基于ARM的多傳感器信息融合在工業(yè)控制中的應(yīng)用-單片機
0 引言
現(xiàn)代工業(yè)生產(chǎn)以綜合、復(fù)雜、大型、連續(xù)為特點，采用大量傳感器來監(jiān)測和控制生產(chǎn)過程。多傳感器系統(tǒng)的出現(xiàn)導(dǎo)致信息量劇增，采用信息融合技術(shù)可更有效地利用信息資源。在復(fù)雜的工業(yè)控制系統(tǒng)中，控制過程需同時涉及多個信息，特別是各信息間的聯(lián)系，信息的有機組合蘊涵的信息特征以及信息的整體狀況，并需要根據(jù)綜合狀況所描述的過程運行特點進行控制。故將嵌入式系統(tǒng)與信息融合技術(shù)相結(jié)合，以解決用傳統(tǒng)控制難于解決的問題。
1 多傳感器信息融合
1.1 多傳感器信息融合的概念
多傳感器信息融合是指協(xié)調(diào)使用多個傳感器，把分布在不同位置的多個傳感器所提供的局部不完整觀測量及相關(guān)聯(lián)數(shù)據(jù)庫中的相關(guān)信息加以綜合，消除多傳感器信息之間可能存在的冗余和矛盾，并加以互補，降低其不確定性，獲得對物體或環(huán)境一致性描述過程。即對來自多個傳感器的數(shù)據(jù)進行多級別、多方面、多層次的處理，從而產(chǎn)生新的有意義信息，這是任何單一傳感器所無法獲得的。
1.2 多傳感器信息融合的方法
常用的信息融合方法有加權(quán)平均法、卡爾曼濾波、經(jīng)典推理法、貝葉斯估計、D-S證據(jù)決策理論、品質(zhì)因素法、模板法、熵理論、聚類分析、模糊推理、產(chǎn)生式規(guī)則、遺傳算法、神經(jīng)網(wǎng)絡(luò)。其中，神經(jīng)網(wǎng)絡(luò)方法具有很強的信息處理能力，對復(fù)雜的工業(yè)智能監(jiān)測控制系統(tǒng)及在處理不確定性的信息上，神經(jīng)網(wǎng)絡(luò)是一個強有力的工具，因而為信息融合提供了一個很好的方法。
神經(jīng)網(wǎng)絡(luò)用于信息融合的基本思想是：根據(jù)當前系統(tǒng)所接受到的樣本相似性，確定分類標準。確定的方法主要表現(xiàn)在網(wǎng)絡(luò)權(quán)值的分布上，同時可以采用神經(jīng)網(wǎng)絡(luò)學習功能來獲取知識，得到不確定性推理機制。采用神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)諧振理論ART(Adaptive Resonance Theory)的方法。圖1是可處理模擬信息的ART-2的網(wǎng)絡(luò)示意圖。
競爭學習機制和自穩(wěn)學習機制是自適應(yīng)諧振理論(ART)的基礎(chǔ)。競爭學習機制只改變與競爭得勝者有關(guān)的各個權(quán)重系數(shù)，而其他所有的權(quán)重系數(shù)皆維持不變。通過學習，不同客體的觀察向量集合都找到了各自相應(yīng)的獲勝輸出分量，因而根據(jù)獲勝者的編號就能自然地對它們進行分類。
自穩(wěn)學習機制由信息反饋通道、比較機制及相應(yīng)的算法構(gòu)成，其工作過程描述如下：1)競爭選擇運算；2)構(gòu)成反饋信息通道；3)比較相似度；4)調(diào)整權(quán)重系數(shù)。
2 工業(yè)嵌入式控制系統(tǒng)與信息融合
2.1 工業(yè)控制中的信息融合
在工業(yè)控制中，過程運行狀況簡稱工況。在簡單的系統(tǒng)中，某傳感器的輸出可大體反映工況。而在復(fù)雜的工業(yè)生產(chǎn)過程中，工況無法用一個或幾個過程變量直接表示，某傳感器的輸出只是描述了工況的一個側(cè)面。采用適當?shù)男畔⑷诤戏椒?，將從不同?cè)面描述工況的多個傳感器信息融合，就有可能獲得對工況的完整描述，能據(jù)此進行操作和實時干預(yù)，或系統(tǒng)按工況進行自動控制。圖2表明了信息融合控制的原理，這個過程可分解為以下部分：
1)傳感器信息獲取，包括多傳感器系統(tǒng)、傳感器信息預(yù)處理和軟測量、人機接口。該部分包括硬件和有關(guān)軟件，應(yīng)盡可能地將反映對象運行狀態(tài)和環(huán)境的信息直接或間接檢測出來，包括對象的狀態(tài)量，被控量以及環(huán)境信息。
評論排行