基于有偏卡尔曼的双冗余热电阻数据滤波方法

徐正海　左信　吴露　陈亚男　岳元龙

摘 要 针对水下生产控制系统温度测量系统中单个传感器易受水下复杂环境影响，出现温漂、测量精度低等问题，设计了一种双冗余温度测量传感器（采用两个热敏元件进行温度测量）。利用基于有偏卡尔曼的扩维融合方法进行数据处理，提高传感器融合测量精度。定义一个相似矩阵，用于在融合之前剔除故障传感器的测量数据，进一步提高测量结果的可靠性。实验结果表明：双冗余温度测量传感器具有精度高、抗干扰性能强的优点。

关键词 温度测量 双冗余 传感器 有偏卡尔曼 数据融合 扩维

中图分类号 TH811   文献标识码 A   文章编号 1000?3932（2023）02?0188?06

在深海油气田以及边际油田的开发过程中，水下生产控制系统占据着十分重要的地位［1～3］。水下生产控制系统主要通过监测海洋油气田开发过程中的仪表参数控制阀门的开启和关闭，以及为油气开发提供动力和通信设备。水下生产控制系统包括监测和控制两个主要功能，其中仪表参数的监测是阀门控制调节的重要依据。温度数据就是仪表重要的监测数据之一［4］，操作人员根据温度判断水下生产状况，发出控制指令，确保油气生产的正常进行，避免事故发生或在事故发生时能够及时被发现，进而减少损失、降低事故影响。

传统水下控制系统中的温度传感器中只设有一个热敏元件，测量系统基本都不具备冗余测量功能，在海底复杂环境下易受环境影响出现温漂等问题，无法保证测量过程的可靠性。而温度测量系统作用于整个油气开采过程，使用周期较长、不易维修，这就需要它具备较高的可靠性。在此背景下，本团队提出并设计一种双冗余热敏电阻温度传感器，相比于单热敏元件传感器，可以具有更高的测量可靠性和准确性。

在双冗余热电阻温度传感器中，多个热敏元件测量数据的处理就显得尤为关键。目前，处理测量数据使用较多的方法是平均值法［5］、加权平均值法［6］和卡尔曼滤波法［7］，这些方法本质上和最小二乘估计［8］特例是等价的，只能在无偏情况下取得最小均方误差。但是，当测量数据不稳定时，利用这些数据处理方法得到的测量结果的均方误差将大幅增加。

有偏卡尔曼滤波（Biased Kalman Filter，BKF）能进一步降低融合测量的均方误差，提高融合测量结果的精度［9］。此外，当其中一个传感器出现故障或者受环境影响，测量数据出现较大波动时，将会导致最终的融合测量结果的均方误差较大，在将两个热敏元件的测量数据进行融合之前，需要判断测量数据是否出现较大波动，从而将波动较大的测量数据剔除。为此，笔者提出一种基于相似矩阵的判别方法，对测量预测和两个传感器的相似度分别进行计算，将计算结果作为判断是否剔除某个热敏元件测量数据的依据，从而提高最终融合测量结果的精度。

1 双冗余温度传感器的设计

双冗余温度传感器是一种将温度变量转换为可传送的标准化输出信号的仪表，其内部含有两个热敏电阻Pt1000［10］、电源电路、硬件处理电路和通信电路，如图1所示。

在传感器的前端开有一个测温孔，便于敏感元件铂热电阻接触液体测量温度。两个热敏电阻Pt1000随着温度的变化产生两个电信号，经AD转换芯片转换为数字信号，通过SPI协议将数字信号传给融合中心。融合中心采用BKF的扩维融合数据处理算法，对测量数据进行融合处理。在融合中心，首先根据定义的相似矩阵对测量数据进行判断剔除，再利用BKF进行扩维融合处理。通信电路是数据传输的重要通道，采用RS485将处理后的输出信号传输给SCM中SEM的I/O板卡。

2 温度传感器测量模型

传感器采用两个Pt1000热敏电阻，双冗余热敏电阻测温属于同质温度传感器测量范围，系统模型描述如下：

从图5可以看出，对于均方误差，BKF扩维融合优于KF扩维融合，进一步说明了BKF扩维融合的精度高于KF扩维融合。

第2种情况，用BKF进行扩维融合，在50２_ｋ=9。对故障热敏电阻测量数据剔除融合和无剔除融合进行仿真，结果如图6、7所示。

从图6、7可以看出，当传感器出现故障时，如果不进行故障传感器的剔除，融合结果的均方误差会迅速变大，与无剔除的融合结果相比，本课题提出的有剔除融合算法能够进一步抑制均方误差变大，也即比无剔除故障传感器测量数据直接进行融合的结果更精确。

5 结束语

笔者设计的双冗余温度传感器，利用基于有偏卡尔曼的数据融合方法，进一步降低了融合测量结果的均方误差，有效提高了融合测量结果的精度。并且当传感器内部某个热敏元件出现故障或者受环境影响较大时，利用相似矩阵将其剔除，具有一定的抗干扰性能。对于实时、准确获取水下生产系统关键部位的温度，保障水下采油系统安全稳定运行具有重要意義。

参 考 文 献

［1］ 刘超，刘传岩，刘健，等.水下油气生产系统概述及其发展现状［J］.石油工程建设，2021，47（6）：29-34.

［2］ 俞华，孙恪成，邓欣，等.渤海水下油气生产控制系统适应性分析［J］.机电工程技术，2021，50（5）：60-63；137.

［3］ 李志刚，贾鹏，王洪海，等.水下生产系统发展现状和研究热点［J］.哈尔滨工程大学学报，2019，40（5）：944-952.

［4］ 左信，岳元龙，段英尧，等.水下生产控制系统综述［J］.海洋工程装备与技术，2016（1）：58-66.

［5］   BAO L，JRGENSEN S B.Soft sensor design by multi?variate fusion of image features and process measure?ments［J］.Journal of Process Control，2011，21（4）：547-553.

［6］ 宋海华，王秀丽，李红海.精馏塔板上气液相界面积的测量与预测［J］.化工学报，2003，54（8）：1112-1117.

［7］ 蔡连博，许文兵，曲俊生，等.深水铺管起重船多传感器数据融合技术研究［J］.中国造船，2014，55（3）：202-209.

［8］ 李振春，李闯，黄建平，等.基于先验模型约束的最小二乘逆时偏移方法［J］.石油地球物理勘探，2016，51（4）：738-744；5.

［9］ BEN?HAIM Z，ELDAR Y C.Blind Minimax Estimation［J］.IEEE Transactions on Information Theory，2007，53（9）：3145-3157.

［10］   赵金标，朱庆生，周小军，等.基于Pt1000的滤光器测温系统设计［J］.传感器与微系統，2017，36（6）：73-76.

［11］   TAN J J，LI D，ZHANG J Q，et al.Biased Kalman filter［C］//2011 Fifth International Conference on Sensing Technology.Chengdu，2011：581-584.

［12］ 李永明，归庆明，顾勇为，等.有偏卡尔曼滤波及其算法［J］.武汉大学学报（信息科学版），2016，41（7）：946-951.

［13］ 严春满，吴松伦，董俊松.自适应渐消有偏扩展卡尔曼滤波在目标跟踪中的应用［J］.传感技术学报，2020，33（2）：315-320.

［14］ GAO J B，HARRIS C J.Some remarks on Kalman filters for the multisensor fusion［J］.Information Fusion，2001，3（3）：191-201.

［15］ 马丽丽，张曼，陈金广.多传感器集中式增量卡尔曼滤波融合算法［J］.计算机工程与应用，2014，50（11）：229-232；255.

（收稿日期：2022-07-25）

Data Filtering Method of Double Redundant Heat ResistanceBased on Biased Kalman Filter

XU Zheng?hai1， ZUO Xin2， WU Lu1， CHEN Ya?nan2， YUE Yuan?long2

（1. CNOOC Research Institute Co.， Ltd.；2. College of Information Science and Engineering，China University of Petroleum （Beijing））

Abstract   Considering the single sensors temperature drift and low accuracy caused by the underwater complex environment where the underwater production control system works， a dual redundant temperature sensor（ with two thermosensitive elements） was designed. Through making use of biased Kalman?based extended dimension fusion method， the data processing was carried out to improve accuracy of sensor fusion measurement. In addition， a similarity matrix was defined to eliminate measurement data of faulty sensors before the fusion and to further improve reliability of the measurement results. Experimental results show that， this sensor has high accuracy and strong anti?interference performance for temperature measurement.

Key words   temperature measurement， double redundant， sensor， biased Kalman， data fusion， extended dimension

作者简介：徐正海（1967-），教授级高级工程师，从事海洋石油天然气开发工程研发与设计工作。

通讯作者：岳元龙（1984-），副教授，高级工程师，从事数据融合、控制系统可靠性理论研究，yueyuanlong@cup.edu.cn。

引用本文：徐正海，左信，吴露，等.基于有偏卡尔曼的双冗余热电阻数据滤波方法［J］.化工自动化及仪表，2023，50（2）：188-193.