多传感器融合技术在浮空器控制中的应用研究

雍富伟

摘 要：在将浮空器投入到具体应用过程当中，其周围的空间环境较为复杂，而通过单传感器的浮空器运行状态进行分析及控制，能满足控制系统对于外部环境及内部状态的感知。从而通过使用单传感器的状态，使得系统能够有效地感知外部以环境以及内部的状态。而本文主要的建立了有关的多传感器控制系统的具体应用，并且对于该系统的运行状态有关特性进一步的进行了分析，通过将卡尔曼滤波联合导引器应用到传感器当中，使实现与多传感器之间的融合，从而更好的处理传感器运行过程当中的数据，从而进一步的降低噪声的干扰，而通过使用该方法能够使得控制系统更好的判定浮空器的安全状态，具备有更高的可信度。

关键词：多传感融合技术;浮空器;控制;应用

在浮空器设备当中应用到多传感器，能够使得浮空器根据气囊当中所填充的氦气产生的浮力，从而克服整个系统的重力，并且根据所剩下来的氦气而带动雷达任务系统进行工作。根据浮空器运行过程能够全天二十四小时地进行工作，同时还能够准确地获取以及具体的解释分析周围复杂的环境以及自身的存在状态，从而能够更为高效更为实时的进行控制。而通过使用浮空器能够构建起如今广泛应用的浮空平台系统，从而做好数据以及多元信息的估计以及检测技术，使得浮空器控制系统具有更高的可信性。

一，信息融合技术以及算法

在浮空器当中所运用的多传感器系统进行信息融合，主要的是进行决策及特征，同时做好数据集的融合。其中数据融合的主要意义就是集中地将各个传感器当中所获取的原始数据运输到融合中心当中，集中式的对数据进行分析处理，而想要实现数据的融合，就必须进一步的构建起通过传感器数据以及数据吞吐率而进行特征性的融合通道，从而进一步的降低数据吞吐率，而保证最终所获取数据结果的精确程度。这就需要使用特征向量进一步的对算法进行提取，而进行信息融合党政的决策融合必须建立在一个模型。做好这一融合，还需要有各个传感器各自的独立的对其进行判定。在信息融合的过程当中，要能够灵活并且实时的进行融合，在其融合过程当中所应用的主要技术，包括了神经网络，卡尔曼滤波，d-s方法，加权平均法以及聚类分析等各种方法。

在其中所运用到的卡尔曼律滤波，主要的是对于线性的最小方差进行估计，从而不断的持续的获取传感器的原始数据，通过不断的对数据进行迭代修整而进一步的进行估计，从而可以算出一个最为精确的结果。而通过使用卡尔曼滤波法能够将全局融合以及分布式处理结合到一起，从而实现这一目的。所以所运行的卡尔曼滤波器的局部状态。同时使用各个主滤波器融合算法，对于所有的记录状态进行估计，而对于所获取得各种信息及数据进行分析，从而对于所有状态进行估计。

在其中所运用到的神经网络其实就是一种按照各个结构进行分层次组织的大量神经元所构成的一种运算模型。其中每一个神经元其都有着特定的含义，并且代表着一个特定的激励函数，而在各个节点之间进行互联的方式为加权的方式。运用神经网络法主要的是通过分布式的系统。使得该机制具备有良好的自适应以及自学习能力，同时绝对有很好的容错性，从而使得最终获取的数据结果更为精确。

在信息融合过程当中，能够使用到的融合技术以及融合算法形式多样多样，可以并且还能够在不同的环境当中得以应用。在研究过程当中也不考虑到系统的要求以及具体的参数类型的，可以根据实际的应用环节而选择一个最为合适的融合技术以及融合方法。

二，多传感器浮空器控制系统

核心控制系统作为数控企业正常运行的一个关键点以及要点，为了实现浮空平台的质量保证以及上升还有下降等各种状态，并且对各状态进行量化的控制，从而实现浮空器的系统控制，就需要做好环境以及系统参数进行采集，并且通过各种检测设备，进一步的判断系统具体的运行状态以及安全状态，从而对其进行自动以及自主的控制。使得浮空器能够在通信中断或者是绳索断裂的紧急情况之下，快速的进行应急处理，从而保证浮空器在飞行过程当中不出现安全事故并且平稳的落地。

在浮空器控制系统设计过程当中，主要的是通过应用分布式的传感器，进一步的对系统的态势进行监控，而在多传感器融合技术应用，在复控器控制当中对其进行研究，可以进一步的获取浮空器系统运行过程当中的有关数据以及信息做好数据的处理，同步进行信息的综合工作，通过对于综合出来的信息进行查验，进一步的判断浮空器具体的运行状态，通过这一体系架构进行处理，从而获取最终的结果。

而浮空器出现紧急事故，需要进行应急应急处理的过程当中，控制系统需要对于浮空器面对压力进行实时的监测，同时还需要考虑到风气所处的高度，丰满度，还有姿势等多个指标，同时还需要严格的控制周围的風向，风速以及湿温度等各个影响到浮空及具体状态的环境指标，从而进一步的判断整体系统的安全性。通过采取针对性的控制措施，使浮空系统能够完全的运行，保障整体性能，而又因为在浮空器当中所应用到的传感器就着较多的种类，因此存在着一定的测量误差，会使得在进行数据传播时存在着一定的延误现象，因此在进行处理的过程当中，并不能在一个统一的概率之上建立好误差概率模型，而是需要根据各个系统的特点，而专门的构建出一个最为适合的信息融合模型，通过各种融合算法进一步的盘点系统的运行状态。

三，进一步的判断浮空器具体状态的信息融合方法

为了准确的判断浮空器使用过程当中是否处于安全状态，通过对于具体状态进行查验，比如说在判断其是正常运营，轻度故障以及异常状态之间具有一定的不可确定性。而针对于多传感器的浮空器系统具备较为复杂并且多样的信息，针对于该系统的特点，可以选择构建出一个相应的信息融合模型，通过对于各个传感器进行与处理并且进一步的完成局部预期，从而对其状态参数进行了解以及掌握，最终对于这种所获取的局部结果进行处理，做好融合估计工作，从而进一步的监测浮空器系统的安全运行状态。

在信息融合过程当中，通过使用卡尔曼滤波器法，做好运行状态的估计工作，并且进一步的使得产生的影响降到最小，而在浮空器运行状态更新过程当中，还需要不断的根据之前的估计结果以及所获取的传感器原始数据进行递推运算。并且将运算得出的最终结果直接的传送到信息融合中心，从而使得融合中心不断的获取传感器的运行状态。从而进一步的判定传感器的运输状态。

四，结束语

想要控制系统能够平稳可靠的进行工作，其主要前提是需要进一步的判断浮空器的具体状态。而将各种的信息融合技术应用于浮空器控制系统当中，还需要考虑到多个对于浮空器运行状态有着影响的因素以及参数进行综合处理各个隶属度的调度，从而获取最科学合理的信息融合的结果。而想要做好浮空器控制系统的控制。使服控器能够正常的运行，从而使得浮空平台系统能够安全稳定的运行。

参考文献：

[1]朱弘， 龚俊亮. 多传感器融合技术在浮空器控制中的应用研究[J]. 数字技术与应用， 2015（12）：54-55.

[2]汪洪波， 朱仁胜， 赵韩， et al. 一种基于同步测量数据融合的浮空器气囊泄漏检测系统和方法：， 2014.

[3]褚林塘. 对中航工业民用浮空飞行器发展战略的初步思考[C]// 2011年中国浮空器大会. 0.

[4]孙程. 浮空气囊气密性检测系统的设计及试验研究[D].  2016.