多传感器数据融合技术在车轮热处理炉温度测量中的应用

　　1 引言

　　列车车轮具有载重、导向、传递牵引力和制动力的功能，工作条件十分恶劣，对行车安全具有重要影响。随着我国铁路运输高速、重载化的发展，对列车车轮质量的要求不断提高。热处理是车轮生产过程的重要环节，对改善和稳定车轮金相组织及力学具有重要作用，直接影响车轮的使用性能。

　　马鞍山钢铁股份有限公司(简称马钢)车轮公司是我国列车车轮的主要生产厂商之一，其产品质量和性能的改善对我国铁路运输行业的发展将产生影响.该公司目前有两条热处理生产线，热处理工艺为喷水冷却，但水压力、水流量、热处理时间等工艺参数设定后均不可调节，因此对加热温度有严格的要求。每条生产线有 6 个热处理炉，在每个热处理炉中采用几个热电偶测量结果的算术平均值作为加热温度实际值来进行目标温度控制。由于生产现场影响因素较多、测量误差较大，直接影响了加热炉的温度控制精度，成为制约热处理质量亟待解决的技术问题。

　　本文根据马钢车轮公司的生产实际，介绍一种采用基于多传感器参数估计的数据融合算法进行热处理炉温度测量，不需要任何关于热处理炉温度测量的统计资料，仅对 8 个温度传感器(热电偶)的测量结果中剔疏失误差后的一致性测量数据进行融合值计算，以获得比有限个测量数据的算术平均值更可靠的测量结果，从而提高测量准确性的方法。

　　2 温度测量系统

　　热处理炉温度测量系统构成如图 1 所示，包括传感器(热电偶)、变送器、ZigBee 无线传输模块、工业控制计算机等部分。

　　变送器将热电偶输出的 mV 信号转换为 4~20mA 电流信号;JN5121-DK100-50 型 ZigBee 无线传输模块将4~20mA 模拟信号进行 12 位 A/D 变换后通过中心模块传送到工控机，该模块传输距离可达 1000m，节点数达 255 个;工控机对接收到的温度数据进行处理，剔除疏失误差，获得一致性测量结果，再进行数据融合计算。融合计算结果与相应加热炉温度设定值比较后，实现温度的负反馈闭环控制。

　　3 数据融合算法

　　数据融合一词出现在 20 世纪 70 年代初期，主要是为适应军事应用的需要，C3I(指挥、控制、通信和情报)系统率先采用多传感器数据融合技术来采集和处理战场信息并获得成功。到 20 世纪 80 年代中期以来，数据融合技术已逐步应用到智能机器人系统、智能制造、智能交通、医疗诊断、监控系统、金融系统和多源图形处理等领域。它是多学科、多领域所共同关心的高层次共性关键技术之一，是一个多级、多层面的数据处理过程，主要完成对来自多个信息源的数据进行自动检测、相关、估计及组合等处理。目前，数据融合技术虽然未形成完整的理论体系和有效的融合算法，但是基于随机理论和人工智能理论，在不少应用领域根据自己的具体应用背景，已提出了许多成熟且有效的融合方法。