李胡

摘 要：本文重點對異質(zhì)多傳感器數(shù)據(jù)融合技術(shù)進行探討，包含在特征提取階段根據(jù)各傳感器特性分別采用效能最高的特征提取技術(shù)，采用模糊神經(jīng)網(wǎng)絡(luò)算法進行融合，實現(xiàn)快速、準確的異質(zhì)多傳感數(shù)據(jù)的融合。

關(guān)鍵詞：工業(yè)機器人 多傳感器 數(shù)據(jù)融合 技術(shù)路徑

工業(yè)機器人是一種包括機械、電子、控制、計算機、傳感器、人工智能、數(shù)據(jù)處理等多學科先進技術(shù)，并將其應(yīng)用于一體的現(xiàn)代制造業(yè)重要的自動化設(shè)備。隨著工業(yè)發(fā)展的需求，機器人中的傳感器作用日益凸顯，諸如位移、速度、加速度、角速度、力、溫度、磁場、光等物理量，將機器人監(jiān)測到的物理量用多傳感器的融合技術(shù)來進行環(huán)境建模、決策、控制及反饋，對整個自動化生產(chǎn)線的控制起著至關(guān)重要的作用，因此探討研究多傳感器的數(shù)據(jù)融合技術(shù)很有必要。

一、異質(zhì)傳感數(shù)據(jù)融合算法

多傳感器的數(shù)據(jù)融合是指對多個傳感器從不同信號源采集的數(shù)據(jù)進行融合，以實現(xiàn)系統(tǒng)更有效地控制被控對象。異質(zhì)傳感數(shù)據(jù)融合算法研究和多個異質(zhì)傳感器融合的實質(zhì)是多源不確定性信息的協(xié)同處理，深入研究數(shù)據(jù)融合算法，提高融合精度，以最優(yōu)方式對傳感數(shù)據(jù)進行融合。其主要任務(wù)是對異質(zhì)傳感器數(shù)據(jù)的建模、協(xié)同與解釋。異質(zhì)傳感數(shù)據(jù)的建模是如何建立一個通用的信息處理模式，從而為多個異質(zhì)傳感器建立一種高效的融合架構(gòu)的呢？

在異質(zhì)多傳感數(shù)據(jù)融合的研究中，高精度、快速的融合算法研究非常重要，而多傳感數(shù)據(jù)融合的集成模式與框架是數(shù)據(jù)融合算法處理的基礎(chǔ)。因此，建立在高效率的數(shù)據(jù)融合框架上的高精度融合算法研究是研究重點。從融合結(jié)構(gòu)層入手，選取高效率的融合結(jié)構(gòu)，并在此基礎(chǔ)上應(yīng)用快速、準確率高的融合算法實現(xiàn)多傳感數(shù)據(jù)融合。

數(shù)據(jù)融合結(jié)構(gòu)可分為三層：決策層、特征層、數(shù)據(jù)層。決策層融合是在收到每個傳感器對物理對象做出識別的信號后，直接將識別的結(jié)果進行有效融合，雖然其對通信帶寬要求較低，但其對結(jié)果準確率預(yù)測也較低。特征層融合是從每個傳感器對物理對象做出識別的信號中提取出特征向量，并有效融合特征向量，采用融合算法對融合結(jié)果進行識別判斷，其不但可適用于異質(zhì)傳感器的融合，而且對通信帶寬要求較低。數(shù)據(jù)層融合是將全部傳感器對物理對象做出識別后產(chǎn)生的全部信號數(shù)據(jù)進行融合形成總的信號數(shù)據(jù)，并將特征向量從總信號數(shù)據(jù)中提取出來識別判斷，但這種方法只適用于同質(zhì)多傳

感器。

采用特征層融合結(jié)構(gòu)來進行異質(zhì)多傳感數(shù)據(jù)融合，減少了大量的干擾數(shù)據(jù)，可提高運算速度，并且在保持較高準確度的前提下，易于實現(xiàn)實時處理。在特征層融合結(jié)構(gòu)中將根據(jù)傳感器數(shù)據(jù)處理類型分別采用小波分析、主成分分析、信息熵法、貝葉斯等相應(yīng)的特征提取技術(shù)提取各傳感器特征。當各傳感器特征向量提取出之后，采用多數(shù)據(jù)融合算法對其進行融合。

采用將模糊理論與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合的算法對特征向量進行融合處理，能夠避免采用二值邏輯進行判斷時不適應(yīng)系統(tǒng)數(shù)據(jù)融合時存在的各種不確定性。采用多值邏輯方法的模糊邏輯，在推理過程中它能夠直接表示多傳感器信息融合過程中的不確定性，但在自動生成和調(diào)整模糊規(guī)則及隸屬度函數(shù)方面仍存在困難。神經(jīng)網(wǎng)絡(luò)理論具有大規(guī)模并行處理能力、自學習能力和自適應(yīng)能力，其仿生特性使之能更有效地利用本身的信息。但其知識表達比較困難，學習速度慢。將模塊理論與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合作為融合算法，其以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，利用模糊邏輯較強的結(jié)構(gòu)性知識表達能力，其具有兩者所具有的特點，可有效并快速地在算法層面實現(xiàn)融合。自適應(yīng)模糊神經(jīng)推理系統(tǒng)以模糊規(guī)則的邏輯推理過程為基礎(chǔ)，對輸入信號進行模糊化處理、相乘處理、歸一化可信度處理，最終按模糊化、推理和清晰化過程產(chǎn)生輸出。

二、多傳感器數(shù)據(jù)管理技術(shù)

隨著多傳感器數(shù)據(jù)融合技術(shù)的不斷發(fā)展，多傳感器的管理已經(jīng)成為數(shù)據(jù)融合系統(tǒng)的一個必不可少的組成部分。多傳感器的管理就是將數(shù)據(jù)融合的結(jié)果反饋到融合處理的過程中，多傳感器管理在滿足各個具體特性最優(yōu)值的前提下，充分利用已有的傳感器資源，對傳感器的資源進行合理科學的分配。從而將數(shù)據(jù)融合處理過程構(gòu)成閉環(huán)反饋結(jié)構(gòu)，提高融合的性能。為了提高數(shù)據(jù)融合的性能及對傳感器的利用效率，針對多傳感器管理是在這樣一個不確定的、動態(tài)環(huán)境中的管理過程，協(xié)調(diào)管理多個傳感器的傳感器管理系統(tǒng)的結(jié)構(gòu)是十分重要的技術(shù)。傳感器體系結(jié)構(gòu)是實現(xiàn)傳感器管理的基礎(chǔ)，合理的結(jié)構(gòu)體系不僅可以保證傳感器高效地工作，還可以減輕數(shù)據(jù)融合系統(tǒng)的工作負擔。傳感器管理是一個跨學科的研究領(lǐng)域，涉及諸多領(lǐng)域的技術(shù)。如何實現(xiàn)傳感器管理的簡化決策過程、合理調(diào)度、協(xié)同工作高效是傳感器管理方法研究的重要技術(shù)指標。

多傳感器管理技術(shù)研究包括體系結(jié)構(gòu)研究與管理方法研究，體系結(jié)構(gòu)采用宏觀/微觀（Macro/Micro）式雙層結(jié)構(gòu)。宏觀層動態(tài)配置有效分配每個傳感器的任務(wù)，實現(xiàn)多傳感器間的信號交接與引導，實現(xiàn)傳感器間的協(xié)調(diào)與交互。微觀層則通過對各個傳感器進行模式選取或參數(shù)設(shè)置，針對控制各個傳感器給定的具體工作任務(wù)來執(zhí)行，通過這種設(shè)計，由負責宏觀傳感器管理的宏觀傳感器管理器根據(jù)數(shù)據(jù)融合與最終判決的反饋結(jié)果合理分配各個傳感器的工作模式與參數(shù)，調(diào)度傳感器并進行目標優(yōu)先級排序等。在微觀層次，每個傳感器小系統(tǒng)在采集數(shù)據(jù)的過程的同時也接受來之宏觀傳感器管理器的命令，并根據(jù)命令設(shè)置工作模式，通過兩層的交互實現(xiàn)最終的動態(tài)配置。

合理有效地利用來自多傳感器數(shù)據(jù)，并能解決多傳感器組成的系統(tǒng)中，存在異質(zhì)傳感器的互斥性及部分傳感器有功能和工作條件的限制問題，實現(xiàn)多傳感器管理有效管理這一控制過程，需要按最優(yōu)準則建立一個目標函數(shù)，目標函數(shù)要易于量化，通過對目標函數(shù)進行的優(yōu)化，配置傳感器工作模式與參數(shù)等。

傳感器管理方法以數(shù)學規(guī)劃中的線性規(guī)劃為基礎(chǔ)，采用效能函數(shù)建立目標函數(shù)的，建立傳感器分配的效能函數(shù)是通過求目標優(yōu)先級函數(shù)和傳感器——目標配對函數(shù)的加權(quán)平均值，以“效能函數(shù)最大”為準則，并結(jié)合浪費率函數(shù)對目標覆蓋范圍約束和傳感器最大跟蹤能力約束，利用線性規(guī)劃技術(shù)求解最優(yōu)分配方案。

三、小結(jié)

異質(zhì)多傳感器數(shù)據(jù)融合技術(shù)利用模糊神經(jīng)網(wǎng)絡(luò)算法，融合基于特征層的異質(zhì)多傳感數(shù)據(jù)、效能最優(yōu)的管理方法以及雙層結(jié)構(gòu)多傳感器管理結(jié)構(gòu)，并且在特征提取階段分別根據(jù)各傳感器特性，采用效能最高的特征提取技術(shù)進行數(shù)據(jù)融合，從而減少通信帶寬的需求，并實現(xiàn)快速、準確的異質(zhì)多傳感數(shù)據(jù)的融合，有利于工業(yè)機器人的系統(tǒng)控制。

（作者單位：廣東省機械技師學院）endprint