一种融合多种传感器信息实现测量值分析的方法技术

本发明专利技术公开一种融合多种传感器信息实现测量值分析的方法，包括以下步骤：步骤1、接收多种传感器数据信息传感的测量值数据信息，以实现多种传感器测量值数据信息的接收；步骤2、利用大数据融合计算模型将多种传感器数据信息进行融合，以兼容不同形式的传感器数据信息；步骤3、利用BP神经网络模型对分类后的多种传感器数据实现故障诊断；步骤4、将处理后的多种传感器数据进行数据输出，以提高故障数据信息的应用能力。本发明专利技术能够融合多种数据传感器信息，将不同类型的传感器信息通过大数据融合计算模型将多种传感器数据信息进行融合计算，提高了传感器数据信息的计算能力，并通过BP神经网络诊断算法模型提高了多种数据传感器的计算能力。计算能力。计算能力。

【技术实现步骤摘要】
一种融合多种传感器信息实现测量值分析的方法


[0001]本专利技术涉及测量、控制
，且更确切地涉及一种融合多种传感器信息实现测量值分析的方法。

技术介绍

[0002]传感器（英文名称：transducer/sensor）是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。传感器的特点包括：微型化、数字化、智能化、多功能化、系统化、网络化。它是实现自动检测和自动控制的首要环节。传感器的存在和发展，让物体有了触觉、味觉和嗅觉等感官，让物体慢慢变得活了起来。通常根据其基本感知功能分为热敏元件、光敏元件、气敏元件、力敏元件、磁敏元件、湿敏元件、声敏元件、放射线敏感元件、色敏元件和味敏元件等十大类。随着各种传感器、无线通信网络、集成电路、微机电系统等技术和生产工艺的快速发展和日益成熟,使得低成本、低功耗、多功能的微型传感器的大量生产成为可能，所以无线传感网的出现给工业生产带来较大的便利。
[0003]由于现有技术中工程测量技术大多还是处于机械测量，人工手动测量来获取本研究所需要的测量值，这种测量技术耗时费力，而且在环境较为复杂、布线人员无法到达的区域是很难实施测量的。传统工程测量领域中，还存在离线作业方式，这方式直接造成了管理难度高、作业效率低等。在存在多传感器
中，如何实现传感器数据信息的分析和计算就成为亟待解决的问题。

技术实现思路

[0004]针对上述技术的不足，本专利技术公开一种融合多种传感器信息实现测量值分析的方法，该方法能够融合多种数据传感器信息，将不同类型的传感器信息通过大数据融合计算模型将多种传感器数据信息进行融合计算，提高了传感器数据信息的计算能力，并通过BP神经网络诊断算法模型提高了多种数据传感器的计算能力。
[0005]为了实现上述技术效果，本专利技术采用以下技术方案：一种融合多种传感器信息实现测量值分析的方法，其中包括：步骤1、接收多种传感器数据信息传感的测量值数据信息，以实现多种传感器测量值数据信息的接收；在本步骤中，通过传感器网络节点实现多种传感器数据信息的输出，通过CSMA算法模型提高传感器数据信息传递能力，并应用MAC协议将传感器网络信道数据转发给汇聚节点，提高传感器网络信息获取能力；步骤2、利用大数据融合计算模型将多种传感器数据信息进行融合，以兼容不同形式的传感器数据信息，并将多种传感器信息按照不同数据属性进行分类；在本步骤中，通过数字运算方法实现多种传感器数据信息信号变换、滤波、检测、估值、调制解调的对数据处理的模块；通过卡尔曼滤波算法模型实现多种传感器数据信息
目标状态高精度的测量；通过贝叶斯算法模型实现测量数据信息的分类；步骤3、利用BP神经网络模型对分类后的多种传感器数据实现故障诊断，以实现多种传感器数据信息的分析过程；在本步骤中，在BP神经网络模型中加入可信度检测步骤，以提高传感器数据信息分析能力；步骤4、将处理后的多种传感器数据进行数据输出，并对诊断出的故障数据进行处理，以提高故障数据信息的应用能力。
[0006]作为本专利技术进一步的技术方案，在步骤2中，数字运算方法通过DSP控制模块实现数据信息计算。
[0007]作为本专利技术进一步的技术方案，所述CSMA算法模型实现传感器数据传递的方法为：通过CSMA算法模型输出无线传感器网络数据信息，进而反映传感器网络数据信息在传递过程中数据发送整体情况，应用的Poisson分布公式函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式（1）中，G表示无线传感器网络数据在数据传递过程中，到达汇聚节点时无线信息分组平均到达率，e表示无线传感器网络数据信息在发布时的时隙发出概率，表示无线网络传感器的节点传输能力，N表示个别数据节点网络数据输出量，表示网络信息空闲时隙具有的平均个数；Z表示无线传感器网络数据在数据传递过程中，系统整体输出数据的总量；其中无线传感器网络数据信道空闲概率函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）当无线传感器网络数据在通信时，假设通信前存在个数据时隙，则无线传感器网络在数据通信时，网络信息空闲时隙具有的平均个数函数为：
ꢀꢀꢀꢀꢀ
（3）式（3）中，表示无线传感器网络数据在数据传递过程中，到达汇聚节点时无线信息分组效率。
[0008]作为本专利技术进一步的技术方案，所述卡尔曼滤波算法模型通过数据融合函数的方式实现多种传感器数据信息的融合，将不同的传感器数据信息分离为离散时间系统，则融合后的大数据函数表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）式（4）中，表示多种传感器采集到的数据信息输入，表示多种数据传感器输入数据信息的外部噪音信息，表示计算不同传感器数据信息的高斯线性组合随机序列，表示多种传感器输出数据信息的协方程，表示待融合传感器的个数；则启动融合计算后，输出融合后的数据信息为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
式（5）中，表示融合后的传感器数据计算量，表示融合不同传感器计算的随机变量。
[0009]作为本专利技术进一步的技术方案，所述贝叶斯算法模型实现数据分类的方法是：首先输入多种数据传感器信息的特征属性和训练样本，设置样本数据属性；然后用贝叶斯分类算法公式进行计算；计算待考核的传感器数据特征属性类别，并进一步统计所计算的传感器数据信息在训练样本中出现频率及每个特征属性划分属性的条件概率估计，进而输出待评估的传感器数据信息；假设为训练传感器数据信息样本的待分类项，每个为的数据分类特征属性；传感器输出数据信息={电流, 电压, 温度，湿度，火焰，纹波、加速度、位移或者角度}，通过不同数据信息分类后，分类后的电流, 电压, 温度，湿度，火焰，纹波、加速度、位移或者角度数据集合C={y1, y2, y3……
，y
m
}；然后计算P（y1/x），P（y2/x），
……
，P（y
n
/x），找出P（y
k
/x）=max{ P（y1/x），P（y2/x），
……
，P（y
n
/x）},则x∈y
k
，进而找出最大值，获得最高信任值，则贝叶斯分类算法输出公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）式（6）中， A为传感器数据信息的特征， B为传感器数据信息的类别。
[0010]作为本专利技术进一步的技术方案，所述BP神经网络模型的计算方法为：步骤（1）、将采集到的传感器检测数据经输入层输入神经网络模型，原始传感器数据设为，隐含层设为，输出层设为，各个层次之间不同的数据权值由以及进行表示；在输入层中第n个节点的输出用来表示，输出层的第n个节点的输出用来表示，隐含层中第j个节点的输出用来表示，和来表示神经网络模型的阈值，各个节点的输出函数分别表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）
ꢀꢀꢀꢀ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合多种传感器信息实现测量值分析的方法，其特征在于：包括：步骤1、接收多种传感器数据信息传感的测量值数据信息，以实现多种传感器测量值数据信息的接收；在本步骤中，通过传感器网络节点实现多种传感器数据信息的输出，通过CSMA算法模型提高传感器数据信息传递能力，并应用MAC协议将传感器网络信道数据转发给汇聚节点，提高传感器网络信息获取能力；步骤2、利用大数据融合计算模型将多种传感器数据信息进行融合，以兼容不同形式的传感器数据信息，并将多种传感器信息按照不同数据属性进行分类；在本步骤中，通过数字运算方法实现多种传感器数据信息信号变换、滤波、检测、估值、调制解调的对数据处理的模块；通过卡尔曼滤波算法模型实现多种传感器数据信息目标状态高精度的测量；通过贝叶斯算法模型实现测量数据信息的分类；步骤3、利用BP神经网络模型对分类后的多种传感器数据实现故障诊断，以实现多种传感器数据信息的分析过程；在本步骤中，在BP神经网络模型中加入可信度检测步骤，以提高传感器数据信息分析能力；步骤4、将处理后的多种传感器数据进行数据输出，并对诊断出的故障数据进行处理，以提高故障数据信息的应用能力。2.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法，其特征在于：在步骤2中，数字运算方法通过DSP控制模块实现数据信息计算。3.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法，其特征在于：所述CSMA算法模型实现传感器数据传递的方法为：通过CSMA算法模型输出无线传感器网络数据信息，进而反映传感器网络数据信息在传递过程中数据发送整体情况，应用的Poisson分布公式函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式（1）中，G表示无线传感器网络数据在数据传递过程中，到达汇聚节点时无线信息分组平均到达率，e表示无线传感器网络数据信息在发布时的时隙发出概率，表示无线网络传感器的节点传输能力，N表示个别数据节点网络数据输出量，表示网络信息空闲时隙具有的平均个数；Z表示无线传感器网络数据在数据传递过程中，系统整体输出数据的总量；其中无线传感器网络数据信道空闲概率函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）当无线传感器网络数据在通信时，假设通信前存在个数据时隙，则无线传感器网络在数据通信时，网络信息空闲时隙具有的平均个数函数为：
ꢀꢀꢀꢀꢀ
（3）式（3）中，表示无线传感器网络数据在数据传递过程中，到达汇聚节点时无线信息分组效率。
4.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法，其特征在于：所述卡尔曼滤波算法模型通过数据融合函数的方式实现多种传感器数据信息的融合，将不同的传感器数据信息分离为离散时间系统，则融合后的大数据函数表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）式（4）中，表示多种传感器采集到的数据信息输入，表示多种数据传感器输入数据信息的外部噪音信息，表示计算不同传感器数据信息的高斯线性组合随机序列，表示多种传感器输出数据信息的协方程，表示待融合传感器的个数；则启动融合计算后，输出融合后的数据信息为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）式（5）中，表示融合后的传感器数据计算量，表示融合不同传感器计算的随机变量。5.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法，其特征在于：所述贝叶斯算法模型实现数据分类的方法是：首先输入多种数据传感器信息的特征属性和训练样本，设置样本数据属性；然后用贝叶斯分类算法公式进行计算；计算待考核的传感器数据特征属性类别，并进一步统计所计算的传感器数据信息在训练样本中出现频率及每个特征属性划分属性的条件概率估计，进而输出待评估的传感器数据信息；假设为训练传感器数据信息样本的待分类项，每个为的数据分类特征属性；传感器输出数据信息={电流, 电压, 温度，湿度，火焰，纹波、加速度、位移或者角度}，通过不同数据信息分类后，分类后的电流, 电压, ...

【专利技术属性】
技术研发人员：桑娟娟，
申请(专利权)人：深圳市三江电气有限公司，
类型：发明
国别省市：