CN109579915A - 一种工业数据采集传感器数据融合方法及装置 - Google Patents
一种工业数据采集传感器数据融合方法及装置 Download PDFInfo
- Publication number
- CN109579915A CN109579915A CN201811586948.4A CN201811586948A CN109579915A CN 109579915 A CN109579915 A CN 109579915A CN 201811586948 A CN201811586948 A CN 201811586948A CN 109579915 A CN109579915 A CN 109579915A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- acquisition
- fusion
- data collection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本公开提供一种工业数据采集传感器数据融合方法及装置,本公开涉及传感器网络技术领域,采用最小二乘法将多个传感器的数据采集整合对应的传感器数据采集时刻,为消除时间偏差对多传感器数据融合的影响,就必须消除由于时间偏差导致的不同步,消除了时间偏差对与多传感器数据融合的影响,同步了采集时间并且消除了时间偏差,使采集的数据在时间维度上进行了统一,并且更加精确,使得采集的工业数据更加准确和完善,融合精度更高。
Description
技术领域
本公开涉及传感器网络技术领域,特别涉及一种工业数据采集传感器数据融合方法及装置。
背景技术
在智能制造中,往往有多种不同的传感器进行数据采集工作,而在多源数据中,往往是多个不同类型的传感器采集到的不同类型的数据,现有的方法在融合这些复杂多样的工业数据时常采用集中式、分布式和混合式的数据融合结构,其中集中式和混合式由于自身的缺陷而在实际工业数据采集中应用中难以实现,而分布式结构计算量小,灵活方便,并且可以以较低的费用获得较高的可靠性和可用性,在分布式多传感器系统中,各种工业传感器例如光电编码器、直线光栅、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器、旋转变压器、感应同步器、速度传感器等,都有自己的数据采集系统,难以处理和进行融合。
发明内容
针对上述技术问题,本公开提供一种工业数据采集传感器数据融合方法及装置,当两个不同类型传感器分别为传感器A和传感器B,传感器A的数据采集周期为τ,传感器B数据采集周期为T,并且τ/T=n,当传感器A对目标采集的两次时刻差为τ即nT,则意味着在传感器A两次数据采集过程中传感器B有n次数据采集,采用最小二乘法将传感器B的n次数据采集整合到对应传感器A数据采集时刻的值,为消除时间偏差对多传感器数据融合的影响,就必须消除由于时间偏差导致的不同步。
所述一种工业数据采集传感器数据融合方法具体包括以下步骤:
步骤1,传感器进行数据采集;
步骤2,去除采集到数据噪声;
步骤3,将相邻传感器的采集时刻进行校准;
步骤4,消除由于时间偏差导致的不同步;
步骤5,进行传感器的数据融合。
进一步地,在步骤1中,所述传感器包括光电编码器、直线光栅、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器、旋转变压器、感应同步器、速度传感器,传感器采集的数据包括传感器采集的位置、直线位移和角位移、速度、压力、温度。
进一步地,在步骤2中,去除采集到数据噪声的方法为,
用集合Zn=(z1,z2,…zn)T表示传感器B从k-1至k时刻的n个数据采集值,传感器A在k时刻数据采集值与zn同步,用列向量表示z1,z2,…zn整合以后的数据采集值和数据采集值的导数,把传感器B的数据采集值zi表示为:νi表示数据采集过程中的噪声,以向量形式表示为:Zn=WnU+Vn,其中,同时过程噪声向量Vn=(ν1,ν2,…νn)T,其协方差阵为:
cov[Vn]=E[VnVn T]=diag(σr 2,σr 2…σr 2),
其中σr 2为整合以前的数据采集噪声方差。
进一步地,在步骤3中,将相邻传感器的采集时刻进行校准的方法为,根据最小二乘法准则,其目标函数J为:
要使目标函数J为最小,对求偏导数并令其等于零得:
从而有估计
其误差协方差阵估计为:
进一步地,在步骤4中,消除由于时间偏差导致的不同步的方法为,通过数据采集值及其数据采集噪声方差消除由于时间偏差导致的不同步,采集噪声方差为,
其中c1=-2/n,c2=6/[n(n+1)]。
进一步地,在步骤5中,进行传感器的数据融合的方法为,在消除由于时间偏差导致的不同步以后,传感器i和传感器j同步,在k时刻,通过卡尔曼滤波得到传感器i的状态估计为其估计协方差为Pi(k),为k时刻传感器i的状态估计,Pi(k)为相应的状态协方差阵,uk(i)为k时刻传感器i发送数据的概率,传感器j的状态估计为其估计协方差为Pj(k),当两个传感器的估计误差相互独立,其中:i,j=1,2,…r, 可得到数据融合算法公式,
为融合后的数据,为融合前传感器i采集的数据,Pi为传感器i在k时刻发送数据的概率,传感器j采集的数据,Pj为传感器j在k时刻发送数据的概率;
由上式子可知,由2个相邻传感器推广到n个传感器的网络,则其融合方程为:
系统状态估计为:
为融合前传感器n采集的数据, Pn为传感器n在k时刻发送数据的概率。
本发明还提供了一种工业数据采集传感器数据融合装置,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
数据采集单元,用于传感器进行数据采集;
噪声去除单元,用于去除采集到数据噪声;
采集校准单元,用于将相邻传感器的采集时刻进行校准;
偏差消除单元,用于消除由于时间偏差导致的不同步;
数据融合单元,用于进行传感器的数据融合。
本公开的有益效果为:本公开提供一种工业数据采集传感器数据融合方法及装置,消除了时间偏差对与多传感器数据融合的影响,同步了采集时间并且消除了时间偏差,使采集的数据在时间维度上进行了统一,并且更加精确,使得采集的工业数据更加准确和完善,融合精度更高。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为本公开的一种工业数据采集传感器数据融合方法工作流程图;
图2所示为本公开的一种工业数据采集传感器数据融合装置模块架构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种工业数据采集传感器数据融合方法及装置工作流程图,下面结合图1来阐述根据本公开的一种工业数据采集传感器数据融合方法。
本公开提出一种工业数据采集传感器数据融合方法,具体包括以下步骤:
步骤1,传感器进行数据采集;
步骤2,去除采集到数据噪声;
步骤3,将相邻传感器的采集时刻进行校准;
步骤4,消除由于时间偏差导致的不同步;
步骤5,进行传感器的数据融合。
进一步地,在步骤1中,所述传感器包括光电编码器、直线光栅、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器、旋转变压器、感应同步器、速度传感器,传感器采集的数据包括传感器采集的位置、直线位移和角位移、速度、压力、温度。
进一步地,在步骤2中,去除采集到数据噪声的方法为,
用集合Zn=(z1,z2,…zn)T表示传感器B从k-1至k时刻的n个数据采集值,传感器A在k时刻数据采集值与zn同步,用列向量表示z1,z2,…zn整合以后的数据采集值和数据采集值的导数,把传感器B的数据采集值zi表示为:νi表示数据采集过程中的噪声,以向量形式表示为:Zn=WnU+Vn,其中,同时过程噪声向量Vn=(ν1,ν2,…νn)T,其协方差阵为:
cov[Vn]=E[VnVn T]=diag(σr 2,σr 2…σr 2),
其中σr 2为整合以前的数据采集噪声方差。
进一步地,在步骤3中,将相邻传感器的采集时刻进行校准的方法为,根据最小二乘法准则,其目标函数J为:
要使目标函数J为最小,对求偏导数并令其等于零得:
进一步地,在步骤4中,消除由于时间偏差导致的不同步的方法为,通过数据采集值及其数据采集噪声方差消除由于时间偏差导致的不同步,采集噪声方差为,
其中c1=-2/n,c2=6/[n(n+1)]。
进一步地,在步骤5中,进行传感器的数据融合的方法为,在消除由于时间偏差导致的不同步以后,传感器i和传感器j同步,在k时刻,通过卡尔曼滤波得到传感器i的状态估计为其估计协方差为Pi(k),为k时刻传感器i的状态估计,Pi(k)为相应的状态协方差阵,uk(i)为k时刻传感器i发送数据的概率,传感器j的状态估计为其估计协方差为Pj(k),当两个传感器的估计误差相互独立,其中:i,j=1,2,…r, 可得到数据融合算法公式,
为融合后的数据,为融合前传感器i采集的数据,Pi为传感器i在k时刻发送数据的概率,传感器j采集的数据,Pj为传感器j在k时刻发送数据的概率;
由上式子可知,由2个相邻传感器推广到n个传感器的网络,则其融合方程为:
系统状态估计为:
为融合前传感器n采集的数据, Pn为传感器n在k时刻发送数据的概率。
本公开的实施例提供的一种工业数据采集传感器数据融合装置,如图2所示为本公开的一种工业数据采集传感器数据融合装置图,该实施例的一种工业数据采集传感器数据融合装置包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种工业数据采集传感器数据融合装置实施例中的步骤。
所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
数据采集单元,用于传感器进行数据采集;
噪声去除单元,用于去除采集到数据噪声;
采集校准单元,用于将相邻传感器的采集时刻进行校准;
偏差消除单元,用于消除由于时间偏差导致的不同步;
数据融合单元,用于进行传感器的数据融合。
所述一种工业数据采集传感器数据融合装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种工业数据采集传感器数据融合装置可运行的装置可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种工业数据采集传感器数据融合装置的示例,并不构成对一种工业数据采集传感器数据融合装置的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种工业数据采集传感器数据融合装置还可以包括输入输出设备、网络接入设备、总线等。所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array, FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种工业数据采集传感器数据融合装置运行装置的控制中心,利用各种接口和线路连接整个一种工业数据采集传感器数据融合装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种工业数据采集传感器数据融合装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (7)
1.一种工业数据采集传感器数据融合方法,其特征在于,所述方法包括:
步骤1,传感器进行数据采集;
步骤2,去除采集到数据噪声;
步骤3,将相邻传感器的采集时刻进行校准;
步骤4,消除由于时间偏差导致的不同步;
步骤5,进行传感器的数据融合。
2.根据权利要求1所述的一种工业数据采集传感器数据融合方法,其特征在于,在步骤1中,所述传感器包括光电编码器、直线光栅、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器、旋转变压器、感应同步器、速度传感器,传感器采集的数据包括传感器采集的位置、直线位移和角位移、速度、压力、温度。
3.根据权利要求1所述的一种工业数据采集传感器数据融合方法,其特征在于,在步骤2中,去除采集到数据噪声的方法为,
用集合Zn=(z1,z2,…zn)T表示传感器B从k-1至k时刻的n个数据采集值,传感器A在k时刻数据采集值与zn同步,用列向量表示z1,z2,…zn整合以后的数据采集值和数据采集值的导数,把传感器B的数据采集值zi表示为:νi表示数据采集过程中的噪声,以向量形式表示为:Zn=WnU+Vn,其中,同时过程噪声向量Vn=(ν1,ν2,…νn)T,其协方差阵为:
cov[Vn]=E[VnVn T]=diag(σr 2,σr 2…σr 2),
其中σr 2为整合以前的数据采集噪声方差。
4.根据权利要求1所述的一种工业数据采集传感器数据融合方法,其特征在于,在步骤3中,将相邻传感器的采集时刻进行校准的方法为,根据最小二乘法准则,其目标函数J为:
要使目标函数J为最小,对求偏导数并令其等于零得:
5.根据权利要求1所述的一种工业数据采集传感器数据融合方法,其特征在于,在步骤4中,消除由于时间偏差导致的不同步的方法为,通过数据采集值及其数据采集噪声方差消除由于时间偏差导致的不同步,采集噪声方差为,
其中c1=-2/n,c2=6/[n(n+1)]。
6.根据权利要求1所述的一种工业数据采集传感器数据融合方法,其特征在于,在步骤5中,进行传感器的数据融合的方法为,在消除由于时间偏差导致的不同步以后,传感器i和传感器j同步,在k时刻,通过卡尔曼滤波得到传感器i的状态估计为其估计协方差为Pi(k),为k时刻传感器i的状态估计,Pi(k)为相应的状态协方差阵,uk(i)为k时刻传感器i发送数据的概率,传感器j的状态估计为其估计协方差为Pj(k),当两个传感器的估计误差相互独立,其中:i,j=1,2,…r,可得到数据融合算法公式,
为融合后的数据,为融合前传感器i采集的数据,Pi为传感器i在k时刻发送数据的概率,传感器j采集的数据,Pj为传感器j在k时刻发送数据的概率;
由上式子可知,由2个相邻传感器推广到n个传感器的网络,则其融合方程为:
系统状态估计为:
7.一种工业数据采集传感器数据融合装置,其特征在于,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
数据采集单元,用于传感器进行数据采集;
噪声去除单元,用于去除采集到数据噪声;
采集校准单元,用于将相邻传感器的采集时刻进行校准;
偏差消除单元,用于消除由于时间偏差导致的不同步;
数据融合单元,用于进行传感器的数据融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811586948.4A CN109579915A (zh) | 2018-12-25 | 2018-12-25 | 一种工业数据采集传感器数据融合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811586948.4A CN109579915A (zh) | 2018-12-25 | 2018-12-25 | 一种工业数据采集传感器数据融合方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109579915A true CN109579915A (zh) | 2019-04-05 |
Family
ID=65931630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811586948.4A Pending CN109579915A (zh) | 2018-12-25 | 2018-12-25 | 一种工业数据采集传感器数据融合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109579915A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597139A (zh) * | 2020-12-21 | 2021-04-02 | 江苏省未来网络创新研究院 | 基于工业互联网的数据信息采集方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6651003B2 (en) * | 2001-07-30 | 2003-11-18 | Innovative Design Solutions, Inc. | Method of automatic continuous calibration for an electric compass |
CN101221238A (zh) * | 2008-01-24 | 2008-07-16 | 上海交通大学 | 基于高斯均值移动配准的动态偏差估计方法 |
CN101669307A (zh) * | 2007-04-17 | 2010-03-10 | 埃森哲环球服务有限公司 | 传感器网络校准 |
CN103776654A (zh) * | 2014-02-21 | 2014-05-07 | 黑龙江省科学院自动化研究所 | 多传感器信息融合的故障诊断方法 |
-
2018
- 2018-12-25 CN CN201811586948.4A patent/CN109579915A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6651003B2 (en) * | 2001-07-30 | 2003-11-18 | Innovative Design Solutions, Inc. | Method of automatic continuous calibration for an electric compass |
CN101669307A (zh) * | 2007-04-17 | 2010-03-10 | 埃森哲环球服务有限公司 | 传感器网络校准 |
CN101221238A (zh) * | 2008-01-24 | 2008-07-16 | 上海交通大学 | 基于高斯均值移动配准的动态偏差估计方法 |
CN103776654A (zh) * | 2014-02-21 | 2014-05-07 | 黑龙江省科学院自动化研究所 | 多传感器信息融合的故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
高擎峰: "多无人机被动目标定位与跟踪技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597139A (zh) * | 2020-12-21 | 2021-04-02 | 江苏省未来网络创新研究院 | 基于工业互联网的数据信息采集方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang | Visual-inertial navigation: A concise review | |
CN111649739B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
CN110986988B (zh) | 融合多传感器数据的轨迹推算方法、介质、终端和装置 | |
CN107782304B (zh) | 移动机器人的定位方法及装置、移动机器人及存储介质 | |
CN112744313B (zh) | 一种机器人状态估计方法、装置、可读存储介质及机器人 | |
CN104766291A (zh) | 多台摄像机标定方法和系统 | |
CN110986968A (zh) | 三维重建中实时全局优化和错误回环判断的方法及装置 | |
CN108829996B (zh) | 获得车辆定位信息的方法及装置 | |
WO2022205750A1 (zh) | 点云数据生成方法、装置、电子设备及存储介质 | |
CN109579915A (zh) | 一种工业数据采集传感器数据融合方法及装置 | |
CN108108335B (zh) | 一种野值剔除方法及装置 | |
CN109866217B (zh) | 机器人里程定位方法、装置、终端设备及计算机存储介质 | |
CN115619871A (zh) | 一种车辆定位方法、装置、设备及存储介质 | |
CN106101640A (zh) | 自适应视频传感器融合方法及装置 | |
CN109579898A (zh) | 一种智能制造传感器数据空间校准方法及装置 | |
CN109459769A (zh) | 一种自主定位方法与系统 | |
Xia et al. | YOLO-Based Semantic Segmentation for Dynamic Removal in Visual-Inertial SLAM | |
CN115560744A (zh) | 机器人以及基于多传感器的三维建图方法、存储介质 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN114147717A (zh) | 机器人运动轨迹估计方法、装置、控制器及存储介质 | |
Aguiar et al. | Robust filtering for deterministic systems with implicit outputs | |
CN112461258A (zh) | 一种参数修正的方法及装置 | |
CN111568304A (zh) | 扫地机器人定位方法、装置及扫地机器人 | |
Tan et al. | Selective precision motion control using weighted sensor fusion approach | |
Nazar | A comparative study of different Kalman Filtering methods in multi sensor data fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |
|
RJ01 | Rejection of invention patent application after publication |