基于ARM的多傳感器信息融合在工業(yè)控制中的應用

1 多傳感器信息融合

1.1 多傳感器信息融合的概念

多傳感器信息融合是指協(xié)調使用多個傳感器，把分布在不同位置的多個傳感器所提供的局部不完整觀測量及相關聯(lián)數(shù)據(jù)庫中的相關信息加以綜合，消除多傳感器信息之間可能存在的冗余和矛盾，并加以互補，降低其不確定性，獲得對物體或環(huán)境一致性描述過程。即對來自多個傳感器的數(shù)據(jù)進行多級別、多方面、多層次的處理，從而產生新的有意義信息，這是任何單一傳感器所無法獲得的。

1.2 多傳感器信息融合的方法

常用的信息融合方法有加權平均法、卡爾曼濾波、經典推理法、貝葉斯估計、D-S證據(jù)決策理論、品質因素法、模板法、熵理論、聚類分析、模糊推理、產生式規(guī)則、遺傳算法、神經網(wǎng)絡。其中，神經網(wǎng)絡方法具有很強的信息處理能力，對復雜的工業(yè)智能監(jiān)測控制系統(tǒng)及在處理不確定性的信息上，神經網(wǎng)絡是一個強有力的工具，因而為信息融合提供了一個很好的方法。

神經網(wǎng)絡用于信息融合的基本思想是：根據(jù)當前系統(tǒng)所接受到的樣本相似性，確定分類標準。確定的方法主要表現(xiàn)在網(wǎng)絡權值的分布上，同時可以采用神經網(wǎng)絡學習功能來獲取知識，得到不確定性推理機制。采用神經網(wǎng)絡中的自適應諧振理論ART(Adaptive Resonance Theory)的方法。圖1是可處理模擬信息的ART-2的網(wǎng)絡示意圖。

競爭學習機制和自穩(wěn)學習機制是自適應諧振理論(ART)的基礎。競爭學習機制只改變與競爭得勝者有關的各個權重系數(shù)，而其他所有的權重系數(shù)皆維持不變。通過學習，不同客體的觀察向量集合都找到了各自相應的獲勝輸出分量，因而根據(jù)獲勝者的編號就能自然地對它們進行分類。

自穩(wěn)學習機制由信息反饋通道、比較機制及相應的算法構成，其工作過程描述如下：1)競爭選擇運算；2)構成反饋信息通道；3)比較相似度；4)調整權重系數(shù)。

2 工業(yè)嵌入式控制系統(tǒng)與信息融合

2.1 工業(yè)控制中的信息融合

在工業(yè)控制中，過程運行狀況簡稱工況。在簡單的系統(tǒng)中，某傳感器的輸出可大體反映工況。而在復雜的工業(yè)生產過程中，工況無法用一個或幾個過程變量直接表示，某傳感器的輸出只是描述了工況的一個側面。采用適當?shù)男畔⑷诤戏椒?，將從不同側面描述工況的多個傳感器信息融合，就有可能獲得對工況的完整描述，能據(jù)此進行操作和實時干預，或系統(tǒng)按工況進行自動控制。圖2表明了信息融合控制的原理，這個過程可分解為以下部分：

1)傳感器信息獲取，包括多傳感器系統(tǒng)、傳感器信息預處理和軟測量、人機接口。該部分包括硬件和有關軟件，應盡可能地將反映對象運行狀態(tài)和環(huán)境的信息直接或間接檢測出來，包括對象的狀態(tài)量，被控量以及環(huán)境信息。

2)聚類融合控制，由一系列軟件模塊組成，是完成智能監(jiān)測控制的核心部分。

3)解釋機構，包括硬件和有關軟件，如圖、文、聲、光、多媒體輸出設備等。對系統(tǒng)當前狀態(tài)和聚類融合結果進行解釋，并通過人機接口回答用戶提出的問題。在不具有自動控制功能的智能監(jiān)測系統(tǒng)中，例如故障診斷系統(tǒng)、生產操作指導系統(tǒng)等，解釋機構完成了系統(tǒng)的全部輸出功能：顯示生產系統(tǒng)的當前工況、故障診斷結果、隱含故障和險情預報、生產操作的建議和指導等。

4)執(zhí)行機構，包括有關的功率放大和執(zhí)行裝置等硬件，根據(jù)聚類融合控制運算的結果實現(xiàn)自動反饋控制。

2.2 系統(tǒng)硬件設計

系統(tǒng)主要由 ARM920T核的處理器SamsungS3C2410，外部RAM、Flash、D／A轉換芯片、LCD和RS232接口組成，S3C2410芯片內部自帶一個8路10位A／D轉換器，所以不用外擴A／D轉換芯片，系統(tǒng)總體的硬件框圖如圖3。