CN111982248B - 一种改进的传感器动态数据融合方法 - Google Patents
一种改进的传感器动态数据融合方法 Download PDFInfo
- Publication number
- CN111982248B CN111982248B CN202010816860.8A CN202010816860A CN111982248B CN 111982248 B CN111982248 B CN 111982248B CN 202010816860 A CN202010816860 A CN 202010816860A CN 111982248 B CN111982248 B CN 111982248B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- water meter
- consistency
- matrix
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F25/00—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume
- G01F25/10—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume of flowmeters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/66—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by measuring frequency, phase shift or propagation time of electromagnetic or other waves, e.g. using ultrasonic flowmeters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Fluid Mechanics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Electromagnetism (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种传感器动态数据融合方法。该发明首先采用t检验法两个声道每秒测量的时差数据进行粗大误差剔除,再通过组内加权法获得较为真实的瞬时流量估计值,然后将不同声路和不同时刻的瞬时流量映射为一致性测度矩阵,并且对一致性测度矩阵中的元素进行F检验,最后通过计算矩阵的特征值和权重映射函数得到可靠的融合值。本发明能够减小测量过程中随机误差的干扰,无需计算测量数据和噪声的概率分布,有效关联超声波换能器的时空信息,具有较强的适用性。并且该方法可以对超声水表两个声道工作状态进行故障诊断,识别故障声道,剔除故障声路的数据,有效提高超声水表流量测量的准确性和可靠度。
Description
技术领域
本发明属于流量检测技术领域,涉及一种针对双声路超声水表的传感器动态数据融合方法。
背景技术
中、大口径的超声水表常采用双声道测量方法,由于管道内产生扰流、流动噪声、气泡会干扰回波信号会导致对超声波顺逆流时间的测量产生负面影响,进而导致测量值产生误差和错误,常采用卡尔曼滤波法、权重系数法等方法进行数据融合来处理测量数据对流场分布影响进行补偿。
在数据处理方面,采用一致性融合算法来处理测量数据,计算各个传感器数据之间的支持程度,能摆脱对先验信息的依赖,通过构建合适的映射函数来判断超声波双声道各个传感器输出之间的支持程度并建立一致性测度矩阵,综合利用矩阵特征值和权重映射函数,对各个时刻的测量值融合,充分利用双声道传感器同一时刻测量数据的一致性和对不同时刻观测数据的可靠性,达到较好的融合效果。然而,当某一声道受到较大干扰或者故障时,系统仍按照设定的一致性融合算法进行流量计算,会导致超声流量测量值产生严重偏差或错误,降低超声流量测量的准确性和水表的可靠性。
发明内容
本发明针对现有双声道超声波流量测量数据的一致性数据融合方法的不足,提出一种具有故障诊断功能的双声道超声波流量测量一致性数据融合方法,该方法可以自动识别故障声道,剔除故障声道数据,有效提高超声流量测量数据的准确性和可靠性。
本发明的主要技术构思:首先,将两个声道的时差数据按照t检验法进行粗大误差的剔除,然后通过组内加权法获得瞬时流量的估计值。其次,对流量估计值构建一致性测度矩阵并用F检验法来分析其中的一致性信息,可判定超声水表的测量状态并进行故障诊断。
本发明解决技术问题采取的技术方案为:首先采用t检验法对两个声道的时差数据进行粗大误差剔除,再通过组内加权法获得较为真实的瞬时流量估计值。超声水表测量的实时性要求较高,本发明通过构建实时性与适用性好的映射函数可将不同声路和不同时刻的瞬时流量估计值映射为一致性测度矩阵。并通过计算矩阵的特征值和权重映射函数,可得到融合值。其次,为了比较测量值的组间差异,本发明对一致性测度矩阵中的元素进行F检验,来对超声水表的工作状况进行故障诊断,提高超声水表的可靠性。
本发明的有益效果在于:本发明的传感器动态数据融合方法首先用t检验法进行粗大误差的剔除,然后通过组内加权法获得瞬时流量的估计值,旨在减小测量过程中随机误差的干扰,提高时差测量准确度和数据融合效果。其次,为了减小管道内涡流、扰流和气泡等因素对超声水表的影响,采用改进的一致性数据融合算法,不仅能够充分利用双声道各传感器在整个测量区间内所蕴含的一致性和可靠性信息,还能通过在数据融合过程中对一致性信息进行F检验,判断超声水表的工作状态并对超声水表进行故障判别,剔除故障声路的数据,保证一致性数据融合算法的可靠性,提高双声路超声水表流量测量的准确度和可靠度。
附图说明
图1为本发明实施例中超声水表的电路总体框图;
图2为改进的传感器动态数据融合算法的流程图;
图3为数据融合算法效果对比图;
图4传感器动态数据融合算法故障识别图;
图5数据融合算法动态性能图。
具体实施方式
以下结合附图对本发明进行进一步的详细描述。
本实施例中使用的超声水表电路原理图如图1所示,其硬件电路主要由主控制模块、超声发射电路模块、时间测量模块、信号切换电路、放大滤波和比较电路组成。
如图2所示为改进的传感器动态数据融合方法流程图,本方法步骤如下所示:
步骤一:超声测量系统设定两个声道每秒分别测量得到40个时差值,首先采用t检验准则对两个声道时差值分别进行粗大误差剔除,然后根据加权法构造一种置信距离f0j和组内加权系数bj,通过组内加权法获得较为真实的流量估计值,构造方法如公式(1)和(2)所示。
式中,xi表示第i个数据,为xi(i=1,2,3,...,n)的算数平均值。该方法可以看出,若置信距离f0j的值越小,则第j个数据占有有效值的权重越大,效果愈明显。当时,说明该组数据中的xk数据完全吻合次优估计值此时令该组的无偏估计值
步骤二:一致性融合算法主要用支持度来判断n个传感器输出之间的支持程度,各传感器的支持度矩阵可表示为公式(3)。
矩阵中,dij(k)=f1(Xi(k),Xj(k)),i,j=1,2,...,n。其中,f1为传感器输出值到支持度矩阵D(k)的一个映射函数。为了满足超声水表测量的实时性要求,针对传感器数据支持程度,引入距离的概念,定义传感器i和传感器j在k时刻的距离为:
dij(k)=|xi(k)-xj(k)| (4)
式中可以看出,dij(k)值越小,传感器i和传感器j之间的支持程度就越高,两者就越一致地反映了被测的常值参数,两者融合必能使测量过程中的不确定度减小。
分别引入上一时刻声道一的估计值X1(k-1),上一时刻声道二部估计值X2(k-1)和上一时刻融合值X3(k-1)。这些值与当前两个声路的测量值X4(k)与X5(k)构成一向量β=[X1(k-1),X2(k-1),X3(k-1),X4(k),X5(k)]。β通过上述公式(4)可得到5×5的支持度矩阵D5×5。
通过构建支持度矩阵D5×5可计算传感器一致性测度:
式中,ri(k)在dij(k)∈[0,+∞)上从1~0依次递减,若一致性测度较小,则说明两组数据的相对距离较大,因此差异也越大。所以将该函数作为支持度到传感器一致性测度的映射函数,得到的一致性测度矩阵如下:
为实对称矩阵,其中,r14表示X1(k-1)与X4(k)的一致性测度,r25表示X2(k-1)与X5(k)的一致性测度,其余同理。通过分析一致性测度矩阵R(k)各个元素之间的关系,可以挖掘出隐藏的具有潜在价值的信息。通过这种信息,可以判定超声水表的测量状态。
步骤三:计算为实对称矩阵R(k)的特征向量C=[C1,C2,…,Ci,…Cn],其中Ci表示第i个特征值。由此可得第i组数据的权重系数,计算公式如下:
步骤四:为了比较不同时刻、不同声路测量值之间的差异,将一致性测度矩阵R(k)5×5中的元素分解为多个部分,每个部分内的元素都具有一定的关联性。而为了量化、分析并区分这种组间差异,本文从统计学的角度来进行计算和分析。
对一致性测度矩阵R(k)5×5中的元素进行方差分析(F检验),来判断两个独立样本是否具有显著性。假设声路一的测量值和声路二的测量值相互独立,且均服从正态分布,和分别为两个独立样本的样本方差,构建检验统计量:
原假设H0认为两个独立样本均来自同一总体,备择假设H0认为两个独立样本来自不同的总体。根据统计量F的自由度和显著性水平α,查表可得到临界值Fα/2和F1-α/2。若F在两个临界值之内,则接受原假设,认为两个独立样本来自同一总体;反之,接受备择假设。样本方差的计算如下:
步骤五:通过分析F1与F2之间的关系,可以判断当前超声水表的测量状态,计算式如下:
根据F1与F2之间的关系,可以判定超声水表的工作状态,判定表如下表所示。
表1双声路超声水表测量状态判定表
如图4所示,当声路二在12秒左右发生故障,传感器动态数据融合算法能有效判别故障声路,并剔除错误的数据,提高了超声水表的可靠性。同时由图5可以看出,当流量突变上升时,融合算法同样具有较好的动态适应性。
步骤六:若传感器的输出数据可以进行融合,则输出值X(k)的融合方程如下所示:
由图3可知,经过数据融合之后数据更加平滑,波动较小,具有较好的滤波效果。
Claims (1)
1.一种改进的传感器动态数据融合方法,其特征在于:
采用t检验法对两个声道每秒测量的时差数据进行粗大误差剔除,
通过组内加权法将两个声道不包含粗大误差的时差数据进行估算求得瞬时流量;
对流量估计值构建一致性测度矩阵得到融合值,并用F检验法来分析其中的一致性信息,对超声水表工作状况进行故障诊断,剔除故障数据,得到最终融合后的传感器数据;
具体是:
构建5×5的支持度矩阵D5×5,计算传感器一致性测度,通过映射函数得到一致性测度矩阵R(k)5×5;
根据一致性测度矩阵特征向量值得到第i组的权重系数wi,并利用F检验对一致性测度矩阵元素进行分析,判断当前超声水表的测量状态,若传感器输出数据可以进行融合,则融合方程如下所示:
最终输出的X(k)作为k时刻超声水表测量的瞬时流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010816860.8A CN111982248B (zh) | 2020-08-14 | 2020-08-14 | 一种改进的传感器动态数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010816860.8A CN111982248B (zh) | 2020-08-14 | 2020-08-14 | 一种改进的传感器动态数据融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111982248A CN111982248A (zh) | 2020-11-24 |
CN111982248B true CN111982248B (zh) | 2022-12-06 |
Family
ID=73435474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010816860.8A Active CN111982248B (zh) | 2020-08-14 | 2020-08-14 | 一种改进的传感器动态数据融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111982248B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609440A (zh) * | 2021-07-26 | 2021-11-05 | 华智生物技术有限公司 | 传感器数据融合方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269603A (zh) * | 2018-10-31 | 2019-01-25 | 四川泛华航空仪表电器有限公司 | 一种基于流量传感器的系数标定方法 |
CN110346004A (zh) * | 2019-08-16 | 2019-10-18 | 杭州山科智能科技股份有限公司 | 一种双声道超声时差法的流量测量数据融合方法 |
US11221242B1 (en) * | 2018-12-26 | 2022-01-11 | Vata Verks Inc. | Apparatus and method for monitoring liquid and gas flow through a flow meter |
-
2020
- 2020-08-14 CN CN202010816860.8A patent/CN111982248B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269603A (zh) * | 2018-10-31 | 2019-01-25 | 四川泛华航空仪表电器有限公司 | 一种基于流量传感器的系数标定方法 |
US11221242B1 (en) * | 2018-12-26 | 2022-01-11 | Vata Verks Inc. | Apparatus and method for monitoring liquid and gas flow through a flow meter |
CN110346004A (zh) * | 2019-08-16 | 2019-10-18 | 杭州山科智能科技股份有限公司 | 一种双声道超声时差法的流量测量数据融合方法 |
Non-Patent Citations (4)
Title |
---|
一种动态多传感器一致性融合算法;刘杨;《鱼雷技术》;20131231;第21卷(第6期);全文 * |
基于多传感器的数据融合算法研究;敬如雪;《现代电子技术》;20200531;第43卷(第10期);全文 * |
基于时差法的双声路超声水表研究;罗安华;《中国知网》;20220515;全文 * |
多传感器信息融合技术与液压系统状态监测、故障诊断;邓乐;《机床与液压》;20041231(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111982248A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1416348B1 (en) | Methodology for temporal fault event isolation and identification | |
CN109829938A (zh) | 一种应用在目标跟踪的自适应容错容积卡尔曼滤波方法 | |
CN110161543B (zh) | 一种基于卡方检验的部分粗差抗差自适应滤波方法 | |
CA2931624A1 (en) | Systems and methods for event detection and diagnosis | |
EP3876056A1 (en) | Abnormality detection device, abnormality detection method, and program | |
CN110346004B (zh) | 一种双声道超声时差法的流量测量数据融合方法 | |
JP2003526859A5 (zh) | ||
WO2022068155A1 (zh) | 一种间歇异常测量检测下系统的状态估计方法 | |
CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
CN111982248B (zh) | 一种改进的传感器动态数据融合方法 | |
WO2022222026A1 (zh) | 医疗诊断缺失数据补全方法及补全装置、电子设备、介质 | |
CN116242443A (zh) | 一种超声波计量仪表的动态计量方法 | |
CN113901379A (zh) | 一种边缘端的实时数据动态在线快速处理方法 | |
CN114966762A (zh) | 一种gnss/ins紧组合导航系统的故障检测方法 | |
CN115081331A (zh) | 一种基于状态参数重构误差的风电机组运行状态异常检测方法 | |
CN111046331A (zh) | 一种基于信号异常的健康监控方法 | |
CN113071509B (zh) | 一种智能车车轮转角传感器故障检测方法 | |
CN112304376B (zh) | 基于数据融合的超声波流量计流量测量方法 | |
JP3515300B2 (ja) | プラント状態予測装置 | |
CN109884483A (zh) | 绝缘管型母线局部放电声学在线监测方法及装置 | |
CN113124871B (zh) | 一种基于数据质量评估的自适应航迹关联方法 | |
CN114877926A (zh) | 传感器故障检测与诊断方法、介质、电子设备及系统 | |
Youssef et al. | Enhancement of incipient fault detection and estimation using the multivariate Kullback-Leibler Divergence | |
CN110032758B (zh) | 计算电信号的能量的方法、装置和计算机存储介质 | |
CN112597425B (zh) | 流速测量数据中异常数据的检测方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230718 Address after: Room 1602, Shanke Intelligent Building, No. 89, Qizhi Street, Xixing Street, Binjiang District, Hangzhou, Zhejiang, 310052 Patentee after: HANGZHOU SECK INTELLIGENT TECHNOLOGY CO.,LTD. Address before: 310018, No. 258, source street, Xiasha Higher Education Park, Hangzhou, Zhejiang Patentee before: China Jiliang University |