【技术实现步骤摘要】
本专利技术涉及纺织数据监控
，具体涉及一种基于D-S证据理论的纺织过程数据融合系统。
技术介绍
随着纺织机械设备自动化、网络化和智能化的发展，整个纺织制造过程以前所未有的速度产生着海量的工艺设备、生产过程和运行管理数据，除此以外还包括控制回路数据，文本类型的原料、传感器数据，纱疵检测图像数据等非结构化数据，而且数据间具有高维性、非线性、强相关，以及多噪声特点，故纺织过程数据具有数据量大、类型多、实时性强以及价值大的特点，基本具备了大数据“4V”的特点，是一个典型的“大数据”。在这个“大数据”环境下，纺织制造执行系统又是一种非线性、时变的多变量系统，使得生产过程数据中常伴有不可测的不确定性因素，这种扰动容易导致数据量的倍增，并随着应用精度的提高则呈几何级递增，使得已有的信息集成模型和方法难以应对该“大数据”，最终导致纺织过程数据融合结果的正确性难以保证。因此，如何对这些海量纺织数据进行形式化表达和数据融合理，从而有利于实现海量数据的有效集成与管理，更有利于构建大数据环境下的纺织制造执行系统是亟待解决的现实问题。
技术实现思路
为解决上述问题，本专利技术提供了一种基于D-S证据理论的纺织过程数据融合系统，选择两种或两种以上的传感器组来检测异常事件的状况，然后采用两级传感器信息融合，一级是局部(即象素级)融合，其采用经典的自适应加权融合估计算法，克服了单个传感器的不确定性和局限性，从而获得了被测对象的一致性解释与描述。二级是在全局(即决策层)进行融合，采用Dempster-Shafer(D-S)证据理论。由于D-S证据理论允许人们对不确定性问题进行建模，并进...
【技术保护点】
一种基于D‑S证据理论的纺织过程数据融合系统，其特征在于，包括用于采集各车间数据的传感器模块、局部决策模块和D‑S合成模块，传感器模块和局部决策模块一一对应设置相连，所述局部决策模块与D‑S合成模块相连，所述局部决策模块采用自适应加权数据融合算法，所述D‑S合成模块采用Dempster‑Shafer(D‑S)证据理论。
【技术特征摘要】
1.一种基于D-S证据理论的纺织过程数据融合系统，其特征在于，包括用于采集各车间数据的传感器模块、局部决策模块和D-S合成模块，传感器模块和局部决策模块一一对应设置相连，所述局部决策模块与D-S合成模块相连，所述局部决策模块采用自适应加权数据融合算法，所述D-S合成模块采用Dempster-Shafer(D-S)证据理论。2.根据权利要求1所述的一种基于D-S证据理论的纺织过程数据融合系统，其特征在于，所述自适应加权数据融合算法具体包括如下步骤：S1、设有n个传感器来检测某不确定性因素引起的异常事件，它们的方差分别为各传感器的测量值分别为x1，x2，…，xn，且其相互独立；假定各传感器的加权因子分别为w1，w2，…，wn，那么加权因子引入后，系统的传感器数据融合值为：式中总均方差为： δ 2 = E [ ( x - x ^ ) 2 ] = E Σ i = 1 n w i 2 ( x - x ^ ) 2 + 2 E Σ i = 1 , j = 1 , i = j n w i w j ( x - x ^ i ) ( x - x ^ j ) ; ]]>由于x1，x2，…，xn彼此相互独立，且是x的无偏估计，故：且i≠j；i，j＝1，2，…，n；则有：式中，δ为各加权因子wi的多元二次函数；S2、根据求极值理论，当加权因子为：则有：S3、设：q＝1，2，…，n；此时的估计值为总均方误差为： δ ‾ 2 = E [ ( x - x ‾ ^ ) 2 ] = E Σ i = 1 n w i 2 ( x ...
【专利技术属性】
技术研发人员：邵景峰，马晓红，杨小渝，马创涛，王瑞超，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。