|
|
您現在的位置 > 新聞動態
卷板機智能診斷中的信息融合問題 |
| 發布時間：2018/5/24 |
卷板機多傳感器信息融合的潛在優勢是能夠在更短的時間內，以更小代價獲取單個卷板機傳感器所無法獲取的更精確的特征。
信息融合(Information Fusion)技術，也稱卷板機多傳感器信息融合技術或數據融合(Data Fusion)技術，最早出現于20世紀70年代，并于20世紀80年代發展成為一項專門技術。它是人類模仿自身信息處理能力的結果，通過卷板機多種傳感器數據的綜合(集成和融合)來獲得比單一卷板機傳感器更多的信息。
1．概念
卷板機多傳感器信息融合比較確切的定義可以概括為：充分利用不同時間與空間的卷板機多傳感器信息資源，采用數控技術對按時序獲得的卷板機傳感器觀測信息在一定準則下加以自動分析、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任務，使系統獲得比它的各組成部分更優越的性能。卷板機多傳感器系統是數據融合的硬件基礎，多源信息是數據融合的加工對象，協調優化和綜合處理是數據融合的核心。
2．信息融合的層次
卷板機傳感器融合是把多種卷板機傳感器集中于一個統一的感知系統中，從而有機地綜合利用從多個卷板機傳感器來的信息，以便建立一致的即不存在矛盾的客觀模型或有關觀測對象的符合規定的狀態矢量。融合后的信息是對被感知對象或環境的更為確切的解釋和更高層次的描述。與單一的卷板機傳感器獲得的信息相比，經過集成與融合的多卷板機傳感器信息具有冗余性、互補性、實時性和低成本。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傳感器的原始信息以及預處理的各個階段產生的信息進行融合，它保持了原始信息，但存在著處理信息量大、實時性差、原始信息易受影響、穩定性差等問題，融合獲得穩定一致的綜合信息比較困難，要求卷板機傳感器信息來源于同質卷板機傳感器。特征層面對的是從各個卷板機傳感器提供的信息中提取出來的特征信息，該層次的融合是數據層融合和決策層融合的折中形式，既保留了足夠的信息，又實現了信息壓縮，兼具信號級和決策級的優點，具有較大的應用范圍。決策層融合是在信息表示的最高層次上進行的融合處理，它直接對不同卷板機傳感器形成的局部決定進行綜合分析，以便得到最終的統一決策。決策層融合具有最好的實時陛與較好的容錯性，對原始信息沒有特殊要求；當某個或幾個卷板機傳感器失效時，適當的融合仍能給出最后的決策；另外，各個卷板機傳感器可以是異質卷板機傳感器。
無論哪一層次的融合，在進行融合前必須對信息進行關聯性處理，保證融合信息的一致性。多卷板機傳感器信息融合的結構層次如圖所示。根據具體的系統，可以在上述三個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構，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信息融合結構層次3．信息融合的方法
信息融合是指整個集成過程中實現來自多種信息源的信息統一合并的具體階段和方法，因此它是多源信息集成中的關鍵技術，關系到整個系統的效率與集成信息的準確性和可靠性。在多卷板機傳感器系統中，各信息源提供的信息都具有一定程度的不確定性，因此融合過程實質上是一個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
將各卷板機傳感器作為不同的貝葉斯估計器，由它們組成一個具有隊結構的決策系統。利用某一個決策規則，選擇對被觀察對象的最佳估計。貝葉斯估計技術是基于貝葉斯準則實現的。此時決策既基于先驗概率，又依賴于由卷板機傳感器度量的似然函數。
2)Dempster—Shafer證據推理法
該方法中最基本的實體是鑒別框架，每一個信息源相當于一個證據體。多卷板機傳感器信息融合實際上就是在統一鑒別框架下，通過Dempster合并規則將不同的證據體合并為一個新的證據體的過程。該方法允許直接將可信度賦予證據的取舍，避免了對未知概率的簡化假設，保留了信息；另外，使用的證據區間中，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用。
3)模糊推理法
模糊集理論為多卷板機傳感器系統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擴展為可以取（0，1）區間中的任何數值，因此很適合對不確定性信息進行描述和處理。該方法首先利用隸屬度函數將各卷板機傳感器信息轉化為模糊值，然后用多個參量的模糊值與模糊規則進行推理，得到相應輸出量的模糊值，再根據解模糊策略，將輸出的模糊值轉化為傳統的確切值。
4)神經網絡法
根據系統接受的樣本的相似性，確定分類標準和網絡權值分布，采用神經網絡學習方法來獲取知識，得到不確定性推理機制。基本步驟如下：根據系統要求和融合形式，選擇神經網絡的拓撲結構；將各個輸人信息綜合處理為一個總體輸入函數，并將此函數映射定義為相關單元的映射函數，它通過網絡與被測對象的交互作用將被測對象的統計規律反映到網絡結構中；對卷板機傳感器輸出信息進行學習、理解，確定權值的分配，完成知識獲取、信息融合，進而對輸人模式做出解釋，將輸人數據轉換成高級邏輯概念。基于神經網絡的多卷板機傳感器信息集成與融合系統有以下特點：具有統一的內部知識表示形式，可將知識規則轉換成數字形式，便于建立知識庫；利用外部環境的信息，便于實現知識自動獲取及并行聯想推理；可將不確定環境的復雜關系，經過學習推理，融合為系統能理解的準確信息；具有大規模并行處理能力，使系統信息處理變快。 |
|
