|
|
您現(xiàn)在的位置 > 新聞動(dòng)態(tài)
卷板機(jī)智能診斷中的信息融合問題 |
| 發(fā)布時(shí)間：2018/5/24 |
卷板機(jī)多傳感器信息融合的潛在優(yōu)勢是能夠在更短的時(shí)間內(nèi)，以更小代價(jià)獲取單個(gè)卷板機(jī)傳感器所無法獲取的更精確的特征。
信息融合(Information Fusion)技術(shù)，也稱卷板機(jī)多傳感器信息融合技術(shù)或數(shù)據(jù)融合(Data Fusion)技術(shù)，最早出現(xiàn)于20世紀(jì)70年代，并于20世紀(jì)80年代發(fā)展成為一項(xiàng)專門技術(shù)。它是人類模仿自身信息處理能力的結(jié)果，通過卷板機(jī)多種傳感器數(shù)據(jù)的綜合(集成和融合)來獲得比單一卷板機(jī)傳感器更多的信息。
1．概念
卷板機(jī)多傳感器信息融合比較確切的定義可以概括為：充分利用不同時(shí)間與空間的卷板機(jī)多傳感器信息資源，采用數(shù)控技術(shù)對按時(shí)序獲得的卷板機(jī)傳感器觀測信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，以完成所需的決策和估計(jì)任務(wù)，使系統(tǒng)獲得比它的各組成部分更優(yōu)越的性能。卷板機(jī)多傳感器系統(tǒng)是數(shù)據(jù)融合的硬件基礎(chǔ)，多源信息是數(shù)據(jù)融合的加工對象，協(xié)調(diào)優(yōu)化和綜合處理是數(shù)據(jù)融合的核心。
2．信息融合的層次
卷板機(jī)傳感器融合是把多種卷板機(jī)傳感器集中于一個(gè)統(tǒng)一的感知系統(tǒng)中，從而有機(jī)地綜合利用從多個(gè)卷板機(jī)傳感器來的信息，以便建立一致的即不存在矛盾的客觀模型或有關(guān)觀測對象的符合規(guī)定的狀態(tài)矢量。融合后的信息是對被感知對象或環(huán)境的更為確切的解釋和更高層次的描述。與單一的卷板機(jī)傳感器獲得的信息相比，經(jīng)過集成與融合的多卷板機(jī)傳感器信息具有冗余性、互補(bǔ)性、實(shí)時(shí)性和低成本。按照信息處理過程中信息的抽象程度，可將信息融合劃分為三個(gè)層次：低層(信號層)、中層(特征層)和高層(決策層)。信號層融合是對卷板機(jī)傳感器的原始信息以及預(yù)處理的各個(gè)階段產(chǎn)生的信息進(jìn)行融合，它保持了原始信息，但存在著處理信息量大、實(shí)時(shí)性差、原始信息易受影響、穩(wěn)定性差等問題，融合獲得穩(wěn)定一致的綜合信息比較困難，要求卷板機(jī)傳感器信息來源于同質(zhì)卷板機(jī)傳感器。特征層面對的是從各個(gè)卷板機(jī)傳感器提供的信息中提取出來的特征信息，該層次的融合是數(shù)據(jù)層融合和決策層融合的折中形式，既保留了足夠的信息，又實(shí)現(xiàn)了信息壓縮，兼具信號級和決策級的優(yōu)點(diǎn)，具有較大的應(yīng)用范圍。決策層融合是在信息表示的最高層次上進(jìn)行的融合處理，它直接對不同卷板機(jī)傳感器形成的局部決定進(jìn)行綜合分析，以便得到最終的統(tǒng)一決策。決策層融合具有最好的實(shí)時(shí)陛與較好的容錯(cuò)性，對原始信息沒有特殊要求；當(dāng)某個(gè)或幾個(gè)卷板機(jī)傳感器失效時(shí)，適當(dāng)?shù)娜诤先阅芙o出最后的決策；另外，各個(gè)卷板機(jī)傳感器可以是異質(zhì)卷板機(jī)傳感器。
無論哪一層次的融合，在進(jìn)行融合前必須對信息進(jìn)行關(guān)聯(lián)性處理，保證融合信息的一致性。多卷板機(jī)傳感器信息融合的結(jié)構(gòu)層次如圖所示。根據(jù)具體的系統(tǒng)，可以在上述三個(gè)層次中選擇以決策級的信息融合為主、特征級的信息融合為輔的信息融合結(jié)構(gòu)，或者相反。
(a)信號層信息融合
(b)特征層信息融合
(c)決策層信息融合
圖4—56信息融合結(jié)構(gòu)層次3．信息融合的方法
信息融合是指整個(gè)集成過程中實(shí)現(xiàn)來自多種信息源的信息統(tǒng)一合并的具體階段和方法，因此它是多源信息集成中的關(guān)鍵技術(shù)，關(guān)系到整個(gè)系統(tǒng)的效率與集成信息的準(zhǔn)確性和可靠性。在多卷板機(jī)傳感器系統(tǒng)中，各信息源提供的信息都具有一定程度的不確定性，因此融合過程實(shí)質(zhì)上是一個(gè)非確定性推理與決策的過程。信息融合主要有以下幾種方法。
貝葉斯概率推理法
將各卷板機(jī)傳感器作為不同的貝葉斯估計(jì)器，由它們組成一個(gè)具有隊(duì)結(jié)構(gòu)的決策系統(tǒng)。利用某一個(gè)決策規(guī)則，選擇對被觀察對象的最佳估計(jì)。貝葉斯估計(jì)技術(shù)是基于貝葉斯準(zhǔn)則實(shí)現(xiàn)的。此時(shí)決策既基于先驗(yàn)概率，又依賴于由卷板機(jī)傳感器度量的似然函數(shù)。
2)Dempster—Shafer證據(jù)推理法
該方法中最基本的實(shí)體是鑒別框架，每一個(gè)信息源相當(dāng)于一個(gè)證據(jù)體。多卷板機(jī)傳感器信息融合實(shí)際上就是在統(tǒng)一鑒別框架下，通過Dempster合并規(guī)則將不同的證據(jù)體合并為一個(gè)新的證據(jù)體的過程。該方法允許直接將可信度賦予證據(jù)的取舍，避免了對未知概率的簡化假設(shè)，保留了信息；另外，使用的證據(jù)區(qū)間中，既表示了信息的已知性和確定性，又表示了信息的未知性與不確定性，因此具有較廣泛的應(yīng)用。
3)模糊推理法
模糊集理論為多卷板機(jī)傳感器系統(tǒng)中的不確定信息的融合提供了方法。模糊集理論把普通集合中的絕對隸屬關(guān)系靈活化，使元素對集合的隸屬度由原來的只能取0和1擴(kuò)展為可以?。?，1）區(qū)間中的任何數(shù)值，因此很適合對不確定性信息進(jìn)行描述和處理。該方法首先利用隸屬度函數(shù)將各卷板機(jī)傳感器信息轉(zhuǎn)化為模糊值，然后用多個(gè)參量的模糊值與模糊規(guī)則進(jìn)行推理，得到相應(yīng)輸出量的模糊值，再根據(jù)解模糊策略，將輸出的模糊值轉(zhuǎn)化為傳統(tǒng)的確切值。
4)神經(jīng)網(wǎng)絡(luò)法
根據(jù)系統(tǒng)接受的樣本的相似性，確定分類標(biāo)準(zhǔn)和網(wǎng)絡(luò)權(quán)值分布，采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法來獲取知識，得到不確定性推理機(jī)制?；静襟E如下：根據(jù)系統(tǒng)要求和融合形式，選擇神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)；將各個(gè)輸人信息綜合處理為一個(gè)總體輸入函數(shù)，并將此函數(shù)映射定義為相關(guān)單元的映射函數(shù)，它通過網(wǎng)絡(luò)與被測對象的交互作用將被測對象的統(tǒng)計(jì)規(guī)律反映到網(wǎng)絡(luò)結(jié)構(gòu)中；對卷板機(jī)傳感器輸出信息進(jìn)行學(xué)習(xí)、理解，確定權(quán)值的分配，完成知識獲取、信息融合，進(jìn)而對輸人模式做出解釋，將輸人數(shù)據(jù)轉(zhuǎn)換成高級邏輯概念。基于神經(jīng)網(wǎng)絡(luò)的多卷板機(jī)傳感器信息集成與融合系統(tǒng)有以下特點(diǎn)：具有統(tǒng)一的內(nèi)部知識表示形式，可將知識規(guī)則轉(zhuǎn)換成數(shù)字形式，便于建立知識庫；利用外部環(huán)境的信息，便于實(shí)現(xiàn)知識自動(dòng)獲取及并行聯(lián)想推理；可將不確定環(huán)境的復(fù)雜關(guān)系，經(jīng)過學(xué)習(xí)推理，融合為系統(tǒng)能理解的準(zhǔn)確信息；具有大規(guī)模并行處理能力，使系統(tǒng)信息處理變快。 |
|
