基于ARM的多传感器信息融合在工业控制中的应用

1 多传感器信息融合

1.1 多传感器信息融合的概念

多传感器信息融合是指协调使用多个传感器，把分布在不同位置的多个传感器所提供的局部不完整观测量及相关联数据库中的相关信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，并加以互补，降低其不确定性，获得对物体或环境一致性描述过程。即对来自多个传感器的数据进行多级别、多方面、多层次的处理，从而产生新的有意义信息，这是任何单一传感器所无法获得的。

1.2 多传感器信息融合的方法

常用的信息融合方法有加权平均法、卡尔曼滤波、经典推理法、贝叶斯估计、D-S证据决策理论、品质因素法、模板法、熵理论、聚类分析、模糊推理、产生式规则、遗传算法、神经网络。其中，神经网络方法具有很强的信息处理能力，对复杂的工业智能监测控制系统及在处理不确定性的信息上，神经网络是一个强有力的工具，因而为信息融合提供了一个很好的方法。

神经网络用于信息融合的基本思想是：根据当前系统所接受到的样本相似性，确定分类标准。确定的方法主要表现在网络权值的分布上，同时可以采用神经网络学习功能来获取知识，得到不确定性推理机制。采用神经网络中的自适应谐振理论ART(Adaptive Resonance Theory)的方法。图1是可处理模拟信息的ART-2的网络示意图。

竞争学习机制和自稳学习机制是自适应谐振理论(ART)的基础。竞争学习机制只改变与竞争得胜者有关的各个权重系数，而其他所有的权重系数皆维持不变。通过学习，不同客体的观察向量集合都找到了各自相应的获胜输出分量，因而根据获胜者的编号就能自然地对它们进行分类。

自稳学习机制由信息反馈通道、比较机制及相应的算法构成，其工作过程描述如下：1)竞争选择运算；2)构成反馈信息通道；3)比较相似度；4)调整权重系数。

2 工业嵌入式控制系统与信息融合

2.1 工业控制中的信息融合

在工业控制中，过程运行状况简称工况。在简单的系统中，某传感器的输出可大体反映工况。而在复杂的工业生产过程中，工况无法用一个或几个过程变量直接表示，某传感器的输出只是描述了工况的一个侧面。采用适当的信息融合方法，将从不同侧面描述工况的多个传感器信息融合，就有可能获得对工况的完整描述，能据此进行操作和实时干预，或系统按工况进行自动控制。图2表明了信息融合控制的原理，这个过程可分解为以下部分：

1)传感器信息获取，包括多传感器系统、传感器信息预处理和软测量、人机接口。该部分包括硬件和有关软件，应尽可能地将反映对象运行状态和环境的信息直接或间接检测出来，包括对象的状态量，被控量以及环境信息。

2)聚类融合控制，由一系列软件模块组成，是完成智能监测控制的核心部分。

3)解释机构，包括硬件和有关软件，如图、文、声、光、多媒体输出设备等。对系统当前状态和聚类融合结果进行解释，并通过人机接口回答用户提出的问题。在不具有自动控制功能的智能监测系统中，例如故障诊断系统、生产操作指导系统等，解释机构完成了系统的全部输出功能：显示生产系统的当前工况、故障诊断结果、隐含故障和险情预报、生产操作的建议和指导等。

4)执行机构，包括有关的功率放大和执行装置等硬件，根据聚类融合控制运算的结果实现自动反馈控制。

2.2 系统硬件设计

系统主要由 ARM920T核的处理器SamsungS3C2410，外部RAM、Flash、D／A转换芯片、LCD和RS232接口组成，S3C2410芯片内部自带一个8路10位A／D转换器，所以不用外扩A／D转换芯片，系统总体的硬件框图如图3。