一种基于信息融合的虚拟传感器构建方法 |
|||||||
申请号 | CN202410246241.8 | 申请日 | 2024-03-05 | 公开(公告)号 | CN117939425A | 公开(公告)日 | 2024-04-26 |
申请人 | 厦门禾众汇智科技有限公司; | 发明人 | 何霆; 王成; 朱文龙; 廖永新; 王华珍; 孙成柱; | ||||
摘要 | 本 发明 涉及 物联网 技术领域,提供了一种基于信息融合的虚拟 传感器 构建方法,包括:由多个位于监测现场的传感器 节点 采集数据获取实时监测数据;传感器节点对所采集数据进行预处理;传感器节点根据配置的通信模 块 选择基于 现场总线 或无线传输方式发送数据;边缘计算模块通过总线和无线方式接收来自传感器节点的数据;采用容积卡尔曼滤波对接收到的传感器节点数据进行融合。本发明是基于信息融合的虚拟传感器构建方法,能够将多个低 精度 、低 采样 率、低可靠性的传感器通过信息融合方法输出平稳、高精度的虚拟 传感器数据 ;同时数据传输到虚拟传感器应用 服务器 ,提高装置的可配置性。 | ||||||
权利要求 | 1.一种基于信息融合的虚拟传感器构建方法,其特征在于,包括: |
||||||
说明书全文 | 一种基于信息融合的虚拟传感器构建方法技术领域背景技术[0002] 随着工业互联网的发展,传感器作为感知生产环境的前端部件,具有不可替代的作用。传感器的采样精度、采样速度、工作可靠性和应用便利性深刻影响着传感器的应用场景。近年来,尽管各类新型传感器的出现为工业自动化提供了更多的方案。但是由于应用场景中感知对象的多样化、客户需求的差异化和成本的约束,传感器的需求和供应往往无法匹配。如在储能领域,对电流的测量不仅要求高测量精度,还要求具有高动态范围,现有测量大电流的传感器难以满足精度要求而测量小电流的传感器则无法满足高动态范围要求;由于生产环境的恶劣,单个传感器的采样值也往往不可靠;传统的传感器无法在线配置,难以适应工业互联网的需求。本发明能够利用多个低精度、低可靠性的传感器通过信息融合方法输出平稳、高精度的虚拟传感器数据。 发明内容[0003] 本发明的目的是提供一种基于信息融合的虚拟传感器构建方法。 [0004] 本发明要解决的是现有技术中存在的问题。 [0005] 与现有技术相比,本发明技术方案及其有益效果如下:一种基于信息融合的虚拟传感器构建方法,包括:由多个位于监测现场的传感器节点采集数据获取实时监测数据;传感器节点对所采集数据进行预处理;传感器节点根据配置的通信模块选择基于现场总线或无线传输方式发送数据;边缘计算模块通过总线和无线方式接收来自传感器节点的数据;采用容积卡尔曼滤波对接收到的传感器节点数据进行融合。 [0006] 本发明的有益效果为:利用多个低精度、低采样率、低可靠性的传感器通过信息融合方法输出平稳、高精度的虚拟传感器数据。基于此方法的装置包括传感器节点、现场总线、无线通信节点、边缘计算模块、广域网通信模块和虚拟传感器应用服务器;传感器节点通过现场总线和无线通信节点将采集数据发送到边缘计算模块,边缘计算模块运行信息融合算法构建虚拟传感器并输出信息融合后的数据,通过广域网通信模块将融合数据发送到虚拟传感器应用服务器。 [0007] 利用多个低精度、低可靠性的传感器先经过预处理、再通过信息融合算法输出平稳、高精度数据,并将数据传输到虚拟传感器应用服务器或其它应用系统,通过边缘计算模块的参数配置,可以方便实现虚拟传感器在线配置和应用,扩展现有传感器的应用场景,提升工业互联网的可配置性和可靠性。 [0008] 本发明可应用于工业生产线数据采集、储能系统数据采集、光伏系统环境数据采集等工业互联网及物联网系统。 [0009] 本发明是基于信息融合的虚拟传感器构建方法,能够将多个低精度、低采样率、低可靠性的传感器通过信息融合方法输出平稳、高精度的虚拟传感器数据;同时数据传输到虚拟传感器应用服务器,提高装置的可配置性。附图说明 [0010] 图1是本发明实施例提供的一种基于信息融合的虚拟传感器构建方法步骤示意图。 [0011] 图2是本发明实施例提供的一种基于信息融合的虚拟传感器构建装置示意图。 [0012] 图中:1.传感器2.单片机3.电源 4.现场总线接口5.无线通信接口6.电源 7.CPU8.内存9.固态硬盘 10.现场总线接口11.无线通信接口12.广域网通信模块 13.虚拟传感器应用服务器 具体实施方式为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。 [0013] 在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。 [0014] 参照图1所示,一种基于信息融合的虚拟传感器构建方法,包括:由多个位于监测现场的传感器节点采集数据获取实时监测数据;传感器节点对所采集数据进行预处理;传感器节点根据配置的通信模块选择基于现场总线或无线传输方式发送数据;边缘计算模块通过总线和无线方式接收来自传感器节点的数据;采用容积卡尔曼滤波对接收到的传感器节点数据进行融合。 [0015] 所述由多个位于监测现场的传感器节点采集数据获取实时监测数据,包括:监测数据可采用不同采样率和采样精度,S0‑0表示第0个传感器节点执行数据采集,S0‑i表示第个传感器节点执行数据采集,第 个传感器节点的第 时刻的原始采样数据为 ,传感器节点假设有 个。 [0016] 所述传感器节点对所采集数据进行预处理,包括:采用中值滤波对原始采样数据 进行非线性滤波平滑数据, 为取中值函数,S1‑0表示第0个传感器节点执行中值滤波操作,S1‑i表示第 个传感器节点执行中值滤波操作,第 个传感器节点的第 时刻的中值滤波结果为 。 [0017] 中值滤波器先对原始采样数据 从大到小进行排序,取中间值作为 时刻的采样值;所有传感器节点均对采样值做相同处理。 [0018] 所述采用容积卡尔曼滤波对接收到的传感器节点数据进行融合,包括:边缘计算模块初始化容积卡尔曼滤波器;构建容积点;估算后验均值和协方差;构建预测容积点;计算后验均值和协方差;根据后验值修正状态和协方差矩阵;边缘计算模块将一步融合预测值 通过广域网通信模块发送到虚拟传感器应用服务器。 [0019] 所述边缘计算模块初始化容积卡尔曼滤波器,包括:虚拟传感器初始状态采用传感器节点原始采样值的样本均值初始化;虚拟传感器初始一步融合值采用零值初始化。 [0020] 所述构建容积点,包括:虚拟传感器容积点共有 个,可根据精度对 进行调节。 [0021] 所述构建预测容积点,包括:虚拟传感器采用传感器传输函数 进行一步估计,传感器传输函数由传感器节点的传感器类型确定。 [0022] 所述计算后验均值和协方差,包括:虚拟传感器采用各个容积点的平均估计值作为一步融合值。 [0023] 所述根据后验值修正状态和协方差矩阵,包括:虚拟传感器采用当前时刻的实际采样值对状态和协方差矩阵进行修正;结束后边缘计算模块的信息融合算法自动进入下一时刻的迭代。 [0024] 参照图1所示,S0:由多个位于监测现场的传感器节点采集数据获取实时监测数据,监测数据可采用不同采样率和采样精度,S0‑0表示第0个传感器节点执行数据采集,S0‑i表示第 个传感器节点执行数据采集,第 个传感器节点的第 时刻的原始采样数据为 ,传感器节点假设有 个。 [0025] S1:传感器节点对所采集数据进行预处理,采用中值滤波 对原始采样数据 进行非线性滤波平滑数据, 为取中值函数,S1‑0表示第0个传感器节点执行中值滤波操作,S1‑i表示第 个传感器节点执行中值滤波操作,第 个传感器节点的第 时刻的中值滤波结果为 。 [0026] S2、S3、S4:传感器节点根据传感器节点配置的通信模块选择基于现场总线或无线传输方式发送数据。 [0027] S5:边缘计算模块通过总线和无线方式接收来自传感器节点的数据 。通过现场总线或无线通信方式接收传感器节点经中值滤波处理后的数据 。 [0028] 传感器节点采样数据经中值滤波后表示为 ,传感器节点假设有 个。在一个实施例中,传感器为电流传感器, , 为第1个电流传感器点第 时刻的数据, 为第2个电流传感器第 时刻的数据, 为第1个电流传感器第 时刻的数据。 [0029] 在一个实施例中,经实际测量电流传感器测量平均值为0.5A,将 设置为5,设置为0, 设置为 , 设置为 ,采用初始化 。 [0030] S6 S12:采用容积卡尔曼滤波对接收到的传感器节点数据进行融合。~ [0031] S6:边缘计算模块初始化容积卡尔曼滤波器,初始化过程为(1) (2) (3) (4) (5) (1)式为初始状态, 为状态期望,用传感器实际测量值的样本均值代替; (2)式为初始传感器融合输出值,初始化为0 (3)(4)为状态和融合输出值的协方差矩阵,初始化为单位矩阵。 ~ [0033] S8:估算后验均值和协方差,计算方式为(7) (8) 在实施例中, 取 。 [0034] S9:构建预测容积点,构建方式为(9) (10) (11) 为一步估计值,为容积点编号,为参数,容积点格式为 个,式可调 参数,传感器传输函数。 [0035] S10:计算后验均值和协方差,计算方式为(12) (13) (14) (15) 为一步融合预测, 为预测自协方差矩阵, 为互协方差矩 阵, 为卡尔曼增益。 [0036] S11:根据后验值修正状态和协方差矩阵,修正方式为(16) (17) 为修正后的状态值, 为修正后的协方差矩阵, 为第 个传感器的第 时刻 采样值。状态和协方差矩阵修正后算法开始进入下一个时刻的迭代。 [0037] S12:边缘计算模块将一步融合预测值 通过广域网通信模块发送到虚拟传感器应用服务器。 [0038] 传感器节点可以配置现场总线通信方式或无线通信方式。 [0039] 边缘计算模块同时配置有现场总线和无线通信方式。 [0040] 虚拟传感器应用服务器可以是能够接收数据并实现管理功能的云服务器、本地部署的服务器或其它应用系统。 [0041] 一种基于信息融合的虚拟传感器构建方法,运行在边缘计算模块,该模块包括现场总线接口、无线通信接口、CPU、内存、电源、固态硬盘、广域网通信模块。 [0042] 所述CPU执行一种基于信息融合的虚拟传感器构建方法。 [0043] 现场总线接口可以是CAN总线、485总线、光纤、EtherCAT、以太网等可以可靠传输传感器采样数据的总线接口。 [0044] 无线通信接口可以是ZigBee、Lora、Wifi、BlueTooth等可以近距离可靠传输传感器采样数据的无线接口。 [0045] 广域网通信模块可以是以太网、移动网络、WIFI、光纤等可以将融合数据发送到应用服务器的网络。 [0046] 参照图2所示,本发明的基于信息融合的虚拟传感器构建装置,包括传感器1、单片机2、电源3、现场总线接口4、无线通信接口5、电源6、CPU 7、内存8、固态硬盘9、现场总线接口10、无线通信接口11、广域网通信模块12;传感器1、单片机2、电源3、现场总线接口4和无线通信接口5构成传感器节点;传感器1采集现场实时数据;单片机2作为传感器节点的运算中心,负责采集传感器数据;电源3给传感器节点供电;现场总线接口4和无线通信接口5将预处理的传感器数据发送给边缘计算模块;电源6、CPU7、内存8、固态硬盘9、现场总线接口10、无线通信接口11和广域网通信模块12构成边缘计算模块;电源6给边缘计算模块供电; CPU 7运行信息融合算法;内存8存储算法运行过程临时数据;固态硬盘9存储融合算法可执行代码;现场总线接口10和无线通信接口11接收传感器节点发送的数据;广域网通信模块 12将融合数据发送到虚拟传感器应用服务器13。 [0048] 单片机2可以是51系统、STM32、GD32等具有模数转换功能或与传感器1配套的数字接口的芯片,负责实现传感器数据的采样以及预处理。其中一个实施例中,单片机型号为STM32F103ZET。 [0049] 现场总线接口4可以CAN总线、485总线、光纤、EtherCAT、以太网等可以可靠传输传感器采样数据的总线接口。其中一个实施例中,直接采用STM32F103ZET芯片自带的CAN总线。 [0050] 无线通信接口5可以是ZigBee、Lora、Wifi、BlueTooth等可以近距离可靠传输传感器采样数据的无线接口。其中一个实施例中,采用Lora的型号为SX1278。 [0052] 内存8、固态硬盘9与CPU 7构成运行信息融合算法的系统,分别用于算法运行过程的临时数据存储和程序代码存储。其中一个实施例采用的内存芯片型号为MT53E384M32D2FW,固态硬盘采用Msata‑360GB。 [0053] 现场总线接口10和无线通信接口11接收传感器节点发送的数据与现场总线接口4和无线通信接口5相同。 [0054] 广域网通信模块12可以是NB‑IOT、GPRS、WIFI等可以将虚拟传感器数据发送到云端的网络接口。其中一个实施例中,NB‑IOT模块型号为ML5535。 [0055] 虚拟传感器应用服务器13可以是位于云端或本地的普通服务器或应用系统。其中一个实施例中,采用本地服务器作为虚拟传感器应用服务器。 |