馬駿馳，楊桂花，郝淑娟

(大慶師范學(xué)院 物理與電氣信息工程學(xué)院，黑龍江 大慶 163712)

0 引言

目前，針對(duì)管道泄漏檢測(cè)與定位這一問(wèn)題，國(guó)內(nèi)外所采用的方法可以分為直接檢漏技術(shù)和間接檢漏技術(shù)兩大類，其中間接檢漏技術(shù)主要有負(fù)壓力波檢漏法、流量平衡檢漏法、壓力梯度法、聲信號(hào)分析法和統(tǒng)計(jì)檢漏法等。由于采用單一檢測(cè)手段存在時(shí)間與空間上的局限性，因此可將信息融合技術(shù)應(yīng)用于管道泄漏檢測(cè)與定位系統(tǒng)中，采用一定的信息融合方法得出準(zhǔn)確的報(bào)警信息[1-2]。

信息融合方法主要用在數(shù)據(jù)采集層和數(shù)據(jù)的傳輸過(guò)程當(dāng)中，數(shù)據(jù)采集層使用貝葉斯估計(jì)數(shù)據(jù)融合算法，用于減少傳感器網(wǎng)絡(luò)的信息冗余，減少能量的消耗，延長(zhǎng)網(wǎng)絡(luò)的工作時(shí)間；數(shù)據(jù)的傳輸過(guò)程中采用模糊推論數(shù)據(jù)融合方法，用于減小傳輸數(shù)據(jù)，提高數(shù)據(jù)的準(zhǔn)確性和穩(wěn)定性[3]。

1 輸油管道漏油檢測(cè)系統(tǒng)設(shè)計(jì)原理

本輸油管道漏油檢測(cè)系統(tǒng)設(shè)計(jì)框圖如圖1所示，系統(tǒng)的前端傳感器能對(duì)輸油管道當(dāng)中的流量、液壓參數(shù)進(jìn)行探測(cè)和采集，經(jīng)數(shù)據(jù)融合處理之后，將輸油管道泄漏點(diǎn)定位信息通過(guò)GSM無(wú)線模塊進(jìn)行無(wú)線傳輸，遠(yuǎn)程監(jiān)測(cè)端可采用手機(jī)客戶端或上位機(jī)數(shù)據(jù)管理軟件接收信息，從而達(dá)到遠(yuǎn)程無(wú)線監(jiān)測(cè)的目的。

圖1 系統(tǒng)設(shè)計(jì)原理圖

3 數(shù)據(jù)融合算法研究

通常，數(shù)據(jù)傳輸?shù)姆椒ㄊ菑慕K端節(jié)點(diǎn)直接輸送原始數(shù)據(jù)到傳輸模塊節(jié)點(diǎn)上并轉(zhuǎn)發(fā)。為了提高GSM網(wǎng)絡(luò)的魯棒性和準(zhǔn)確性，需要在監(jiān)測(cè)區(qū)域內(nèi)安置大量監(jiān)測(cè)節(jié)點(diǎn)，而大量監(jiān)測(cè)節(jié)點(diǎn)會(huì)導(dǎo)致重疊現(xiàn)象，因此各節(jié)點(diǎn)的信息可能是非常相似或相同的。原始數(shù)據(jù)的冗余不僅會(huì)浪費(fèi)有限的電池能量，還會(huì)占用通信的帶寬。更重要的是，頻繁的渠道競(jìng)爭(zhēng)會(huì)降低信息收集的效率。鑒于這種情況，我們?cè)跀?shù)據(jù)采集和傳輸階段提出了相應(yīng)的數(shù)據(jù)處理方法，具體介紹如下：

3.1 數(shù)據(jù)預(yù)處理算法

系統(tǒng)設(shè)計(jì)中，考慮到用大量節(jié)點(diǎn)檢測(cè)一個(gè)參數(shù)的應(yīng)用中，傳感器獲得信息的過(guò)程必然存在一些干擾誤差，因此在對(duì)傳感器測(cè)得數(shù)據(jù)進(jìn)行數(shù)據(jù)融合之前，必須保證測(cè)量數(shù)據(jù)的一致性，即驗(yàn)證傳感器的一致性。在保留“一致性傳感器”數(shù)據(jù)時(shí)，我們使用分散的方法消除從錯(cuò)誤的情況下傳感器獲取的誤差數(shù)據(jù)。假設(shè)有M個(gè)傳感器測(cè)量一參數(shù)，測(cè)量得到N個(gè)數(shù)據(jù)。這些數(shù)據(jù)從大到小的順序?yàn)椋篨1，X2,…,Xn，中位數(shù)為Xm，Xm表示為式(1)。

(1)

定義1：下四分之一點(diǎn)N0是在區(qū)間[Xm+1，Xn]的中間；上四分之一點(diǎn)N1是在區(qū)間[X1，Xm-1]中間；置信閾值DS=N1-N0。因此，無(wú)效數(shù)據(jù)定義的區(qū)間為：

|Xi-Xm|>βDS；i=1，2，…n

(2)

式(2)中的β是個(gè)常量，它的值與測(cè)量精度有關(guān)，在本設(shè)計(jì)中將它設(shè)定為1。

實(shí)際的測(cè)試過(guò)程中，我們從10個(gè)傳感器的監(jiān)測(cè)值中獲得100個(gè)數(shù)據(jù)樣本。通過(guò)分析100個(gè)樣本，我們排除了21%的過(guò)失誤差值，有效地排除不相干數(shù)值的干擾，使樣本信息數(shù)據(jù)減少到79個(gè)。經(jīng)過(guò)多組測(cè)試發(fā)現(xiàn)，中位數(shù)Xm和置信閾值DS的選擇與極限點(diǎn)的尺寸無(wú)關(guān)，與傳感器的分布有關(guān)，這些傳感器在有效范圍內(nèi)獲取的數(shù)據(jù)沒(méi)有可疑數(shù)值，具有魯棒性。

3.2 基于貝葉斯估計(jì)理論的數(shù)據(jù)融合算法

數(shù)據(jù)融合的主要思想：從不同的節(jié)點(diǎn)去除無(wú)效和信譽(yù)差的數(shù)據(jù)，結(jié)合信息處理提高共通效率。在數(shù)據(jù)應(yīng)用層提出一種基于貝葉斯估計(jì)理論的數(shù)據(jù)融合算法，該方法認(rèn)為通過(guò)貝葉斯估計(jì)能使描述事件的數(shù)據(jù)合并為一個(gè)最佳的數(shù)據(jù)，從而減少傳感器網(wǎng)絡(luò)信息的冗余。而我們恰好可將處理后的數(shù)據(jù)作為最后的結(jié)果發(fā)送到收集節(jié)點(diǎn)[4]。

貝葉斯定理描述如下：

(3)

(4)

上述方程是關(guān)于μ的二次函數(shù)。P(μ|X0，X1，…，Xi)符合正態(tài)分布，如果假設(shè)它符合正態(tài)分布N(μN(yùn)，σN2)，那么可以得出：

(5)

(6)

因此，μ的貝葉斯估計(jì)(最優(yōu)融合數(shù)據(jù))為：

(7)

因此，通過(guò)該算法設(shè)置融合數(shù)據(jù)，可以得到最優(yōu)的融合數(shù)據(jù)。

3.3 模糊推理算法

為了更好的為用戶提供收集的結(jié)果和準(zhǔn)確可靠的監(jiān)測(cè)信息，前端傳感器依據(jù)貝葉斯估計(jì)算法最優(yōu)數(shù)據(jù)融合的理論，除去了一定量的冗余信息，而在數(shù)據(jù)通信過(guò)程中還會(huì)有一些冗余產(chǎn)生，所以在遠(yuǎn)程相互作用之前，使用數(shù)據(jù)融合的模糊推理決策方法，通過(guò)提高數(shù)據(jù)的標(biāo)準(zhǔn)達(dá)到最大的數(shù)據(jù)融合。模糊推理融合方法原理如圖2所示：

圖2 模糊推理融合原理圖

其中，模糊推理決策方法包括輸入和輸出的模糊化、成員功能設(shè)置和決策規(guī)則推理等。模糊推理決策方法被定義為：在多傳感器信息融合情況下，若A是可能產(chǎn)生決策的事件點(diǎn)，B為傳感器設(shè)置點(diǎn)，A和B的關(guān)系矩陣為RA·B。元素μij表示傳感器i推斷決定是j的可能性，X表示每個(gè)傳感器事件發(fā)生判斷的可信度。通過(guò)模糊變換可得到Y(jié)，Y表示事件決策的概率。假設(shè)有M個(gè)傳感器觀察一個(gè)事件，而關(guān)于此事件有N種可能的決策情況，則：

A：{Y1/決定1，Y2/決定2，…，Yn/決定n}；
B：{X1/傳感器1，X2/傳感器2，…，Xm傳感器m}。

傳感器用來(lái)判斷每個(gè)對(duì)于隸屬函數(shù)A的定義的決定，假設(shè)傳感器i確定的系統(tǒng)結(jié)果是μi1決定1、μi2決定2、μi3決定3……μin決定n，0≤μx≤1 ；結(jié)果的可能性j是μij，用矢量表示μi1，μi2，μi3，…，μin，傳感器M組成的關(guān)系矩陣A×B為

(8)

各傳感器的可靠程度確定隸屬度B：X={X1/傳感器1，X2/傳感器2，…，Xm/傳感器m}；然后根據(jù)Y=X*RAB，通過(guò)模糊變換，結(jié)果能夠得到Y(jié)=(Y1，Y2，…，Yn)。綜合判斷之后得出不同的決策結(jié)果Y的可能性。最后，根據(jù)一定的規(guī)則對(duì)所有可能的選項(xiàng)判斷并得出最佳結(jié)果。

4 實(shí)驗(yàn)

測(cè)量結(jié)果認(rèn)為基于貝葉斯估計(jì)的數(shù)據(jù)融合理論比其他方法更接近被測(cè)量的真值。在實(shí)際應(yīng)用中，大量的測(cè)量參數(shù)是分散的，基于貝葉斯估計(jì)的數(shù)據(jù)融合算法能更好地提高測(cè)量值的準(zhǔn)確性[5]。之后我們?cè)诜抡嬖囼?yàn)情況下，利用模糊推理融合算法對(duì)這些測(cè)量值處理，并最終得出輸油管道漏油信息。以下為實(shí)驗(yàn)數(shù)據(jù)：

液壓傳感器的隸屬函數(shù)值為μ1，確定漏油的數(shù)值為μ11=0.4，不漏油的數(shù)值μ12=0.6。流量傳感器的隸屬函數(shù)值為μ2，確定漏油的數(shù)值為μ21=0.65，不漏油的數(shù)值μ22=0.35，因此可以得出

(9)

傳感器的加權(quán)X=(0.4，0.6)，根據(jù)方程Y=X*RAB，可以得出結(jié)果。Y1代表漏油，Y2代表不漏油。做模糊變換我們能得出Y1=0.39，Y2=0.61。所以可以得到它可以推斷漏油的可能性，當(dāng)漏油事件發(fā)生時(shí)傳感器數(shù)據(jù)達(dá)到一些參數(shù)的極限值，并給予警告標(biāo)志。

為了減少了單傳感器因錯(cuò)誤數(shù)據(jù)產(chǎn)生的誤報(bào)事件，因此進(jìn)一步壓縮數(shù)據(jù)，提高數(shù)據(jù)的準(zhǔn)確性，可靠性。通過(guò)無(wú)線通信模塊將數(shù)據(jù)提供到遠(yuǎn)程用戶上，完成實(shí)時(shí)遠(yuǎn)程監(jiān)測(cè)。

5 結(jié)語(yǔ)

本文基于GSM技術(shù)遠(yuǎn)程漏油監(jiān)控?zé)o線傳感器網(wǎng)絡(luò)的建立，對(duì)數(shù)據(jù)融合算法在數(shù)據(jù)處理中的應(yīng)用進(jìn)行了深入探討，可以得到如下結(jié)論：

1)它是獲取一致性數(shù)據(jù)策略的分布式方法，它可以提高不確定性的適應(yīng)性。并可以提供有效的數(shù)據(jù)；

2)它是貝葉斯估計(jì)理論數(shù)據(jù)融合方法測(cè)量獲得接近真實(shí)值的數(shù)據(jù)測(cè)量；

3)模糊推理數(shù)據(jù)融合的結(jié)果與單一的傳感器檢測(cè)結(jié)果相比，前者有更高的準(zhǔn)確性和可信度。但該方法設(shè)置各種參數(shù)需要反復(fù)實(shí)驗(yàn)驗(yàn)證，才能獲得最佳參數(shù)配置。

通過(guò)分配方法和貝葉斯估計(jì)理論數(shù)據(jù)融合的結(jié)合，我們可以得到一個(gè)接近真值的最優(yōu)融合數(shù)據(jù)，提高了數(shù)據(jù)采集系統(tǒng)的精度，可以降低網(wǎng)絡(luò)信息冗余，提高數(shù)據(jù)的可靠性，延長(zhǎng)網(wǎng)絡(luò)壽命。在某種程度上，它擴(kuò)大了GSM應(yīng)用范圍，提高了系統(tǒng)的整體性能。

[參考文獻(xiàn)]

[1] 趙江,王昭雷,趙英寶.基于信息融合的管道泄漏檢測(cè)應(yīng)用研究[J].工業(yè)控制計(jì)算機(jī)，2007,20(12):19-20.

[2] 李紅巖.長(zhǎng)距離輸油管道泄漏檢測(cè)技術(shù)[J].油氣田地面工程，2009,28(1)：74-75.

[3] Yi Zhang,Peng Xiong.Design of remote home environment monitoring and health care monitoring system based on data confusion[C].International Conference on Automation and Logistics Chongqing,2011：35-39.

[4] 張鎮(zhèn),李著信.基于Bayes方法的凍土地區(qū)輸油管道可靠性評(píng)價(jià)[J].油氣田地面工程,2009,27(5):26-27.

[5] Fu Hua,Du Xiaokun.Bayes estimation theory based on the data fusion method[J].Control Theory and Applications,2005,24(4):10-12.