基于水產(chǎn)品?；钸\(yùn)輸?shù)亩鄠鞲衅鲾?shù)據(jù)融合算法

曹守啟,劉影

?

基于水產(chǎn)品?；钸\(yùn)輸?shù)亩鄠鞲衅鲾?shù)據(jù)融合算法

曹守啟,劉影*

上海海洋大學(xué)工程學(xué)院, 上海 201306

為了解決水產(chǎn)品保活運(yùn)輸中的多傳感器監(jiān)測(cè)數(shù)據(jù)誤差大的問(wèn)題，提高數(shù)據(jù)融合的精度，提出了一種多傳感器數(shù)據(jù)融合算法。先剔除某時(shí)刻溫度傳感器采集差異較大的數(shù)據(jù)，在分批估計(jì)的基礎(chǔ)上，加入修正因子，構(gòu)造修正樣本方差，實(shí)現(xiàn)某時(shí)刻各個(gè)批次溫度融合值權(quán)重自適應(yīng)調(diào)節(jié)，得到車廂內(nèi)精確的溫度融合值。以烏鱧運(yùn)輸為例進(jìn)行驗(yàn)證，結(jié)果表明：相比于分批估計(jì)算法，該算法可更精確地獲得水產(chǎn)品的環(huán)境溫度，以便于更好地對(duì)保活溫度進(jìn)行控制，其融合精度更高，穩(wěn)定性更好。

水產(chǎn)品?；? 多傳感器; 數(shù)據(jù)融合; 分批估計(jì); 修正因子

隨著人們對(duì)水產(chǎn)品的需求日益趨向鮮活，水產(chǎn)品保活運(yùn)輸越來(lái)越受到人們的重視。但水產(chǎn)品進(jìn)行?；钸\(yùn)輸時(shí)會(huì)遇到缺氧、二氧化碳增加、酸堿度變化、水溫變化等，從而造成產(chǎn)品品質(zhì)惡化和食用安全性等問(wèn)題[1,2]?？梢?jiàn)在運(yùn)輸過(guò)程中，實(shí)時(shí)有效的掌握水產(chǎn)品在車廂中的多因子環(huán)境（氧氣、二氧化碳、酸堿度等），對(duì)于水產(chǎn)品的質(zhì)量保障顯得尤為重要。現(xiàn)今，通常采用無(wú)線傳感器網(wǎng)絡(luò)采集水產(chǎn)品中的多因子環(huán)境的數(shù)據(jù)信息。但是在運(yùn)輸過(guò)程中，車廂內(nèi)傳感器受各種因素的干擾和自身精度的影響，存在一定的偏差，造成多傳感器協(xié)同監(jiān)測(cè)精確度降低，極大的影響了水產(chǎn)品?；?。因此，在選擇了合適的多傳感器采集數(shù)據(jù)的前提下，合理的選擇多傳感器數(shù)據(jù)融合方法，提高車廂內(nèi)多因子環(huán)境的監(jiān)測(cè)數(shù)據(jù)精度已顯得極其重要。

多傳感器數(shù)據(jù)融合技術(shù)通過(guò)對(duì)數(shù)據(jù)資源加以綜合利用、分析，以此消除了數(shù)據(jù)之間的矛盾和冗余，從而最終提高了傳感器的測(cè)量精度、降低了系統(tǒng)的不確定性，使得其近年成為這一領(lǐng)域研究的熱點(diǎn)[3-5]。司印利、王新宇等提出一種基于全局狀態(tài)估計(jì)的多傳感器加權(quán)數(shù)據(jù)融合算法，采用卡爾曼濾波的狀態(tài)估計(jì)與其推算的歷史信息對(duì)數(shù)據(jù)進(jìn)行融合[6]；蔡世清、周杰提出基于支持向量機(jī)的多傳感器數(shù)據(jù)融合算法，結(jié)合擴(kuò)展卡爾曼濾波器（EKF）與軟計(jì)算原理，使得傳感器獲得高精度的信任度預(yù)測(cè)[7]；寧宣杰、趙海等提出WSN中的一種多傳感器數(shù)據(jù)融合算法，將采集的數(shù)據(jù)在傳感層和網(wǎng)絡(luò)層之間，增加數(shù)據(jù)融合的層次，提高采集信息的傳輸速率[8]。

本文在以上算法研究的基礎(chǔ)上，考慮到水產(chǎn)品多因子環(huán)境的復(fù)雜性，以溫度傳感器為例，對(duì)多傳感數(shù)據(jù)融合算法進(jìn)行說(shuō)明。首先剔除差異較大的數(shù)據(jù)，然后該算法在充分借鑒分批估計(jì)算法基礎(chǔ)上，加入修正因子，構(gòu)造修正樣本方差，自適應(yīng)的調(diào)節(jié)某時(shí)刻各個(gè)批次融合值的權(quán)重，從而得到某時(shí)刻車廂內(nèi)準(zhǔn)確的融合值，達(dá)到了預(yù)期的?；罾硐霠顟B(tài)。

1 車廂內(nèi)多傳感器數(shù)據(jù)預(yù)處理模型

運(yùn)輸車廂中匯集了一些溫度傳感器節(jié)點(diǎn)，融合的數(shù)據(jù)量較多，所以需采集大量的數(shù)據(jù)。但受溫度傳感器本身精度的影響和無(wú)線節(jié)點(diǎn)的不穩(wěn)定性，采集的數(shù)據(jù)存在一定的誤差。若對(duì)差異較大的數(shù)據(jù)不進(jìn)行及時(shí)處理，數(shù)據(jù)融合的結(jié)果將造成系統(tǒng)誤差。本文采用模糊集理論，根據(jù)隸屬函數(shù)的隸屬度剔除差異較大的數(shù)據(jù)。

定義：假設(shè){1,2,...,x}?是采集的溫度數(shù)據(jù)集，是該溫度數(shù)據(jù)集中的個(gè)數(shù)，x是采集的數(shù)據(jù)，是溫度的基準(zhǔn)值，d=|x-|是數(shù)據(jù)x到溫度基準(zhǔn)值的相對(duì)距離，d的值越大，說(shuō)明測(cè)量值偏離基準(zhǔn)值越大，d越小，說(shuō)明測(cè)量值越接近基準(zhǔn)值。但是，數(shù)據(jù)與基準(zhǔn)值的相對(duì)距離界限比較模糊，并不能表明兩者之間的具體差異。所以，本文將隸屬函數(shù)的隸屬度定義為：

其中，(x,)?(0,1)。

2 多傳感器數(shù)據(jù)融合算法

水產(chǎn)品保活運(yùn)輸過(guò)程中，為了提高車廂中監(jiān)測(cè)值的精確度，對(duì)多個(gè)溫度傳感器在某時(shí)刻采集的數(shù)據(jù)先進(jìn)行分批估計(jì)，然后再進(jìn)行自適應(yīng)加權(quán)數(shù)據(jù)融合。

2.1 多傳感器分批估計(jì)

由文獻(xiàn)[9]可知，同類型多個(gè)傳感器分批估計(jì)得到的融合結(jié)果與單個(gè)傳感器融合的結(jié)果是一致的，都具有高效的實(shí)時(shí)性。故在單個(gè)傳感器數(shù)據(jù)分批估計(jì)的基礎(chǔ)上，多個(gè)傳感器的數(shù)據(jù)同樣適用。

由分批估計(jì)理論可得出，某時(shí)刻的監(jiān)測(cè)數(shù)據(jù)經(jīng)過(guò)分批估計(jì)后的融合方差為：

由分批估計(jì)得出的融合值可知：分批估計(jì)的融合結(jié)果是各批監(jiān)測(cè)數(shù)據(jù)平均值的加權(quán)和。

2.2 多傳感器自適應(yīng)加權(quán)數(shù)據(jù)融合

圖1 算法結(jié)構(gòu)框圖

其中，為修正因子。

其中，=1,2,…,。

由于每批溫度傳感器的精度存在差異，為了使融合的結(jié)果更優(yōu)，可根據(jù)自適應(yīng)加權(quán)融合算法，將每批溫度傳感器所得到的融合值自適應(yīng)地尋找對(duì)應(yīng)的權(quán)數(shù)，使其達(dá)到最優(yōu)的融合結(jié)果。

2.3 多傳感器數(shù)據(jù)融合算法流程

基于以上算法的設(shè)計(jì)，多傳感器數(shù)據(jù)融合方法的具體流程如圖2所示。

圖2 多傳感器數(shù)據(jù)融合方法流程圖

3 算法的實(shí)例驗(yàn)證

本文研究的重點(diǎn)在于:在水產(chǎn)品的?；钸\(yùn)輸過(guò)程中，為了提高多傳感器監(jiān)測(cè)數(shù)據(jù)的融合精度，故提出了多傳感器數(shù)據(jù)融合算法，對(duì)采集的數(shù)據(jù)進(jìn)行處理，便于調(diào)控其鮮活狀態(tài)，對(duì)于水產(chǎn)品運(yùn)輸過(guò)程中的環(huán)境狀態(tài)如何控制不做研究。為了驗(yàn)證算法的實(shí)用性，用貨車將水產(chǎn)品從上海海洋大學(xué)水產(chǎn)學(xué)院運(yùn)輸?shù)浇鹕嚼认碌霓r(nóng)業(yè)示范基地。

3.1 數(shù)據(jù)來(lái)源

數(shù)據(jù)的采集是由無(wú)線傳感器監(jiān)測(cè)系統(tǒng)完成的。車廂空間作為數(shù)據(jù)采集的區(qū)域，將車廂內(nèi)布置的傳感器節(jié)點(diǎn)采集的溫度信息，通過(guò)無(wú)線網(wǎng)絡(luò)GPRS傳輸?shù)交?，基站?duì)數(shù)據(jù)進(jìn)行處理后，通過(guò)路由器、服務(wù)器發(fā)送到上位機(jī)（計(jì)算機(jī)）。整個(gè)的無(wú)線傳感器監(jiān)測(cè)系統(tǒng)主要是基于無(wú)線傳感器網(wǎng)絡(luò)，完成數(shù)據(jù)的正常通信。監(jiān)測(cè)系統(tǒng)如圖3所示。

圖3 溫度監(jiān)測(cè)的簡(jiǎn)易架構(gòu)

圖4 運(yùn)輸車

圖5 車廂內(nèi)部分傳感器布局

按照實(shí)際的水產(chǎn)品運(yùn)輸過(guò)程，運(yùn)輸車如圖4所示，模擬出車廂內(nèi)部的部分傳感器節(jié)點(diǎn)布局如圖5所示。車廂內(nèi)使用的是SHT11型溫濕度傳感器監(jiān)測(cè)環(huán)境參數(shù)，按照空間不相鄰原則，可隨意分組。例如第一組1、2、6號(hào)傳感器；第二組5、8、7號(hào)傳感器等。

3.2 數(shù)據(jù)分析

本次實(shí)驗(yàn)選取的水產(chǎn)品是上海海洋大學(xué)水產(chǎn)學(xué)院暫養(yǎng)的烏鱧，烏鱧在運(yùn)輸過(guò)程中采取的是低溫?；?，最佳的?；顪囟仁? ℃,所以將車廂選作監(jiān)測(cè)區(qū)域，2 ℃作為基準(zhǔn)值（真實(shí)值）。隨機(jī)選取車廂內(nèi)的9個(gè)溫度傳感器節(jié)點(diǎn)，將其分成3批，每批三個(gè)。這三批傳感器采集在不同時(shí)刻（6個(gè)時(shí)刻）的溫度值如表1所示，不同時(shí)刻分別表述為t1時(shí)刻、t2時(shí)刻、t3時(shí)刻、t4時(shí)刻、t5時(shí)刻和t6時(shí)刻。

表1 監(jiān)測(cè)溫度值/℃

根據(jù)分批估計(jì)和多傳感器數(shù)據(jù)融合算法，6個(gè)時(shí)刻的數(shù)據(jù)融合值對(duì)比及相應(yīng)的相對(duì)誤差如表2所示。

表2 監(jiān)測(cè)數(shù)據(jù)溫度融合值對(duì)比

Table 1 Comparison of temperature fusion value for monitoring data

采集的數(shù)據(jù)雖經(jīng)預(yù)處理模型，但處理過(guò)程中存在局限，數(shù)據(jù)處理不完整，表1中存在差異較大的監(jiān)測(cè)值：t4時(shí)刻的5.21 ℃和7.98 ℃、t6時(shí)刻的5.18 ℃。從表2中可以得出：（a）多傳感器數(shù)據(jù)融合算法處理差異大的數(shù)據(jù)優(yōu)于分批估計(jì)，融合值更接近于烏鱧的最佳?；顪囟? ℃；（b）數(shù)據(jù)融合算法中，因修正因子自適應(yīng)的調(diào)節(jié)權(quán)重，分批估計(jì)的融合精度明顯低于數(shù)據(jù)融合算法，誤差較大。

用上述方法，在100個(gè)時(shí)刻的數(shù)據(jù)融合與分批估計(jì)的融合值仿真對(duì)比如圖6所示。

圖6 數(shù)據(jù)融合和分批估計(jì)融合值對(duì)比

從仿真圖中可進(jìn)一步得出：多傳感器數(shù)據(jù)融合算法增強(qiáng)了系統(tǒng)的魯棒性，提高穩(wěn)定性，具有一定的實(shí)用性。

4 結(jié)論

水產(chǎn)品在?；钸\(yùn)輸過(guò)程中，因其在車廂內(nèi)的多因子環(huán)境變化復(fù)雜，提高多傳感器的監(jiān)測(cè)精度的問(wèn)題亟須解決。本文提出的多傳感器數(shù)據(jù)融合算法在分批估計(jì)的基礎(chǔ)上，通過(guò)加入修正因子，構(gòu)造修正樣本方差，自適應(yīng)的調(diào)節(jié)融合值的權(quán)重，層層降低誤差。

由實(shí)驗(yàn)結(jié)果可知，多傳感器數(shù)據(jù)融合算法具有以下優(yōu)勢(shì)：（1）與其它的算法相比，融合監(jiān)測(cè)值的精度得到了有效的提高；（2）修正因子的自適應(yīng)調(diào)節(jié)增強(qiáng)了監(jiān)測(cè)系統(tǒng)的魯棒性。本文提出的算法在水產(chǎn)品保活運(yùn)輸中，未考慮到車廂的封閉性（外部的環(huán)境、氣流），導(dǎo)致傳感器監(jiān)測(cè)方面有一定的欠缺，后續(xù)將進(jìn)一步考慮這些問(wèn)題，優(yōu)化算法的應(yīng)用研究。

[1] 吳佳靜,楊悅,許啟軍,等.水產(chǎn)品保活運(yùn)輸技術(shù)研究進(jìn)展[J].農(nóng)產(chǎn)品加工,2016(16):55-56,60

[2] 楊悅,吳佳靜,許啟軍,等.水產(chǎn)品保鮮技術(shù)研究進(jìn)展[J].農(nóng)產(chǎn)品加工,2016(20):54-57,60

[3] 孫克雷,秦汝祥.基于自適應(yīng)分批估計(jì)的瓦斯監(jiān)測(cè)多傳感器數(shù)據(jù)融合研究[J].傳感器與微系統(tǒng),2011(10):47-49

[4] 廖惜春,丘敏,麥漢榮.基于參數(shù)估計(jì)的多傳感器數(shù)據(jù)融合算法研究[J].傳感技術(shù)學(xué)報(bào),2007(1):193-197

[5] 張品,董為浩,高大冬.一種優(yōu)化的貝葉斯估計(jì)多傳感器數(shù)據(jù)融合方法[J].傳感技術(shù)學(xué)報(bào),2014(5):643-648

[6] 司迎利,楊新宇,陳勇,等.基于全局狀態(tài)估計(jì)的多傳感器加權(quán)數(shù)據(jù)融合算法[J].紅外技術(shù),2014,36(5):360-364

[7] 蔡世清,周杰.基于支持向量機(jī)的多傳感器數(shù)據(jù)融合算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2016,37(5):1352-1356

[8] 寧宣杰,趙海,尹震宇,等.WSN中的一種多傳感器數(shù)據(jù)融合算法[J].小型微型計(jì)算機(jī)系統(tǒng),2009,30(9):1734-1737

[9] 邱爽.無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法研究[D].武漢:武漢理工大學(xué),2008

[10] Yu Y, Feng X, Hu J. Multi-sensor Data Fusion Algorithm of Triangle Module Operator in WSN[C]//International Conference on Mobile Ad-Hoc and Sensor Networks. IEEE, 2015:105-111

[11] 韓玉冰,齊林,傅澤田,等.水產(chǎn)品冷藏車無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)計(jì)——基于CC2530[J].農(nóng)機(jī)化研究,2013(4):174-178

[12] 張聚偉,王宇,楊挺.基于數(shù)據(jù)融合的有向傳感器網(wǎng)絡(luò)全覆蓋部署[J].傳感技術(shù)學(xué)報(bào),2017(1):139-145

[13] 高霞,袁明波,饒頔,等.農(nóng)用無(wú)線傳感器網(wǎng)絡(luò)低功耗休眠算法應(yīng)用研究[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2015,46(1):101-105

Multi-Sensor Data Fusion Algorithm Based on Aquatic Product Live Transportation

CAO Shou-qi, LIU Ying*

201306,

In order to solve the problem of large error of multi-sensor monitoring data in live transportation of aquatic products and improve the accuracy of data fusion, a multi-sensor data fusion algorithm is proposed. Firstly, the data with larger differences collected by the temperature sensor at a certain time is eliminated, on the basis of batch estimation, the correction factor is added to construct the modified sample variance, the weight of each batch temperature fusion value can be adjusted adaptively and the accurate temperature fusion value in the carriage can be obtained. Take the snakehead transport as an example, the results show: compared with the batch estimation algorithm, the proposed algorithm can obtain the more accurate environmental temperature of aquatic products, so as to control the living temperature better, and the fusion accuracy is higher and the stability is better.

Keeping alive of aquatic product; multi-sensor; data fusion; batch estimation; correction factor

TP274

A

1000-2324(2018)06-0941-05

10.3969/j.issn.1000-2324.2018.06.008

217-07-30

2017-10-08

上海市2015年度“科技創(chuàng)新行動(dòng)計(jì)劃”專題(15DZ1202202)

曹守啟(1973-),男,博士,教授,主要從事海洋工程裝備設(shè)計(jì)、物聯(lián)網(wǎng)技術(shù)等. E-mail:caoshou_qi@163.com

Author for correspondence. E-mail:2521815816@qq.com