關(guān)于工業(yè)機(jī)器人多傳感器數(shù)據(jù)融合技術(shù)路徑的探討

李胡

摘 要：本文重點(diǎn)對(duì)異質(zhì)多傳感器數(shù)據(jù)融合技術(shù)進(jìn)行探討，包含在特征提取階段根據(jù)各傳感器特性分別采用效能最高的特征提取技術(shù)，采用模糊神經(jīng)網(wǎng)絡(luò)算法進(jìn)行融合，實(shí)現(xiàn)快速、準(zhǔn)確的異質(zhì)多傳感數(shù)據(jù)的融合。

關(guān)鍵詞：工業(yè)機(jī)器人 多傳感器 數(shù)據(jù)融合 技術(shù)路徑

工業(yè)機(jī)器人是一種包括機(jī)械、電子、控制、計(jì)算機(jī)、傳感器、人工智能、數(shù)據(jù)處理等多學(xué)科先進(jìn)技術(shù)，并將其應(yīng)用于一體的現(xiàn)代制造業(yè)重要的自動(dòng)化設(shè)備。隨著工業(yè)發(fā)展的需求，機(jī)器人中的傳感器作用日益凸顯，諸如位移、速度、加速度、角速度、力、溫度、磁場(chǎng)、光等物理量，將機(jī)器人監(jiān)測(cè)到的物理量用多傳感器的融合技術(shù)來(lái)進(jìn)行環(huán)境建模、決策、控制及反饋，對(duì)整個(gè)自動(dòng)化生產(chǎn)線的控制起著至關(guān)重要的作用，因此探討研究多傳感器的數(shù)據(jù)融合技術(shù)很有必要。

一、異質(zhì)傳感數(shù)據(jù)融合算法

多傳感器的數(shù)據(jù)融合是指對(duì)多個(gè)傳感器從不同信號(hào)源采集的數(shù)據(jù)進(jìn)行融合，以實(shí)現(xiàn)系統(tǒng)更有效地控制被控對(duì)象。異質(zhì)傳感數(shù)據(jù)融合算法研究和多個(gè)異質(zhì)傳感器融合的實(shí)質(zhì)是多源不確定性信息的協(xié)同處理，深入研究數(shù)據(jù)融合算法，提高融合精度，以最優(yōu)方式對(duì)傳感數(shù)據(jù)進(jìn)行融合。其主要任務(wù)是對(duì)異質(zhì)傳感器數(shù)據(jù)的建模、協(xié)同與解釋。異質(zhì)傳感數(shù)據(jù)的建模是如何建立一個(gè)通用的信息處理模式，從而為多個(gè)異質(zhì)傳感器建立一種高效的融合架構(gòu)的呢？

在異質(zhì)多傳感數(shù)據(jù)融合的研究中，高精度、快速的融合算法研究非常重要，而多傳感數(shù)據(jù)融合的集成模式與框架是數(shù)據(jù)融合算法處理的基礎(chǔ)。因此，建立在高效率的數(shù)據(jù)融合框架上的高精度融合算法研究是研究重點(diǎn)。從融合結(jié)構(gòu)層入手，選取高效率的融合結(jié)構(gòu)，并在此基礎(chǔ)上應(yīng)用快速、準(zhǔn)確率高的融合算法實(shí)現(xiàn)多傳感數(shù)據(jù)融合。

數(shù)據(jù)融合結(jié)構(gòu)可分為三層：決策層、特征層、數(shù)據(jù)層。決策層融合是在收到每個(gè)傳感器對(duì)物理對(duì)象做出識(shí)別的信號(hào)后，直接將識(shí)別的結(jié)果進(jìn)行有效融合，雖然其對(duì)通信帶寬要求較低，但其對(duì)結(jié)果準(zhǔn)確率預(yù)測(cè)也較低。特征層融合是從每個(gè)傳感器對(duì)物理對(duì)象做出識(shí)別的信號(hào)中提取出特征向量，并有效融合特征向量，采用融合算法對(duì)融合結(jié)果進(jìn)行識(shí)別判斷，其不但可適用于異質(zhì)傳感器的融合，而且對(duì)通信帶寬要求較低。數(shù)據(jù)層融合是將全部傳感器對(duì)物理對(duì)象做出識(shí)別后產(chǎn)生的全部信號(hào)數(shù)據(jù)進(jìn)行融合形成總的信號(hào)數(shù)據(jù)，并將特征向量從總信號(hào)數(shù)據(jù)中提取出來(lái)識(shí)別判斷，但這種方法只適用于同質(zhì)多傳

感器。

采用特征層融合結(jié)構(gòu)來(lái)進(jìn)行異質(zhì)多傳感數(shù)據(jù)融合，減少了大量的干擾數(shù)據(jù)，可提高運(yùn)算速度，并且在保持較高準(zhǔn)確度的前提下，易于實(shí)現(xiàn)實(shí)時(shí)處理。在特征層融合結(jié)構(gòu)中將根據(jù)傳感器數(shù)據(jù)處理類型分別采用小波分析、主成分分析、信息熵法、貝葉斯等相應(yīng)的特征提取技術(shù)提取各傳感器特征。當(dāng)各傳感器特征向量提取出之后，采用多數(shù)據(jù)融合算法對(duì)其進(jìn)行融合。

采用將模糊理論與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合的算法對(duì)特征向量進(jìn)行融合處理，能夠避免采用二值邏輯進(jìn)行判斷時(shí)不適應(yīng)系統(tǒng)數(shù)據(jù)融合時(shí)存在的各種不確定性。采用多值邏輯方法的模糊邏輯，在推理過(guò)程中它能夠直接表示多傳感器信息融合過(guò)程中的不確定性，但在自動(dòng)生成和調(diào)整模糊規(guī)則及隸屬度函數(shù)方面仍存在困難。神經(jīng)網(wǎng)絡(luò)理論具有大規(guī)模并行處理能力、自學(xué)習(xí)能力和自適應(yīng)能力，其仿生特性使之能更有效地利用本身的信息。但其知識(shí)表達(dá)比較困難，學(xué)習(xí)速度慢。將模塊理論與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合作為融合算法，其以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，利用模糊邏輯較強(qiáng)的結(jié)構(gòu)性知識(shí)表達(dá)能力，其具有兩者所具有的特點(diǎn)，可有效并快速地在算法層面實(shí)現(xiàn)融合。自適應(yīng)模糊神經(jīng)推理系統(tǒng)以模糊規(guī)則的邏輯推理過(guò)程為基礎(chǔ)，對(duì)輸入信號(hào)進(jìn)行模糊化處理、相乘處理、歸一化可信度處理，最終按模糊化、推理和清晰化過(guò)程產(chǎn)生輸出。

二、多傳感器數(shù)據(jù)管理技術(shù)

隨著多傳感器數(shù)據(jù)融合技術(shù)的不斷發(fā)展，多傳感器的管理已經(jīng)成為數(shù)據(jù)融合系統(tǒng)的一個(gè)必不可少的組成部分。多傳感器的管理就是將數(shù)據(jù)融合的結(jié)果反饋到融合處理的過(guò)程中，多傳感器管理在滿足各個(gè)具體特性最優(yōu)值的前提下，充分利用已有的傳感器資源，對(duì)傳感器的資源進(jìn)行合理科學(xué)的分配。從而將數(shù)據(jù)融合處理過(guò)程構(gòu)成閉環(huán)反饋結(jié)構(gòu)，提高融合的性能。為了提高數(shù)據(jù)融合的性能及對(duì)傳感器的利用效率，針對(duì)多傳感器管理是在這樣一個(gè)不確定的、動(dòng)態(tài)環(huán)境中的管理過(guò)程，協(xié)調(diào)管理多個(gè)傳感器的傳感器管理系統(tǒng)的結(jié)構(gòu)是十分重要的技術(shù)。傳感器體系結(jié)構(gòu)是實(shí)現(xiàn)傳感器管理的基礎(chǔ)，合理的結(jié)構(gòu)體系不僅可以保證傳感器高效地工作，還可以減輕數(shù)據(jù)融合系統(tǒng)的工作負(fù)擔(dān)。傳感器管理是一個(gè)跨學(xué)科的研究領(lǐng)域，涉及諸多領(lǐng)域的技術(shù)。如何實(shí)現(xiàn)傳感器管理的簡(jiǎn)化決策過(guò)程、合理調(diào)度、協(xié)同工作高效是傳感器管理方法研究的重要技術(shù)指標(biāo)。

多傳感器管理技術(shù)研究包括體系結(jié)構(gòu)研究與管理方法研究，體系結(jié)構(gòu)采用宏觀/微觀（Macro/Micro）式雙層結(jié)構(gòu)。宏觀層動(dòng)態(tài)配置有效分配每個(gè)傳感器的任務(wù)，實(shí)現(xiàn)多傳感器間的信號(hào)交接與引導(dǎo)，實(shí)現(xiàn)傳感器間的協(xié)調(diào)與交互。微觀層則通過(guò)對(duì)各個(gè)傳感器進(jìn)行模式選取或參數(shù)設(shè)置，針對(duì)控制各個(gè)傳感器給定的具體工作任務(wù)來(lái)執(zhí)行，通過(guò)這種設(shè)計(jì)，由負(fù)責(zé)宏觀傳感器管理的宏觀傳感器管理器根據(jù)數(shù)據(jù)融合與最終判決的反饋結(jié)果合理分配各個(gè)傳感器的工作模式與參數(shù)，調(diào)度傳感器并進(jìn)行目標(biāo)優(yōu)先級(jí)排序等。在微觀層次，每個(gè)傳感器小系統(tǒng)在采集數(shù)據(jù)的過(guò)程的同時(shí)也接受來(lái)之宏觀傳感器管理器的命令，并根據(jù)命令設(shè)置工作模式，通過(guò)兩層的交互實(shí)現(xiàn)最終的動(dòng)態(tài)配置。

合理有效地利用來(lái)自多傳感器數(shù)據(jù)，并能解決多傳感器組成的系統(tǒng)中，存在異質(zhì)傳感器的互斥性及部分傳感器有功能和工作條件的限制問(wèn)題，實(shí)現(xiàn)多傳感器管理有效管理這一控制過(guò)程，需要按最優(yōu)準(zhǔn)則建立一個(gè)目標(biāo)函數(shù)，目標(biāo)函數(shù)要易于量化，通過(guò)對(duì)目標(biāo)函數(shù)進(jìn)行的優(yōu)化，配置傳感器工作模式與參數(shù)等。

傳感器管理方法以數(shù)學(xué)規(guī)劃中的線性規(guī)劃為基礎(chǔ)，采用效能函數(shù)建立目標(biāo)函數(shù)的，建立傳感器分配的效能函數(shù)是通過(guò)求目標(biāo)優(yōu)先級(jí)函數(shù)和傳感器——目標(biāo)配對(duì)函數(shù)的加權(quán)平均值，以“效能函數(shù)最大”為準(zhǔn)則，并結(jié)合浪費(fèi)率函數(shù)對(duì)目標(biāo)覆蓋范圍約束和傳感器最大跟蹤能力約束，利用線性規(guī)劃技術(shù)求解最優(yōu)分配方案。

三、小結(jié)

異質(zhì)多傳感器數(shù)據(jù)融合技術(shù)利用模糊神經(jīng)網(wǎng)絡(luò)算法，融合基于特征層的異質(zhì)多傳感數(shù)據(jù)、效能最優(yōu)的管理方法以及雙層結(jié)構(gòu)多傳感器管理結(jié)構(gòu)，并且在特征提取階段分別根據(jù)各傳感器特性，采用效能最高的特征提取技術(shù)進(jìn)行數(shù)據(jù)融合，從而減少通信帶寬的需求，并實(shí)現(xiàn)快速、準(zhǔn)確的異質(zhì)多傳感數(shù)據(jù)的融合，有利于工業(yè)機(jī)器人的系統(tǒng)控制。

（作者單位：廣東省機(jī)械技師學(xué)院）endprint