最終的判斷。從原理上講，與單個(gè)傳感器相比，基于決策層的集成輸出的組合判決具有更加準(zhǔn)確和清晰的特點(diǎn)，并且具有良好的容錯(cuò)能力。對于單一的傳感器，如果有誤差，則可以用融合方法來解決，以得到準(zhǔn)確的判斷。在決策層中使用了分布式的融合系統(tǒng)。

決策級融合的主要優(yōu)點(diǎn)有：

a. 具有很高的靈活性；

b. 具有最少的通信量、較好的抗干擾性能、較少的信息傳送頻段和較少的融合中心處理成本；

c. 能有效地反映環(huán)境或目標(biāo)各個(gè)側(cè)面的不同類型信息；

d. 具有容錯(cuò)性，能在一組或多組傳感器發(fā)生故障時(shí)，利用合適的數(shù)據(jù)進(jìn)行融合，得到較好的處理效果；

e. 對傳感器的依賴小，傳感器可以是同質(zhì)的，也可以是異質(zhì)的。

3.4 3種層次的比較

信息融合3種層次的比較見表1。

由表1可以看出，像素級融合信息量損失是3種融合中最小的，幾乎無損失，得到的結(jié)果也是最準(zhǔn)確的，但計(jì)算量大，且對系統(tǒng)通信帶寬的要求很高，對傳感器的依賴程度也是最高的。而特征級融合屬于中間層次，這種方法的計(jì)算量及對通信帶寬的要求相對降低，但由于部分?jǐn)?shù)據(jù)的舍棄使其準(zhǔn)確性有所下降。決策級融合屬于高層次的融合，由于對傳感器的數(shù)據(jù)進(jìn)行了濃縮，這種方法產(chǎn)生的結(jié)果相對而言最不準(zhǔn)確，但它的計(jì)算量及對通信帶寬的要求最低。

4 傳感器融合結(jié)構(gòu)

傳感器融合結(jié)構(gòu)理論上有3種：第1種是串行拓?fù)?，這種結(jié)構(gòu)只是暫時(shí)檢測信息；第2種是樹狀拓?fù)?，其采用分層結(jié)構(gòu)，任意結(jié)點(diǎn)或連線的故障都會(huì)影響它的正常工作；第3種是并行拓?fù)?，這是最普遍的拓?fù)浣Y(jié)構(gòu)，多種類型的傳感器可以同時(shí)工作［2，5］，其結(jié)構(gòu)如圖2所示。

5 多傳感器信息融合技術(shù)的應(yīng)用領(lǐng)域

近年來，基于多傳感器的信息融合技術(shù)得到了廣泛的運(yùn)用。多傳感器的信息融合能夠排除不確定因素，提供準(zhǔn)確、綜合的智能數(shù)據(jù)，該技術(shù)在機(jī)器人、圖像分析、目標(biāo)檢測和追蹤、自動(dòng)化靶標(biāo)辨識等方面得到了廣泛的重視，被越來越多地應(yīng)用。

5.1 軍事應(yīng)用

數(shù)據(jù)融合技術(shù)是從軍事上發(fā)展起來的。它的主要用途是對目標(biāo)進(jìn)行探測、跟蹤和識別，其中包括C31系統(tǒng)、武器自動(dòng)識別、自主運(yùn)載導(dǎo)航等。

5.2 復(fù)雜工業(yè)控制

工業(yè)過程控制是信息融合非常關(guān)鍵的研究方向。目前，信息融合技術(shù)已經(jīng)被廣泛地用于核工業(yè)、油氣監(jiān)測等領(lǐng)域，其中就包括了油氣集輸系統(tǒng)內(nèi)腐蝕信息的融合監(jiān)控［8］。在油氣集輸系統(tǒng)中，內(nèi)腐蝕是較為常見的現(xiàn)象，影響其產(chǎn)生的因素也是復(fù)雜多變的，但在實(shí)際生產(chǎn)中卻可能沒有采取有效的監(jiān)控措施。隨著信息技術(shù)的飛速發(fā)展，信息融合監(jiān)測技術(shù)逐步在石油天然氣集輸系統(tǒng)的內(nèi)部腐蝕治理中得到廣泛的應(yīng)用。對于安全生產(chǎn)和成本控制起到了一定的效果。文獻(xiàn)［9］利用數(shù)據(jù)融合技術(shù)對水下油氣井計(jì)量方法進(jìn)行研究，由于虛擬流量計(jì)系統(tǒng)具有成本低、精度高等優(yōu)點(diǎn)，如今已逐漸成為水下油氣井生產(chǎn)計(jì)量的一種新方式。

為了提高虛擬流量計(jì)系統(tǒng)在線應(yīng)用的可靠性和精度，依靠數(shù)據(jù)融合技術(shù)和多個(gè)物理流量模型，使得數(shù)據(jù)融合流量估計(jì)方法的平均誤差大幅縮減，且當(dāng)單個(gè)物理流量模型失效時(shí)，融合技術(shù)仍能給出最優(yōu)的計(jì)量結(jié)果，從而保證了整個(gè)虛擬流量計(jì)系統(tǒng)的可靠性與可用性。

5.3 機(jī)器人

機(jī)器人在動(dòng)態(tài)、不確定和無結(jié)構(gòu)性的條件下工作，需要具備較強(qiáng)的自主意識和洞察能力，而采用多傳感器信息融合技術(shù)可以有效地改善其對環(huán)境的敏感度。使用單一的傳感器對外界的感知不夠全面和可靠，而使用多個(gè)傳感器時(shí)，可獲取更完整的、動(dòng)態(tài)的數(shù)據(jù)。例如，王正家等研究的復(fù)雜環(huán)境下的機(jī)器人利用多信息融合算法在自由空間中能夠自主跟隨移動(dòng)目標(biāo)［10］。顧凌云研究了利用多傳感器融合算法進(jìn)行機(jī)器人壓縮感知圖像處理［11］，使用此設(shè)計(jì)方法得出的圖像處理結(jié)果質(zhì)量更高。

5.4 全局監(jiān)測

在更大的區(qū)域中，人與物體的移動(dòng)和狀況都要通過數(shù)據(jù)的整合來實(shí)現(xiàn)。比如：利用氣象、季節(jié)等觀測數(shù)據(jù)［12］，對患者進(jìn)行實(shí)時(shí)監(jiān)測；通過對作物的空中和地表情況進(jìn)行監(jiān)測，可對作物的產(chǎn)量進(jìn)行預(yù)報(bào)［13］；利用衛(wèi)星云圖、氣流、溫度及氣壓等信息，可完成氣象預(yù)測。

6 多傳感器信息融合技術(shù)在溫度控制系統(tǒng)的應(yīng)用與發(fā)展

在溫控體系中，無論采用什么加熱方式，其各個(gè)點(diǎn)的分配都是非均一的。如果只使用一個(gè)傳感器，則因其安裝位置的不同會(huì)產(chǎn)生不同的控制結(jié)果。文獻(xiàn)［14］利用多個(gè)傳感器信息融合技術(shù)，實(shí)現(xiàn)多個(gè)測溫節(jié)點(diǎn)的集成，從而克服了安裝位置對測溫精度的影響。

此外，當(dāng)溫度控制系統(tǒng)中的某些測量模塊或控制模塊出現(xiàn)故障時(shí)，系統(tǒng)可以識別故障源并及時(shí)報(bào)警。同時(shí)依據(jù)非失效傳感器提供的數(shù)據(jù)，可通過融合技術(shù)得到精準(zhǔn)的信息以進(jìn)行控制。精密加工元件的工作性能受溫度變化的影響很大，當(dāng)機(jī)器在工作時(shí)，精密加工元件性能會(huì)受到自身在工作時(shí)產(chǎn)生的熱量和環(huán)境溫度變化的影響，從而影響加工產(chǎn)品質(zhì)量。因此需要提供高精度、恒定的溫度控制來使其穩(wěn)定地工作。文獻(xiàn)［15］提出了一種基于人工神經(jīng)網(wǎng)絡(luò)+模糊邏輯多傳感器信息融合算法來提高信息的精準(zhǔn)度，并使用模糊PID來控制溫度進(jìn)而進(jìn)行加熱或制冷，該方法的精度、工作效率及可靠性均較高。

7 結(jié)束語

利用多傳感器信息融合技術(shù)進(jìn)行溫度控制的過程，包括硬件和軟件設(shè)計(jì)，其中硬件部分采用了多個(gè)溫度傳感器，分別對不同的溫度點(diǎn)進(jìn)行測量，并利用融合算法將更準(zhǔn)確的數(shù)據(jù)傳輸?shù)娇刂葡到y(tǒng)中，從而達(dá)到對常規(guī)溫度控制系統(tǒng)的高精度、快速控制；而單傳感器控制技術(shù)是利用繼電器實(shí)現(xiàn)，它的邏輯控制方式是通過固定的導(dǎo)線來完成的，因其局限性和精確度低的特性將會(huì)逐漸被淘汰。隨著自動(dòng)化技術(shù)的不斷完善，溫度控制技術(shù)也逐步走向成熟，在智能控制領(lǐng)域也有了長足的進(jìn)步，這種高精度的控制方式將具有廣闊的應(yīng)用前景。

參 考 文 獻(xiàn)

［1］ 朱明祥，徐曉斌，陳照章，等.基于多傳感器信息融合的恒溫箱測控系統(tǒng)設(shè)計(jì)［J］.傳感器與微系統(tǒng)，2010，29（3）：62-64；67.

［2］ 王祁.傳感器信息處理及應(yīng)用［M］.北京：科學(xué)出版社，2012.

［3］ 鄔琦，楊江濤.一種恒溫箱溫度控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)測量與控制，2014，22（8）：2455-2458.

［4］ 滕召勝.基于多傳感器數(shù)據(jù)融合的熱處理爐溫度測量方法［J］.計(jì)量學(xué)報(bào)，2000（2）：71-75.

［5］ 李文敏，王改云.多傳感器數(shù)據(jù)融合技術(shù)在溫度檢測中的應(yīng)用［J］.機(jī)械設(shè)計(jì)與制造，2009（4）：103-104.

［6］ 田晟，龍安洋.基于圖卷積和多層特征融合的點(diǎn)云分類方法［J/OL］.激光與光電子學(xué)進(jìn)展，2023：1-12［2023?02?13］.http：//kns.cnki.net/kcms/detail/31.1690.TN.20221031.1649.138.html.

［7］ 劉暢，潘理虎.基于多特征融合的詞級注意關(guān)系抽取方法［J］.太原科技大學(xué)學(xué)報(bào)，2022，43（5）：389-395.

［8］ 李雪靜.油氣集輸系統(tǒng)內(nèi)腐蝕信息融合監(jiān)控技術(shù)［J］.全面腐蝕控制，2020，34（6）：20-21.

［9］ 馬文禮，馬福利，王艷芝.基于數(shù)據(jù)融合技術(shù)的水下油氣井計(jì)量方法研究［J］.石油化工設(shè)備，2019，48（4）：9-14.

［10］ 王正家，李明，夏正喬，等.復(fù)雜環(huán)境下的自由空間中自主跟隨移動(dòng)目標(biāo)的多信息融合方法與應(yīng)用［J］.傳感器與微系統(tǒng)，2019，38（4）：157-160.

［11］ 顧凌云.基于多傳感器融合的機(jī)器人壓縮感知圖像處理方法［J］.自動(dòng)化與儀表，2022，37（12）：39-43.

［12］ 范滿紅，馬勝前，陳彥，等.基于多傳感器數(shù)據(jù)融合的溫濕度監(jiān)測系統(tǒng)［J］.壓電與聲光，2012，34（3）：459-462；465.

［13］ 項(xiàng)新建.基于多傳感器數(shù)據(jù)融合的糧食倉庫溫度監(jiān)測系統(tǒng)［J］.儀器儀表技術(shù)，2003，24（5）：525-527；535.

［14］ 俞丹文，熊紅斌.基于多數(shù)據(jù)融合傳感器的分布式溫度控制系統(tǒng)［J］.科技致富向?qū)В?013（14）：85；104.

［15］ 楊樹亮，林行辛，張劍輝，等.模糊PID在恒溫箱溫度控制中的應(yīng)用［C］//中國儀器儀表學(xué)會(huì).第七屆工業(yè)儀表與自動(dòng)化學(xué)術(shù)會(huì)議論文集.北京：《自動(dòng)化儀表》編輯部，2006：221-222；225.

（收稿日期：2022-07-09，修回日期：2023-02-13）

Multisensor Fusion Technology and Its Application inthe Temperature Control

CHEN Cheng， KONG Fan?xing， HE Teng?fei， SHAO Yi?fei， LI Sheng?nan， CHEN Na

（College of Information and Control Engineering，Jilin Institute of Chemical Technology）

Abstract? ?In this paper， both research background and significance of the multi?sensor information fusion were described， and its main algorithms and applications were listed， including its main application in temperature control and the merits between the multi?sensor and traditional single sensor. The multi?sensor fusion technology has great potential for the growth in the temperature control.

Key words? ?multi?sensor information fusion technology， temperature， precision， fuzzy control

基金項(xiàng)目：吉林化工學(xué)院博士啟動(dòng)基金項(xiàng)目（吉化院博基合字〔2021〕第031號）。

作者簡介：陳澄（1997-），碩士研究生，從事過程檢測技術(shù)與自動(dòng)化裝備的研究。

通訊作者：孔繁星（1975-），副教授，從事智能制造、超精密加工及檢測技術(shù)的研究，fanxingks@163.com。

引用本文：陳澄，孔繁星，何騰飛，等.多傳感器信息融合技術(shù)及其在溫度控制領(lǐng)域的應(yīng)用發(fā)展[J].化工自動(dòng)化及儀表，2023，50（2）：137-141.