基于数据融合的传感器优化布置方法

　　数据融合方法是利用计算机技术对若干传感器的观测信息在一定准则下加以分析、处理和综合以完成所需要的决策和估值任务所进行的信息处理过程[1]。从融合的层次上可以将其分为三层:数据层融合、特征层融合和决策层融合。本文是在数据层上,以各传感器测量信息的距离测度作为融合度的数据融合方法。基于距离测度的数据融合方法[2, 3]早在上世纪80年代被提出后便得到广泛的关注,国内外的专家学者针对距离测度的定义[4, 5]、支持度矩阵的模糊化[6, 7]以及最优融合数据方法[6, 8]等提出了不少改进的方法。本文以此为基础,结合用于模态识别的传感器测量信息的特点,给出传感器测量信息的距离测度,并根据综合支持度给出传感器优化布置的方法。本文首先介绍以距离测度作为数据融合度的融合方法;其次,给出该方法的分析数据及优化布置方法;最后,以平板网架结构为例,说明该方法用于传感器优化布置的有效性和稳定性。

　　1　基于距离测度的数据融合方法

　　基于距离测度的数据融合方法是以距离测度为融合度、以距离测度矩阵生成的支持度矩阵作为最佳融合数的确定依据、以支持度矩阵的最大特征值和特征向量计算综合支持度并求得融合结果的数据融合方法。

　　1·1　距离测度和距离测度矩阵

　　多个传感器测量同一参数,定义距离测度衡量两个测点之间数据的相关性强弱。在相同的采集时间和采样频率下,设第i个传感器与第j个传感器的测量数据是两个n维数组,Xi=(α1,α2,…,αn),Xj=(β1,β2,…,βn),则第i个传感器与第j个传感器的距离测度dij表示为:

　　rij被称为第i个传感器与第j个传感器的支持度。若rij=1,则认为第i个传感器与第j个传感器相融性好,称它们相互支持。若rij=0,则认为第i个传感器与第j个传感器的相融性差,或称它们互不支持。若第i个传感器被一组传感器所支持,则认为第i个传感器的数据是有效的,其中一组传感器的个数称为支持数目,是根据支持度人为确定的一个量;反之,若第i个传感器不被其它传感器所支持,或只被少数传感器所支持,则认为第i个传感器的读数是无效的。最佳融合数是有效传感器的个数,εij的取值与支持数目的确定都直接关系到有效传感器的判定,而εij的取值与支持数目的确定具有较大的主观因素。为了解决以上问题,文献[6]提出支持度模糊化的方法。令rij=1-dijs, i, j=1,2,…,m。则m个传感器的支持度rij(i,j=1,2,…,m)构成支持度矩阵Rm:

　　2　分析数据的生成和优化布置方法

　　分析数据由虚拟测点测量信息与待选测点测量信息共同组成,通过计算待选测点的综合支持度,给出传感器布置的最优位置。