的平均值为534.81,与标准表测得的温度(533.70°C)相比,测量偏差为+1.11°C。在用分布图法剔除传感器8的疏失误差后(取a为1),剩下的7个一致性测量数据的算术平均值为534.24°C,测量偏差为+0.54°C。
7个一致性传感器可分为2组,第1组为536.50、533.20、532.80、535.80,第2组为535.30、532.40、533.70。2组测量数据的算术平均值及均方根差分别为

主蒸汽温度融合值的偏差为+0.38°C。 由此可见,上述数据融合方法进行数据融合得到的结果比算术平均值更接近被测量真值。在实际应用中,运行参数测量的分散性较大,数据融合对测量结果的改善效果更显著。 4.2 时间分布数据融合的应用实例 对于时间分布数据的融合,可用类似的方法处理,得到相同的结果。连续测量10次机组负荷的测量结果如表2。 10次测量的平均值为92.83 MW,在用分布图法剔除10次测量的疏失误差后(取a 为2),剩下的9个一致性测量数据的算术平均值为92.63 MW。 9个一致性测量数据按照奇数次采集和偶数次采集不在同一组的原则,可分为两组,第1组为93.43、92.54、90.82、92.55,第2组为94.04、92.48、91.87、92.62、93.31。两组测量数据的算术平均值及均方根差分别为


5 结束语 本文提出的基于算术平均值与分批估计相结合的数据融合方法, 通过归纳信息融合技术的基本特点,分析和总结了该新兴技术在火电厂领域应用的切入点,推导了数据融合的方法,经实际应用证明,效果显著。 数据融合方法不仅适用于火电厂中运行参数空间分布数据的融合和时间分布数据的融合问题,同时也适用于其它测量结果及测量噪声具有正态分布特性的测量系统,尤其适用于缓变物理量分布式测量控制系统的数据融合处理。
参考文献
[1] 章燕申(Zhang Yanshen).最优估计与工程应用(Optimum estimate and engineering application)[M].北京:宇航出版社(Beijing: Aerospace Press),1991. [2] James Llines, Edward Waltz. Multisensor data fusion. artech house boston[M], London, 1990. [3] 郁文贤,雍少为,郭桂蓉(Yu Wenxian, Yong Shaowei, Guo Guirong).多传感器信息融合技术述评(Comments on multisensor information fusion)[J].长沙:国防科学技术大学学报(Changsha:Journal of national university of defense technology),1994,16(3):1-11. [4] Chang Charles C,Kai Tai Song. Ultrasonic sensor data integration and Its application to environment perception[J]. Journal of Robotic System,1996, 13(10):663-677. [5] 曾秋成(Zeng Qiucheng).技术数理统计方法(Technical mathematical statistics method)[M].合肥:安徽科学技术出版社(Hefei: Anhui Science and Technology Press),1982. [6] 李贻斌,刘明,周风余,等(Li Yibin, Liu Ming, Zhou Fengyu, et al). 移动机器人多超声波传感器信息融合方法(A data fusion algorithm of multi-ultrasonic sensor for mobile robot)[J].系统工程与电子技术(Systems Engineering and Electronics),1999,21(9):55-57. [7] Chen Shangliang, Jen Y W. Data fusion neural network for tool condition monitoring in CNC milling machining[J]. International Journal of Machine Tools & Manufacture, 2000,40:381-400.
上一页 [1] [2]
|