《模糊推理原理在多传感器数据交融中的应用.docx》由会员分享，可在线阅读，更多相关《模糊推理原理在多传感器数据交融中的应用.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、模糊推理原理在多传感器数据交融中的应用wangww导语：针对多传感器数据交融中数据测量的不确定性，本文利用模糊量将这种不确定性表示出来。利用模糊推理中的输入与输出量关系，将求解位置问题转化为求解在一个已知区间内的极值问题。0.引言多传感器数据交融就是充分利用多传感器信息资源，采用计算机技术进展分析与综合，以完成各种决策行为。它比单传感器系统在测量精度、探测范围和测量的可靠性方面又有了明显的进步。数据交融中我们常用的方法是加权平均估值算法1，但此种方法也存在一定的缺陷，在噪声很强的探测环境中其结果会存在一定的误差，影响监测结果的真实性，在这里，本文引入了模糊推理原理，将其应用到多传感器数据交融中
2、来进步交融结果的准确性。1.模糊推理原理及交融的实现模糊推理的方法可以交融具有不确定性的多传感器数据，它的本质是将一个给定输入空间通过模糊逻辑的方法映射到一个特定输出空间的计算经过。构造包括四个局部：规那么库、推理机、模糊化和解模糊2。规那么库根据已有的知识和经历建立，一般以IF-THEN形式描绘；推理机实际上是一个规那么匹配经过，是将现有的状态与规那么库里的规那么进展比拟，然后确定各个规那么应用的可信度；模糊化是将实际变量用模糊变量或将实际数值用模糊数值予以表示的经过，涉及模糊变量的定义、隶属函数的选取、范围的划分等；解模糊是模糊化的逆经过，是将模糊变量转化为实际变量的经过。由于传感器工作时
3、所处环境具有不确定性以及其自身条件的限制等，收集到的数据一般都有某种程度的不确定性3，这种一般用测量方差来度量，本文中，我们根据传感器监测结果和测量方差对传感器进展模糊化处理。另外，各传感器测量到的数据所得到的结果也有一定的不确定性，也有方差，同样也可以进展模糊化处理。它在数据交融中的应用原理如下列图所示。图1模糊推理在多传感器数据交融中的应用交融是按以下步骤来实现的：1输入变量模糊化假设一共设置了n个不同类型的传感器，分别测量同一个参数，各传感器方差已知，可以得到其测量值。由随机变量的特点可知，随机变量的分布是由其均值和方差所确定的正态分布，因此，隶属函数选用高斯函数较为适宜。为了便于系统实
4、现，在此选用三角形隶属函数，该函数的中心是传感器测量均值，即单次测量时得到的数值，函数曲线的宽度根据误差的分布规律，选定为标准方差的2倍，设为单次测量时得到的数值。隶属函数表达式如下：图2测量不确定性的模糊表示2输出变量模糊化输出变量模糊化的实现与输入变量的模糊化类似，为了实现方便，也采用三角形隶属函数，然而三角形的中心位置是待定函数，因此为了减少待求参数的数目，三角形的宽度设置利用已有的方法，以最小的传感器方差作为输出变量的方差，这样输出隶属函数就只有一个中心位置需要去确定。输出函数的表达式如下式所示：3数据交融值的计算区间根据己有的数据交融算法可知，经过交融处理后的数据交融值是各个测量值的
5、函数或线性加权，所以交融值必在各测量值所确定的范围之内，这样，输出隶属函数的中心位置就在输入最小值与最大值所确定区间内变化，因此mi的计算区间是：其中：利用模糊推理进展多传感器数据交融的流程图见下列图所示。利用模糊推理进展数据交融的要点是在传感器测量值所确定的范围之内挪动输出隶属函数的位置，根据它与输入隶属函数交点的位置确定各输入数据的兼容度，然再后利用AND或OR运算计算对应的总兼容度，总兼容度最大的位置就是所求交融值。图3模糊推理数据交融流程图2.实例在进展上述操纵的经过当中，我们需要留意在传感器测量值所确定的范围之内，挪动输出隶属函数的位置，根据其与输入隶属函数交点的位置，确定与各个输入
6、的兼容度，再利用AND或者OR运算计算对应的总兼容度，总兼容度最大的位置就是待求的交融值。这个处理方法可用下面的例子来讲明。设有两个传感器测量同一间隔，其测量值分别是11和8(实际值是10)，方差分别是1和4，构成的三角形隶属函数如图3所示。取输出隶属函数的方差为1(输入方差最小者)，假设输出隶属函数的中心位置在9，那么输出与两个输入的交点分别为A和B，对应的兼容度分别为：0.5000和0.8333，采用加法(OR)运算时的总兼容度是:乘法(AND)运算的总兼容度为:图4上例构成的三角形隶属函数图5位置与总兼容度的关系图这两个值分别表示在位置为9时，用输出表示或者代替两个输入的程度。从图3可知，输入变量所确定的区间为4到13，在此范围内挪动输出隶属函数的位置，分别计算(乘法)总兼容度，得到总兼容度与输出隶属函数中心位置之间的关系如图4所示。经过解模糊运算，得到的结果是10.1446。而对上述数据用算术平均计算的结果是9.500，加权平均的结果是10.40000。3.仿真验证为进一步验证本方法的有效性，文中取两组数据，进展分析，并与有关方法的结果进展比拟。其中表1为5个传感器时的测量数据与方差，表2为10个传感器的测量数据与方差。表1测量数据与方差