一种基于置信区间的多传感器燃油测量数据加权融合方法与流程

1.本发明涉及飞机燃油测量技术领域，具体地说，涉及一种基于置信区间的多传感器燃油测量数据加权融合方法。


背景技术：

2.目前基于计算机技术的燃油测量系统，虽然大大提高了油量测量的精度，却带来了测量稳定性不好的问题。针对多传感器网络中，多源数据融合的核心问题，实际应用中不具备通用性，而且缺乏容错性，在错误输出油量数据的情况下有可能得到错误的融合结果，甚至输出和实际情况相去甚远的油量数据，这已严重影响到飞行员对飞机工作状态的正确判断。而且油量数据融合过程中，等待时间如果太短，将造成无效融合次数过多，数据离散和价值密度低。等待时间过长，则传输时延增大，严重影响分析结果的可靠性和有效性。由于传感器信息还存在不确定性、不完全性以及不稳定性，油量数据融合过程的纠错能力也很低下，导致软件滤波器收敛速度变慢，估计精度降低，获得的原始数据精度比较差，进而导致滤波器次优估计或使得滤波器发散，初始值估计不准确还有同时存在油量测量数据迟滞等固有缺陷问题。


技术实现要素：

3.本发明针对现有燃油测量系统存在油量测量数据迟滞、获得的原始数据精度比较差的问题，提出一种基于置信区间的多传感器燃油测量数据加权融合方法，该方法，首先设置滤波队列地址和置信区间长度，然后根据滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值，最后根据可信采样值建立加权融合模型，得到加权融合后的飞机燃油油量测量数据，实现了飞机燃油油量测量数据趋势估算，使其更接近于真实的状态，消除油面波动误差，克服了机动飞行时多传感器油量数据融合下带来的测量误差，提高了燃油测量数据的稳定性，并进一步提高了燃油的测量精度。
4.本发明具体实现内容如下：
5.一种基于置信区间的多传感器燃油测量数据加权融合方法，首先设置滤波队列地址和置信区间长度，然后根据所述滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值，最后根据可信采样值建立加权融合模型，得到加权融合后的飞机燃油油量测量数据。
6.为了更好地实现本发明，进一步地，所述多传感器燃油测量数据加权融合方法具体包括以下步骤：
7.步骤1：设置滤波队列地址和置信区间长度；
8.步骤2：根据所述滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值；
9.步骤3：根据所述可信采样值，加权处理传感器，并将加权处理后的多个所述传感器作为整体融合加权，建立加权融合模型；
10.步骤4：根据所述加权融合模型，预测飞机燃油油量。
11.为了更好地实现本发明，进一步地，所述步骤1具体包括以下步骤：
12.步骤11：设置滤波队列地址和设置置信区间长度；所述滤波队列地址，用于定义采集数据的存放起始位置；所述置信区间长度，用于定义滤波的响应速度和区间长度；
13.步骤12：设置滤波极限；所述滤波极限，用于定义飞机燃油测量数据采样值的取值范围；根据所述取值范围判断虚假的飞机燃油测量采样数据；
14.步骤13：设置滤波队列上限和滤波队列下限，根据所述滤波队列上限和所述滤波队列下限，确定所述滤波队列的置信区间范围；所述置信区间范围，用于区分所述飞机燃油测量数据采样值的可信程度。
15.为了更好地实现本发明，进一步地，所述步骤2具体包括以下步骤：
16.步骤21：根据所述滤波队列的上限和下限，判断飞机燃油油量采样值是否在所述置信区间范围内，若所述飞机燃油油量采样值在所述置信区间范围内，则进行步骤22；
17.步骤22：循环n个测量周期，直至所述滤波队列填满，若所述飞机燃油油量采样值在所述置信区间范围内，则将所述飞机燃油油量采样值作为可信采样值，得到可信采样值。
18.为了更好地实现本发明，进一步地，所述步骤3具体包括以下步骤：
19.步骤31：根据所述可信采样值，将所述可信采样值对应的传感器进行加权处理，得到加权处理后的传感器；
20.步骤32：根据加权处理后的所述传感器，计算状态估计值，并根据所述状态估计值构建多变量目标函数；
21.步骤33：根据所述多变量目标函数，计算融合权重；
22.步骤34：根据所述融合权重，建立加权融合模型。
23.为了更好地实现本发明，进一步地，步骤31中所述将所述可信采样值对应的传感器进行加权处理，得到加权处理后的传感器的具体过程为：
[0024][0025]
vk＝xk+zk[0026][0027]
其中，wk表示在第k时刻优化权重，zk为第k时刻传感器的采样值，xk为第k时刻传感器状态的算术平均值，为第k时刻第i个传感器的采样值。
[0028]
为了更好地实现本发明，进一步地，步骤32中所述计算状态估计值的具体操作为：
[0029]
xj＝wkvj(j＝1,2,
…
,n)
[0030]
其中，wk表示在第k时刻方差最小的情况下的优化权重；vj为t个时刻的采样值和t个时刻算术平均值之和；xj为加权后t个时刻的状态估计值；
[0031]
所述多目标函数为：
[0032]
f(λi)＝f(λi)+βy(λi)
[0033]
其中，为第i个传感器检测采样值的方差，λi为融合权重，β为融合权重系数。
[0034]
为了更好地实现本发明，进一步地，所述融合权重为：
[0035][0036]
其中，为第i个传感器检测采样值的方差，λi为融合权重。
[0037]
为了更好地实现本发明，进一步地，所述融合加权模型为：
[0038][0039]
其中，为第j时刻第k个传感器的优化权重，为第j时刻第i个传感器的采样值和对应状态的算术平均值之和，λi为融合权重。
[0040]
为了更好地实现本发明，进一步地，所述多目标函数的约束条件为：
[0041][0042]
其中，λi为融合权重，n为传感器个数。
[0043]
本发明具有以下有益效果：
[0044]
本发明通过建立加权模型，实现了飞机燃油油量测量数据趋势估算，使其更接近于真实的状态，消除了油面波动误差，克服了机动飞行时多传感器油量数据融合下带来的测量误差，有效地改善了现有燃油测量系统并未考虑飞机姿态变更的情况和燃油测量数据稳定性，进一步提高了燃油的测量精度，具有更加优越的性能。
附图说明
[0045]
图1是本发明提供的多传感器燃油测量数据加权融合方法的流程示意图。
具体实施方式
[0046]
为了更清楚地说明本发明实施例的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作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例，都属于本发明保护的范围。
[0047]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0048]
实施例1：
[0049]
本实施例提出一种基于置信区间的多传感器燃油测量数据加权融合方法，首先设置滤波队列地址和置信区间长度，然后根据所述滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值，最后根据可信采样值建立加权融合模型，得到加权融合后的飞机燃油油量测量数据。
[0050]
工作原理：本实施例通过建立加权模型，实现了飞机燃油油量测量数据趋势估算，使其更接近于真实的状态，消除了油面波动误差，克服了机动飞行时多传感器油量数据融合下带来的测量误差，有效地改善了现有燃油测量系统并未考虑飞机姿态变更的情况和燃油测量数据稳定性，进一步提高了燃油的测量精度，具有更加优越的性能。
[0051]
实施例2：
[0052]
本实施例在上述实施例1的基础上，以步骤的形式进行说明。
[0053]
所述基于置信区间的多传感器燃油测量数据加权融合方法具体包括以下步骤：
[0054]
步骤1：设置滤波队列地址和置信区间长度。
[0055]
所述步骤1具体包括以下步骤：
[0056]
步骤11：设置滤波队列地址和设置置信区间长度；所述滤波队列地址，用于定义采集数据的存放起始位置；所述置信区间长度，用于定义滤波的响应速度和区间长度；
[0057]
步骤12：设置滤波极限；所述滤波极限，用于定义飞机燃油测量数据采样值的取值范围；根据所述取值范围判断虚假的飞机燃油测量采样数据；
[0058]
步骤13：设置滤波队列上限和滤波队列下限，根据所述滤波队列上限和所述滤波队列下限，确定所述滤波队列的置信区间范围；所述置信区间范围，用于区分所述飞机燃油测量数据采样值的可信程度。
[0059]
步骤2：根据所述滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值。
[0060]
所述步骤2具体包括以下步骤：
[0061]
步骤21：根据所述滤波队列的上限和下限，判断飞机燃油油量采样值是否在所述置信区间范围内，若所述飞机燃油油量采样值在所述置信区间范围内，则进行步骤22；
[0062]
步骤22：循环n个测量周期，直至所述滤波队列填满，若所述飞机燃油油量采样值在所述置信区间范围内，则将所述飞机燃油油量采样值作为可信采样值，得到可信采样值。
[0063]
步骤3：根据所述可信采样值，加权处理传感器，并将加权处理后的多个所述传感器作为整体融合加权，建立加权融合模型。
[0064]
所述步骤3具体包括以下步骤：
[0065]
步骤31：根据所述可信采样值，将所述可信采样值对应的传感器进行加权处理，得到加权处理后的传感器；
[0066]
步骤32：根据加权处理后的所述传感器，计算状态估计值，并根据所述状态估计值构建多变量目标函数；
[0067]
步骤33：根据所述多变量目标函数，计算融合权重；
[0068]
步骤34：根据所述融合权重，建立加权融合模型。
[0069]
步骤4：根据所述加权融合模型，预测飞机燃油油量。
[0070]
本实施例的其他部分与上述实施例1相同，故不再赘述。
[0071]
实施例3：
[0072]
本实施例在上述实施例1-实施例2任一项的基础上，如图1所示，以一个具体的实施例进行说明。
[0073]
本实施例首先设置一个对燃油油量信号进行后处理的滤波器，在所述滤波器中，设置滤波队列地址、置信区间长度设定单元、滤波队列的上、下限δ
upper
和δ
upper
；然后利用
δ
limit
将明显的虚假数据拒之门外；然后利用δ
upper
和δ
lower
对采样值进行判断；再按照原次序将n个传感器检测到的原始燃油油量采样值划分为n个小组，接着对单个传感器进行加权预处理，使得采样值快速收敛；然后对多传感整体融合进行加权，通过双加权，建立整体加权融合的数学模型，从而使得融合滤波算法性能最优。其中，δ
limit
为油量采样值si的有效范围，为正值，δ
upper
和δ
lower
分别是滤波队列的上、下限。
[0074]
如果滤波器得到的采样值si落在[δ
lower
,δ
upper
]区间，就认为它是可信的；如果采样到一个极端大值，则认为它是无效的，并将其剔除。
[0075]
滤波器的可信采样值x的数学表达式为：
[0076]
x＝{x1,...xi,...xn},i＝1,2,....n
ꢀꢀꢀ
(1)
[0077]
其中，n为多传感器个数。
[0078]
如果滤波器得到的采样值si，落在置信区间，那么单传感器加权策略是：假设分布在k时刻系统的可信采样值x的方差最小，对应状态的算术平均值为xk，采样值为zk，定义单个传感器优化权重wk的计算公式为：
[0079][0080]
其中，vk＝xk+zk。
[0081]
对应状态算术平均值计算公式为：
[0082][0083]
为第k时刻第i个传感器的采样值。
[0084]
单个传感器加权后：
[0085]
xj＝wkvj(j＝1,2,
…
,n)
ꢀꢀꢀ
(4)
[0086]
其中wk表示在第k时刻方差最小的情况下的优化权重；vj为t个时刻的采样值和t个时刻算术平均值之和；xj为加权后t个时刻的状态估计值。
[0087]
为了剔除误差影响，使得单个传感器检测采样值估计精度达到最高，单个传感器采样数据预处理以后，对多个传感器进行整体加权。由于传感器的方差固定不变，传感器的方差对融合权重将造成影响。为消除影响，设多个传感器融合权重为：
[0088]
λi(i＝1,2,
…
n)
ꢀꢀꢀ
(5)
[0089]
测量误差服从正态分布的规律，必须找到使得的值最小需要满足的条件。为此，可构造一个带有约束条件的多变量目标函数：
[0090]
f(λi)＝f(λi)+βy(λi)
ꢀꢀꢀ
(6)
[0091]
其中，为第i个传感器检测采样值的方差，λi为融合权重。
[0092][0093]
对目标函数(6)求λi的偏导数：
[0094][0095]
令f(λi)取得最小值，所以得到：
[0096][0097]
结合公式(7)和(9)，得到：
[0098][0099]
将公式(10)代入(9)，得到：
[0100][0101]
综合上述公式，获得整体加权融合计算公式：
[0102][0103]
其中，为第j时刻第k个传感器的优化权重，为第j时刻第i个传感器的采样值和对应状态的算术平均值之和，约束条件为：
[0104]
根据公式(2)和各个传感器在线测量采样值以及采样值对应的的算术平均值，获取第j时刻第k个传感器的优化权重再根据各个传感器在线测量油量数据，获取第j时刻第i个传感器的采样值和对应状态的算术平均值之和利用公式(11)和公式(12)就可以得到多传感器加权融合结果xj。
[0105]
工作原理：本实施例通过设置有滤波队列地址、置信区间长度设定单元、滤波极限、滤波队列上限、滤波队列下限、可信采样值。滤波队列地址定义了采样数据的存放起始位置，方便我们找到滤波的初始值，置信区间长度设定单元定义了滤波的响应速度和区间长度，方便我们找到需要滤波的数据个数，滤波极限定义了采样值的取值范围，用以剔除明显虚假的数据，滤波队列上限和滤波队列下限定义了滤波序列的置信区间范围，用以进行采样值可信程度的区分，可信采样值定义了可信采样数据的输出接口。
[0106]
其工作原理是：首先利用滤波极限δ
limit
将明显的虚假数据去除；然后利用滤波队列上、下限δ
upper
和δ
lower
以对采样数据进行可信度区分，得到可信采样值；最后输出可信采样值。其中δ
limit
为油量采样值si的有效范围，为正值，δ
upper
和δ
lower
分别是滤波队列的上限、下限。
[0107]
由于飞机的实际油量是按一个比较稳定的耗油速度减少的，所以这里引入燃油油量可信采样值的概念：可信采样值xi在一定的范围内变化，当它是往下变化时，可信采样值
xi相对基准油量最小不低于δ
lower
，也是可以往上变化的，但最大不能超过δ
upper
。
[0108]
滤波器开始运行后，得到的采样值si，必须经过n个测量周期将数据队列填满，作为后续比较的基础。在队列填满的基础上,首先将si与δ
limit
比较可将明显的虚假数据拒之门外；按照原次序排序，如果si小于δ
limit
且又在[δ
lower
,δ
upper
]区间，就认为它是可信的进入置信区间。
[0109]
如图1所示，如果采样值落在置信区间条件，则利用公式(2)得到单个传感器优化权重wk；根据公式(4)递推出可单个传感器加权后的状态估计值，再构造一个带有约束条件的多变量目标函数，如公式(6)所示。结合公式(7)的约束条件，对目标函数(6)求λi的偏导数，得到的公式(9)和公式(10)，最后综合上述所有的公式，获得整体加权融合计算公式，就能建立多传感器下燃油测量采样值趋势数据的数学模型，根据输入采样数据，就能利用模型算法迭代获取多传感器采样数据融合后的结果。
[0110]
选择参数：公式(2)-(4)和公式(11)-(12)中的各个参数对测量系统的跟随性和稳定性有直接的影响，恰当的选择参数是系统能否成功的关键。
[0111]
在上述所有的参数中，第i个传感器测量的方差第j时刻第k个传感器的优化权重和第j时刻第i个传感器的采样值和对应状态的算术平均值之和以及多个传感器融合权重λi对系统的跟随性和稳定性影响最为明显，必须在满足规定的置信区间的基础上，经过详细的分析试飞数据和理论推理才能得到合适的值。
[0112]
多传感器网络的数据冗余包括四种情况：(1)采样值出现时置信区间内的多个传感器采样到相同的数据；(2)同一传感器在不同的时间段采样到的相同的数据。即采样目标没有出现变化，油量采样数据和已发送油量数据重叠。对这两种情况，为减少复杂运算带来的延时消耗，对同一目标采样到相同数据时，只要一个传感器发送数据就可以，其余节点不发送。算法如下：传感器采集到检测数据后，查看邻居节点信息，比对采样数据，数据相同，由一个传感器发送数据包。其余传感器不发送。新采样数据进入后，覆盖原来的采样数据。传感器如果一次在不同时间采集的数据相同，则数据包仅改变时间戳，数据不发送；(3)在不同时间段，同一传感器采样到数据发生变化，但是数据变化不大，目标特征未发生变化；(4)多个传感器在不同时间段对目标的采样到数据不同。对此两种情况，采用上述的整体加权融合滤波算法以实现多个传感器数据融合。
[0113]
本实施例的其他部分与上述实施例1-实施例2任一项相同，故不再赘述。
[0114]
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

技术特征：
1.一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，首先设置滤波队列地址和置信区间长度，然后根据所述滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值，最后根据可信采样值建立加权融合模型，得到加权融合后的飞机燃油油量测量数据。2.根据权利要求1所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，所述加权融合方法具体包括以下步骤：步骤1：设置滤波队列地址和置信区间长度；步骤2：根据所述滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值；步骤3：根据所述可信采样值，加权处理传感器，并将加权处理后的多个所述传感器作为整体融合加权，建立加权融合模型；步骤4：根据所述加权融合模型，预测飞机燃油油量。3.根据权利要求2所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，所述步骤1具体包括以下步骤：步骤11：设置滤波队列地址和设置置信区间长度；所述滤波队列地址，用于定义采集数据的存放起始位置；所述置信区间长度，用于定义滤波的响应速度和区间长度；步骤12：设置滤波极限；所述滤波极限，用于定义飞机燃油测量数据采样值的取值范围；根据所述取值范围判断虚假的飞机燃油测量采样数据；步骤13：设置滤波队列上限和滤波队列下限，根据所述滤波队列上限和所述滤波队列下限，确定所述滤波队列的置信区间范围；所述置信区间范围，用于区分所述飞机燃油测量数据采样值的可信程度。4.根据权利要求3所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，所述步骤2具体包括以下步骤：步骤21：根据所述滤波队列的上限和下限，判断飞机燃油油量采样值是否在所述置信区间范围内，若所述飞机燃油油量采样值在所述置信区间范围内，则进行步骤22；步骤22：循环n个测量周期，直至所述滤波队列填满，若所述飞机燃油油量采样值在所述置信区间范围内，则将所述飞机燃油油量采样值作为可信采样值，得到可信采样值。5.根据权利要求4所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，所述步骤3具体包括以下步骤：步骤31：根据所述可信采样值，将所述可信采样值对应的传感器进行加权处理，得到加权处理后的传感器；步骤32：根据加权处理后的所述传感器，计算状态估计值，并根据所述状态估计值构建多变量目标函数；步骤33：根据所述多变量目标函数，计算融合权重；步骤34：根据所述融合权重，建立加权融合模型。6.根据权利要求5所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，步骤31中所述将所述可信采样值对应的传感器进行加权处理，得到加权处理后的传感器的具体过程为：
v
k
＝x
k
+z
k
其中，w
k
表示在第k时刻优化权重，z
k
为第k时刻传感器的采样值，x
k
为第k时刻传感器状态的算术平均值，为第k时刻第i个传感器的采样值。7.根据权利要求6所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，步骤32中所述计算状态估计值的具体操作为：x
j
＝w
k
v
j
(j＝1,2,
…
,n)其中，w
k
表示在第k时刻方差最小的情况下的优化权重；v
j
为t个时刻的采样值和t个时刻算术平均值之和；x
j
为加权后t个时刻的状态估计值；所述多目标函数为：f(λ
i
)＝f(λ
i
)+βy(λ
i
)其中，为第i个传感器检测采样值的方差，λ
i
为融合权重，β为融合权重系数。8.根据权利要求7所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，所述融合权重为：其中，为第i个传感器检测采样值的方差，λ
i
为融合权重。9.根据权利要求8所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，所述融合加权模型为：其中，为第j时刻第k个传感器的优化权重，为第j时刻第i个传感器的采样值和对应状态的算术平均值之和，λ
i
为融合权重。10.根据权利要求7所述的一种基于置信区间的多传感器燃油测量数据加权融合方法，其特征在于，所述多目标函数的约束条件为：其中，λ
i
为融合权重，n为传感器个数。

技术总结
本发明涉及飞机燃油测量技术领域，具体地说，涉及一种基于置信区间的多传感器燃油测量数据加权融合方法；该方法，首先设置滤波队列地址和置信区间长度，然后根据滤波队列的上限和下限，分析多个传感器数据之间的可信度关系，得到可信采样值，最后根据可信采样值建立加权融合模型，得到加权融合后的飞机燃油油量测量数据，实现了飞机燃油油量测量数据趋势估算，使其更接近于真实的状态，消除油面波动误差，克服了机动飞行时多传感器油量数据融合下带来的测量误差，提高了燃油测量数据的稳定性，并进一步提高了燃油的测量精度。并进一步提高了燃油的测量精度。并进一步提高了燃油的测量精度。


技术研发人员：杜昕鲲 张汴卡 徐刚 林波
受保护的技术使用者：四川泛华航空仪表电器有限公司
技术研发日：2023.06.29
技术公布日：2023/9/20