專(zhuān)利名稱(chēng)：一種實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于高精度溫度檢測(cè)技術(shù)領(lǐng)域，特別涉及一種對(duì)傳感器之間的支持度進(jìn)行客觀評(píng)價(jià)，對(duì)傳感器特征參數(shù)進(jìn)行實(shí)時(shí)估計(jì)，無(wú)需任何先驗(yàn)知識(shí)的溫度數(shù)據(jù)融合的高精度檢測(cè)方法，該檢測(cè)方法既可提高溫度檢測(cè)精度和信度，又便于相關(guān)系統(tǒng)實(shí)時(shí)處理，且具有穩(wěn)定性好、計(jì)算簡(jiǎn)單、容易實(shí)現(xiàn)等優(yōu)點(diǎn)。
背景技術(shù)：
在諸多自動(dòng)控制、檢測(cè)和科學(xué)實(shí)驗(yàn)中，需要對(duì)溫度進(jìn)行高精度和高可靠性檢測(cè)，例如，疫苗冷鏈溫度檢測(cè)能否滿足其特殊要求不僅影響到疫苗安全的存儲(chǔ)，而且影響到系統(tǒng)報(bào)警的可信度，進(jìn)而嚴(yán)重干擾監(jiān)管部門(mén)對(duì)疫苗突發(fā)事件的判斷和處置。為了增加疫苗溫度檢測(cè)結(jié)果的置信度，需要精度和可靠度更高的疫苗溫度檢測(cè)方法，實(shí)現(xiàn)這一目標(biāo)的途徑主要有(1)采用高精度和高可靠性溫度傳感器；( 采用多傳感方案對(duì)采集的溫度進(jìn)行融合處理，以提高檢測(cè)的精度和可靠性。但，高精度和高可靠性傳感器的采用往往受制于硬件條件的限制；又由于溫度補(bǔ)償電路、現(xiàn)場(chǎng)突發(fā)干擾、傳感器本身性能失效等方面的原因，假使采用高精度和高可靠性的溫度傳感器，要穩(wěn)定地達(dá)到疫苗檢測(cè)溫度的苛刻要求依然是有困難的。本發(fā)明技術(shù)方案從上述的多傳感方案著手，提出一種以提高檢測(cè)精度和置信度為目的的溫度融合方法。目前，有關(guān)多傳感溫度檢測(cè)融合方法主要有經(jīng)典推理法、貝葉斯估計(jì)法、D-S證據(jù)推理法、聚類(lèi)分析法、估計(jì)理論法、參數(shù)模板法、專(zhuān)家系統(tǒng)法、神經(jīng)網(wǎng)絡(luò)法、粗集理論法、Fuzzy理論法、小波分析理論法等。以上方法都在溫度數(shù)據(jù)融合方面取得了不同程度的成功，但都存在如下問(wèn)題(1)某些參數(shù)的選取過(guò)于依賴經(jīng)驗(yàn)，溫度數(shù)據(jù)融合結(jié)果受主觀因素的影響大，如閾值的選取等；( 某些函數(shù)的建立和概率關(guān)系的確定尚無(wú)通用的方法，依賴于許多先驗(yàn)知識(shí)，存在較大的不確定性，如模糊邏輯法中隸屬函數(shù)的建立和貝葉斯估計(jì)法中先驗(yàn)概率的確定等；C3)受系統(tǒng)實(shí)時(shí)性限制，對(duì)某些參數(shù)只能基于有限的樣本進(jìn)行估計(jì)，如溫度數(shù)據(jù)方差的估計(jì)等。本發(fā)明克服了上述現(xiàn)有溫度融合方法存在的問(wèn)題。為了提高溫度數(shù)據(jù)融合的效果，方法之一是增加傳感器數(shù)量，但此舉會(huì)引起硬件 (空間)成本的增加，方法之二是在估計(jì)有關(guān)參數(shù)時(shí)增加采用數(shù)據(jù)樣本，以時(shí)間換空間，這樣雖然可以降低空間成本，但會(huì)影響系統(tǒng)的實(shí)時(shí)性。為此，本發(fā)明同時(shí)在空間和時(shí)間上尋找到一種平衡，為實(shí)時(shí)溫度融合檢測(cè)提供一種現(xiàn)實(shí)的技術(shù)方案。

發(fā)明內(nèi)容
為了克服現(xiàn)有溫度融合方法的局限和不足，本發(fā)明提出一種實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，多傳感器的使用極大地提高了溫度檢測(cè)的可靠性和穩(wěn)定性。關(guān)于稀疏誤差剔除，該方法利用模糊理論中的相關(guān)性函數(shù)對(duì)傳感器支持度進(jìn)行定量排序，進(jìn)而對(duì)傳感器支持度作出客觀判斷，克服了基于閾值判斷等方法經(jīng)驗(yàn)化和絕對(duì)化，盡可能地消除主觀因素的影響。關(guān)于傳感器方差的估計(jì)，該方法每增加一個(gè)觀測(cè)值即對(duì)方差進(jìn)行修正，其本質(zhì)是利用了所有觀測(cè)值數(shù)據(jù)，使得傳感器方差估計(jì)值更加逼近實(shí)際，克服了現(xiàn)有方法僅利用有限數(shù)據(jù)建立起來(lái)的溫度融合模型的不足。關(guān)于溫度數(shù)據(jù)的融合，采用正交基函數(shù)神經(jīng)網(wǎng)絡(luò)多傳感溫度數(shù)據(jù)加權(quán)融合方法，以多傳感器動(dòng)態(tài)測(cè)量值和動(dòng)態(tài)算術(shù)平均值為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，進(jìn)而對(duì)溫度加權(quán)因子進(jìn)行實(shí)時(shí)更新。本發(fā)明高精度和高置信度的實(shí)時(shí)溫度檢測(cè)方法克服了現(xiàn)有方法存在的技術(shù)局限， 即參數(shù)選取的主觀性，先驗(yàn)知識(shí)的依賴性，所使用樣本的有限性。為達(dá)到上述目的，本發(fā)明對(duì)傳感器之間的支持度進(jìn)行客觀排序后進(jìn)行稀疏誤差的剔除，對(duì)傳感器特征參數(shù)進(jìn)行動(dòng)態(tài)實(shí)時(shí)估計(jì)，使傳感器特征參數(shù)更加逼近實(shí)際值，進(jìn)而利用一種無(wú)需任何先驗(yàn)知識(shí)的溫度數(shù)據(jù)融合檢測(cè)方法，具體步驟如下所述步驟一基于相關(guān)性函數(shù)排序的疏失誤差剔除(1)采集溫度數(shù)據(jù)；(2)判斷累計(jì)采集次數(shù)是否大于等于設(shè)定值Cl，若否，則繼續(xù)采集溫度數(shù)據(jù)；若是，則判斷累計(jì)采集次數(shù)是否大于設(shè)定值CI，若否，則計(jì)算傳感器方差和均值初值，若是，則遞推計(jì)算傳感器方差和均值；(3)計(jì)算傳感器相融度；(4)計(jì)算傳感器支持度；(5)對(duì)各傳感器支持度依次進(jìn)行從大到小的排序，選擇排序靠前的為支持度較高的傳感器，即為有效傳感器；選擇有效傳感器，刪除從無(wú)效傳感器中得到的溫度數(shù)據(jù)；步驟二基于正交神經(jīng)網(wǎng)絡(luò)的多傳感溫度信息融合(1)神經(jīng)網(wǎng)絡(luò)訓(xùn)練和權(quán)向量遞推；(2)神經(jīng)網(wǎng)絡(luò)輸出的計(jì)算；(3)多傳感溫度融合值的計(jì)算；步驟三無(wú)效傳感器方差和均值修正。本發(fā)明方法包括基于相關(guān)性函數(shù)排序的疏失誤差剔除、基于正交神經(jīng)網(wǎng)絡(luò)的多傳感溫度的信息融合、無(wú)效傳感器方差和均值修正。作為優(yōu)選，各步驟進(jìn)一步詳述如下步驟一基于相關(guān)性函數(shù)排序的疏失誤差剔除該步驟包括傳感器方差實(shí)時(shí)估計(jì)、基于標(biāo)準(zhǔn)正態(tài)分布函數(shù)的傳感器相融度計(jì)算、 基于相關(guān)性函數(shù)的傳感器支持度計(jì)算、有效傳感器的選擇。具體步驟如下第1步傳感器方差實(shí)時(shí)估計(jì)由傳感器采集溫度數(shù)據(jù)。假設(shè)m個(gè)傳感器同步進(jìn)行C次測(cè)量，Tik表示傳感器i的第k次觀測(cè)值(i = 1， 2，...m，k= 1，2，...C)，傳感器i前k個(gè)測(cè)量值均值和方差估計(jì)分別為 ；和?；跀?shù)字特征法原理，采用如下遞推算法并可得到傳感器i前k個(gè)測(cè)量值均值和方差估計(jì)
[
權(quán)利要求
1.一種實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是按如下步驟 步驟一基于相關(guān)性函數(shù)排序的疏失誤差剔除(1)采集溫度數(shù)據(jù)；(2)判斷累計(jì)采集次數(shù)是否大于等于設(shè)定值Cl，若否，則繼續(xù)采集溫度數(shù)據(jù)；若是，則判斷累計(jì)采集次數(shù)是否大于設(shè)定值Cl，若否，則計(jì)算傳感器方差和均值初值，若是，則遞推計(jì)算傳感器方差和均值；(3)計(jì)算傳感器相融度；(4)計(jì)算傳感器支持度；(5)對(duì)各傳感器支持度依次進(jìn)行從大到小的排序，選擇排序靠前的為支持度較高的傳感器，即為有效傳感器；選擇有效傳感器，刪除從無(wú)效傳感器中得到的溫度數(shù)據(jù)；步驟二基于正交神經(jīng)網(wǎng)絡(luò)的多傳感溫度信息融合(1)神經(jīng)網(wǎng)絡(luò)訓(xùn)練和權(quán)向量遞推；(2)神經(jīng)網(wǎng)絡(luò)輸出的計(jì)算；(3)多傳感溫度融合值的計(jì)算； 步驟三無(wú)效傳感器方差和均值修正。
2.如權(quán)利要求1所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟一 (2)設(shè)m個(gè)傳感器同步進(jìn)行C次測(cè)量，Tik表示傳感器i的第k次觀測(cè)值(i = l，2，...m， k= 1,2,...C),傳感器i前k個(gè)測(cè)量值均值和方差分別為 ；和- - 1 -Tik _ Ti(k—V) + i^ik ~ -^i(ifc-l))-2 _ k - 2 \2 <}_(T - T 、2cjIk _ ~j" cr^ifc-I)十 ^汝 ~ Kk-I))初始值 1σ，《L按以下計(jì)算—1 CJ1 CJ—TiCI ~ Σ Tik ； ^iCI ~ “ Σ〔Tik — Tici )。 CJ k=lLl-I k=i
3.如權(quán)利要求2所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟一⑶計(jì)算傳感器i和傳感器j間基于第k次觀測(cè)值融合度(i，j = 1，2，. . . m)Clij = 2 IF (X) -0· 5其中，F(xiàn)(X)為標(biāo)準(zhǔn)正態(tài)分布函數(shù)，Z = ^^。
4.如權(quán)利要求3所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟一 (4)相關(guān)性函數(shù)采用如下定義f(i/j) = I-Clij再對(duì)以上結(jié)果進(jìn)行如下修正 f (i/j) = f (i/j) /max [f (i/j)，f (j/i)]這里i，j = 1,2,3,…m，各傳感器被其他傳感器的支持度按下式計(jì)算 Hii = min f (i/A) ,A= 1,2,.....，m。
5.如權(quán)利要求4所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟一 (5)選取支持度分布在離中心點(diǎn)1倍標(biāo)準(zhǔn)差距離之內(nèi)的傳感器為有效傳感器。
6.如權(quán)利要求1所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟二(1)神經(jīng)網(wǎng)絡(luò)訓(xùn)練和權(quán)向量W遞推神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集為忍// = 1,2,..Mj，其中，為M個(gè)傳感器第k次測(cè)量值的均值， 神經(jīng)網(wǎng)絡(luò)輸出為
7.如權(quán)利要求6所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟二(2)神經(jīng)網(wǎng)絡(luò)輸出t的計(jì)算將步驟二(1)中得到的權(quán)向量W代入
8.如權(quán)利要求7所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟二(3)多傳感溫度融合值Tk的計(jì)算在步驟二(2)中得到M個(gè)傳感器基于第k次測(cè)量值的輸出后，計(jì)算出這M個(gè)神經(jīng)網(wǎng)絡(luò)輸出的平均值，即為多傳感器溫度融合值Tk。
9.如權(quán)利要求1所述的實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法，其特征是步驟三在步驟一(5)中，若傳感器i在第k次測(cè)量中被視為無(wú)效傳感器，則用溫度融合值Tk取代Tik，即Tik = Tk，進(jìn)而對(duì)該傳感器均值和方差進(jìn)行重新計(jì)算修正，以供進(jìn)一步溫度數(shù)據(jù)采集、疏失誤差剔除和溫度融合使用。
全文摘要
本發(fā)明公開(kāi)了實(shí)時(shí)多傳感溫度數(shù)據(jù)融合的高精度檢測(cè)方法一、基于相關(guān)性函數(shù)排序的疏失誤差剔除(1)采集溫度數(shù)據(jù)；(2)判斷采集次數(shù)是否大于等于設(shè)定值CI，若否，繼續(xù)采集溫度數(shù)據(jù)；若是，判斷采集次數(shù)是否大于設(shè)定值CI，若否，計(jì)算傳感器方差和均值初值，若是，遞推計(jì)算傳感器方差和均值；(3)計(jì)算傳感器相融度；(4)計(jì)算傳感器支持度；(5)選擇有效傳感器，刪除從無(wú)效傳感器中得到的溫度數(shù)據(jù)；二、基于正交神經(jīng)網(wǎng)絡(luò)的多傳感溫度信息融合(1)神經(jīng)網(wǎng)絡(luò)訓(xùn)練和權(quán)向量遞推；(2)計(jì)算神經(jīng)網(wǎng)絡(luò)輸出；(3)計(jì)算多傳感溫度融合值；三、無(wú)效傳感器方差和均值修正。該方法既可提高溫度檢測(cè)精度和信度，又便于相關(guān)系統(tǒng)實(shí)時(shí)處理，且具有穩(wěn)定性好、計(jì)算簡(jiǎn)單、容易實(shí)現(xiàn)等優(yōu)點(diǎn)。
文檔編號(hào)G06N3/02GK102393881SQ201110264849
公開(kāi)日2012年3月28日 申請(qǐng)日期2011年9月8日 優(yōu)先權(quán)日2011年9月8日
發(fā)明者張松濤, 瞿曉, 葛丁飛 申請(qǐng)人:杭州微松環(huán)境科技有限公司, 浙江科技學(xué)院