多传感器信息融合技术及其在温度控制领域的应用发展

陈澄　孔繁星　何腾飞　邵逸飞　李胜男　陈娜

摘 要 介绍多传感器信息融合技术的研究背景和意义，列出其主要算法和应用领域。重点说明了多传感器信息融合技术在温度控制领域的应用，比较多传感器与传统单一传感器的优劣。多传感器信息融合技术将在温度控制领域有着极大的发展潜力。

关键词 多传感器信息融合技术 温度 精确度 模糊控制

中图分类号 TP14   文献标识码 A   文章编号 1000?3932（2023）02?0137?05

温度是在工程、石油炼制、纺织、生物、医学及日常生活等领域中常用到的基本物理量。近年来，由于我国现代工业自动化生产技术的蓬勃发展，企业在自动化生产过程中必须要对相应设备的温度自动控制系统加以优化。而传感器是温度控制系统最重要的“眼睛”，准确、快速的监测会使系统更为精准地控制温度。多传感器信息融合技术的使用会给温度控制提供更准确的数据［1～3］。

1 多传感器信息融合技术的应用现状

多传感器信息融合技术早已经成为军事、工业和高科技发展领域广泛关注的课题。它在工业过程控制、交通管控、海洋监控与控制、农业、医学诊断等方面得到了广泛的应用。实际应用表明：利用多传感器信息融合技术可以有效地提高系統的稳定性和可靠性，同时还可以提高系统的准确度，扩展系统的时间、空间覆盖率等。

2 多传感器信息融合方法

当前多传感器信息融合方法主要有权重平均值法、卡尔曼滤波法、多贝叶斯估算法及D?S证据的推论等7种。

权重平均值法。权重平均值法是最简单、最直观的方法，它通过对一系列的传感器所获得的冗余量进行加权平均，得到最终的融合值。

卡尔曼滤波法。它是将多个低级别的、实时的、多传感器的冗余信息进行卡尔曼滤波。利用测量模式的统计特征，确定最优化的融合与数据的估计。若该系统是一种线性动态模型，而其与传感器的偏差为高斯白噪声，那么卡尔曼滤波器可在仅统计的情况下对融合信息进行最佳估计。卡尔曼滤波器具有良好的递归性能，使系统在运行过程中不需要进行海量的数据储存和运算。然而，传统的卡尔曼滤波器在用于多个传感器的数据分析时，存在以下问题：

a. 当合并信息的冗余度较大时，其运算量会急剧增加，且实时性能无法达到要求；

b. 当系统发生了无法及时发现的问题时，它就会对整个系统造成一定的影响，从而导致系统的可靠性下降。

多贝叶斯估算法。贝叶斯估算是一种用于多个静态条件下多个传感器的高级信息的融合方法。该方法将基于可能性原理的传感器信息结合起来，利用状态可能性来表达检测的不确定度，在两个不同的位置上，可以将两个不同的传感器数据进行合并。但是在大部分的测试中，都是通过贝叶斯估算的间接方法来进行数据的融合。利用多贝叶斯估算法对每个传感器进行贝叶斯估算，将单个目标的相关几率分配综合成一个后验的联合概率分配，并使该方法的似然性函数达到最大，得到多个传感器最后的融合数值。

D?S证据的推论。D?S证据是对多贝叶斯估算的扩展。D?S法的逻辑结构由下至上分为3个层次：第1层次为靶综合，其功能是将各个独立的传感器的观察值合并为一个整体输出；第2层次为推理，主要用于获取和推导传感器的观测值；第3层次是修正，不同的传感器通常有不同的随机错误，因此，从相同的传感器得到的一系列持续的、完全无关的数据要比单独的数据更可信。因此，在进行多个传感器综合分析前，必须对其进行修正。

产生式法则。该法则使用标记来代表对象特性与对应的传感器的信息。

Fuzzy逻辑。Fuzzy是一种多价值的逻辑，它规定了一个从0～1的实数表达的真实性，将其作为隐藏操作的先决条件，使多个传感器的信息在融合时的不确定程度可以被直观地表达出来。

ANN法。该方法具有较好的容错性和自学习、自组织、自适应性，可以对各种复杂的非线性映射进行仿真。通过对多个传感器进行数据融合，其具有了较高的非线性处理性能。在多传感器网络中，各个不同来源所传递的环境数据都存在着不同的不确定性，因此将其进行融合是一种基于不确定性的推理。该方法通过对现有的模型进行加权分配，并利用已有的模型进行训练，从而获得未知的推理能力。基于神经网络的信号加工与自动推断，即将多个传感器的数据进行了融合［4，5］，过程如图1所示。

3 多传感器信息融合的层次

依据处理数据的类型，信息融合技术可以分为3种不同的层次，即像素级融合、特征级融合和决策级融合［2］。

3.1 像素级融合

像素级融合是指在已获取的原始资料层面上，进行一种低度的融合。虽然数据层的最大优势在于保留了大量的原始资料，并且能够给出其他融合层面无法比拟的细节，但是它的缺点也非常突出：

a. 需要处理的传感器数据量过大，处理时间长，实时性差。

b. 信息的融合是在信息的底层进行的，由于信息的不确定性、不完全性和不稳定性的影响，使得信息的融合具有很强的误差校正功能。

c. 在进行图像合并或同质资料融合时，每个传感器的信息需要达到一个像素的校准精度，因此，对每个传感器的信息都要从同质传感器中选取。

d. 数据通信量较大，抗干扰能力较差。

3.2 特征级融合

特征级融合是一种中间层次的融合，首先对目标的边缘、方向及速度等特征进行提取，再对特征进行全面分析和加工，最后将所获得的特征传递给更高级的决策者。在进行特征级融合时，通常采取分散或中心化的方法。该类方法具有很强的适应性，可以广泛地用于图像层次和决策层的融合。

特征级融合在理论和实践中已经逐步完善，已提出了一系列高效的特征融合技术。例如，田晟和龙安洋为了解决现有的深度学习点云分类方法对局部特征挖掘不充分的问题，并提升不同层级特征融合的质量，提出了利用图卷积和多层特征融合的点云分类网络［6］。相比其他点云分类方法，此方法的分类性能更好且具有较强的鲁棒性。刘畅和潘理虎提出多特征融合的词级注意关系抽取方法MFAN，并应用于中文关系抽取任务［7］，使其能够提高整体性能，有效表示中文包含的信息。

3.3 决策级融合

在判断层次上，利用多个传感器对相同的物体进行观察，对所得特征进行预处理、特征抽取、识别和判决，并对被观察对象进行分级判断。决策级融合是将每个传感器的单独决定整合，得出一个综合的推理决定，也就是最终的判断。从原理上讲，与单个传感器相比，基于决策层的集成输出的组合判决具有更加准确和清晰的特点，并且具有良好的容错能力。对于单一的传感器，如果有误差，则可以用融合方法来解决，以得到准确的判断。在决策层中使用了分布式的融合系统。

决策级融合的主要优点有：

a. 具有很高的灵活性；

b. 具有最少的通信量、较好的抗干扰性能、较少的信息传送频段和较少的融合中心处理成本；

c. 能有效地反映环境或目标各个侧面的不同类型信息；

d. 具有容错性，能在一组或多组传感器发生故障时，利用合适的数据进行融合，得到较好的处理效果；

e. 对传感器的依赖小，传感器可以是同质的，也可以是异质的。

3.4 3种层次的比较

信息融合3种层次的比较见表1。

由表1可以看出，像素级融合信息量损失是3种融合中最小的，几乎無损失，得到的结果也是最准确的，但计算量大，且对系统通信带宽的要求很高，对传感器的依赖程度也是最高的。而特征级融合属于中间层次，这种方法的计算量及对通信带宽的要求相对降低，但由于部分数据的舍弃使其准确性有所下降。决策级融合属于高层次的融合，由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，但它的计算量及对通信带宽的要求最低。

4 传感器融合结构

传感器融合结构理论上有3种：第1种是串行拓扑，这种结构只是暂时检测信息；第2种是树状拓扑，其采用分层结构，任意结点或连线的故障都会影响它的正常工作；第3种是并行拓扑，这是最普遍的拓扑结构，多种类型的传感器可以同时工作［2，5］，其结构如图2所示。

5 多传感器信息融合技术的应用领域

近年来，基于多传感器的信息融合技术得到了广泛的运用。多传感器的信息融合能够排除不确定因素，提供准确、综合的智能数据，该技术在机器人、图像分析、目标检测和追踪、自动化靶标辨识等方面得到了广泛的重视，被越来越多地应用。

5.1 军事应用

数据融合技术是从军事上发展起来的。它的主要用途是对目标进行探测、跟踪和识别，其中包括C31系统、武器自动识别、自主运载导航等。

5.2 复杂工业控制

工业过程控制是信息融合非常关键的研究方向。目前，信息融合技术已经被广泛地用于核工业、油气监测等领域，其中就包括了油气集输系统内腐蚀信息的融合监控［8］。在油气集输系统中，内腐蚀是较为常见的现象，影响其产生的因素也是复杂多变的，但在实际生产中却可能没有采取有效的监控措施。随着信息技术的飞速发展，信息融合监测技术逐步在石油天然气集输系统的内部腐蚀治理中得到广泛的应用。对于安全生产和成本控制起到了一定的效果。文献［9］利用数据融合技术对水下油气井计量方法进行研究，由于虚拟流量计系统具有成本低、精度高等优点，如今已逐渐成为水下油气井生产计量的一种新方式。

为了提高虚拟流量计系统在线应用的可靠性和精度，依靠数据融合技术和多个物理流量模型，使得数据融合流量估计方法的平均误差大幅缩减，且当单个物理流量模型失效时，融合技术仍能给出最优的计量结果，从而保证了整个虚拟流量计系统的可靠性与可用性。

5.3 机器人

机器人在动态、不确定和无结构性的条件下工作，需要具备较强的自主意识和洞察能力，而采用多传感器信息融合技术可以有效地改善其对环境的敏感度。使用单一的传感器对外界的感知不够全面和可靠，而使用多个传感器时，可获取更完整的、动态的数据。例如，王正家等研究的复杂环境下的机器人利用多信息融合算法在自由空间中能够自主跟随移动目标［10］。顾凌云研究了利用多传感器融合算法进行机器人压缩感知图像处理［11］，使用此设计方法得出的图像处理结果质量更高。

5.4 全局监测

在更大的区域中，人与物体的移动和状况都要通过数据的整合来实现。比如：利用气象、季节等观测数据［12］，对患者进行实时监测；通过对作物的空中和地表情况进行监测，可对作物的产量进行预报［13］；利用卫星云图、气流、温度及气压等信息，可完成气象预测。

6 多传感器信息融合技术在温度控制系统的应用与发展

在温控体系中，无论采用什么加热方式，其各个点的分配都是非均一的。如果只使用一个传感器，则因其安装位置的不同会产生不同的控制结果。文献［14］利用多个传感器信息融合技术，实现多个测温节点的集成，从而克服了安装位置对测温精度的影响。

此外，当温度控制系统中的某些测量模块或控制模块出现故障时，系统可以识别故障源并及时报警。同时依据非失效传感器提供的数据，可通过融合技术得到精准的信息以进行控制。精密加工元件的工作性能受温度变化的影响很大，当机器在工作时，精密加工元件性能会受到自身在工作时产生的热量和环境温度变化的影响，从而影响加工产品质量。因此需要提供高精度、恒定的温度控制来使其稳定地工作。文献［15］提出了一种基于人工神经网络+模糊逻辑多传感器信息融合算法来提高信息的精准度，并使用模糊PID来控制温度进而进行加热或制冷，该方法的精度、工作效率及可靠性均较高。

7 结束语

利用多传感器信息融合技术进行温度控制的过程，包括硬件和软件设计，其中硬件部分采用了多个温度传感器，分别对不同的温度点进行测量，并利用融合算法将更准确的数据传输到控制系统中，从而达到对常规温度控制系统的高精度、快速控制；而单传感器控制技术是利用继电器实现，它的逻辑控制方式是通过固定的导线来完成的，因其局限性和精确度低的特性将会逐渐被淘汰。随着自动化技术的不断完善，温度控制技术也逐步走向成熟，在智能控制领域也有了长足的进步，这种高精度的控制方式将具有广阔的应用前景。

参 考 文 献

［1］ 朱明祥，徐晓斌，陈照章，等.基于多传感器信息融合的恒温箱测控系统设计［J］.传感器与微系统，2010，29（3）：62-64；67.

［2］ 王祁.传感器信息处理及应用［M］.北京：科学出版社，2012.

［3］ 邬琦，杨江涛.一种恒温箱温度控制系统的设计与实现［J］.计算机测量与控制，2014，22（8）：2455-2458.

［4］ 滕召胜.基于多传感器数据融合的热处理炉温度测量方法［J］.计量学报，2000（2）：71-75.

［5］ 李文敏，王改云.多传感器数据融合技术在温度检测中的应用［J］.机械设计与制造，2009（4）：103-104.

［6］ 田晟，龙安洋.基于图卷积和多层特征融合的点云分类方法［J/OL］.激光与光电子学进展，2023：1-12［2023?02?13］.http：//kns.cnki.net/kcms/detail/31.1690.TN.20221031.1649.138.html.

［7］ 刘畅，潘理虎.基于多特征融合的词级注意关系抽取方法［J］.太原科技大学学报，2022，43（5）：389-395.

［8］ 李雪静.油气集输系统内腐蚀信息融合监控技术［J］.全面腐蚀控制，2020，34（6）：20-21.

［9］ 马文礼，马福利，王艳芝.基于数据融合技术的水下油气井计量方法研究［J］.石油化工设备，2019，48（4）：9-14.

［10］ 王正家，李明，夏正乔，等.复杂环境下的自由空间中自主跟随移动目标的多信息融合方法与应用［J］.传感器与微系统，2019，38（4）：157-160.

［11］ 顾凌云.基于多传感器融合的机器人压缩感知图像处理方法［J］.自动化与仪表，2022，37（12）：39-43.

［12］ 范满红，马胜前，陈彦，等.基于多传感器数据融合的温湿度监测系统［J］.压电与声光，2012，34（3）：459-462；465.

［13］ 项新建.基于多传感器数据融合的粮食仓库温度监测系统［J］.仪器仪表技术，2003，24（5）：525-527；535.

［14］ 俞丹文，熊红斌.基于多数据融合传感器的分布式温度控制系统［J］.科技致富向导，2013（14）：85；104.

［15］ 杨树亮，林行辛，张剑辉，等.模糊PID在恒温箱温度控制中的应用［C］//中国仪器仪表学会.第七届工业仪表与自动化学术会议论文集.北京：《自动化仪表》编辑部，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

基金项目：吉林化工学院博士启动基金项目（吉化院博基合字〔2021〕第031号）。

作者简介：陈澄（1997-），硕士研究生，从事过程检测技术与自动化装备的研究。

通讯作者：孔繁星（1975-），副教授，从事智能制造、超精密加工及检测技术的研究，fanxingks@163.com。

引用本文：陈澄，孔繁星，何腾飞，等.多传感器信息融合技术及其在温度控制领域的应用发展[J].化工自动化及仪表，2023，50（2）：137-141.