(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210507041.4 (22)申请日 2022.05.11 (65)同一申请的已公布的文献号 申请公布号 CN 114611636 A (43)申请公布日 2022.06.10 (73)专利权人 深圳市三江电气有限公司 地址 518110 广东省深圳市龙岗区坪 地街 道坪西社区横坑工业区2号B栋 (72)发明人 桑娟娟　 (74)专利代理 机构 深圳锴权知识产权代理事务 所(普通合伙) 44825 专利代理师 张巍 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06N 7/00(2006.01) G01D 21/02(2006.01) H04W 4/38(2018.01) H04L 67/12(2022.01) (56)对比文件 CN 104571079 A,2015.04.2 9 审查员 于芝枝 (54)发明名称 一种融合多种传感器信息实现测量值分析 的方法 (57)摘要 本发明公开一种融合多种传感器信息实现 测量值分析的方法， 包括以下步骤： 步骤1、 接收 多种传感器数据信息传感的测量值数据信息， 以 实现多种传感器测量值数据信息的接收； 步骤2、 利用大数据融合计算模型将多种传感器数据信 息进行融合， 以兼容不同形式的传感器数据信 息； 步骤3、 利用BP神经网络模型对分类后的多种 传感器数据实现故障诊断； 步骤4、 将处理后的多 种传感器数据进行数据输出， 以提高故障数据信 息的应用能力。 本发明能够融合多种数据传感器 信息， 将不同类型的传感器信息通过大数据融合 计算模型将多种传感器数据信息进行融合计算， 提高了传感器数据信息的计算能力， 并通过BP神 经网络诊断算法模型提高了多种数据传感器的 计算能力。 权利要求书4页 说明书10页 附图4页 CN 114611636 B 2022.09.06 CN 114611636 B 1.一种融合多种传感器信息实现测量 值分析的方法， 其特 征在于： 包括： 步骤1、 接收传感器传感的无线传感器网络数据信息， 以实现多种传感器无线传感器网 络数据信息的接收； 在本步骤中， 通过传感器网络节点实现传感器无线传感器网络数据信息的输出， 通过 CSMA算法模型提高无线传感器网络数据信息传递能力， 并应用MAC协议将无线传感器网络 数据信息转发给汇聚节点， 提高无线传感器网络数据信息获取能力； 步骤2、 利用大数据融合计算模型将多种无线传感器网络数据信 息进行融合， 以兼容不 同形式的无线传感器网络数据信息， 并将多种无线传感器网络数据信息按照不同数据属性 进行分类； 在本步骤中， 通过数字运算方法实现传感器无线传感器网络数据信 息信号变换、 滤波、 检测、 估值和调制解调的对数据 处理的模块； 通过卡尔曼滤波算法模型实现传感器无线传 感器网络数据信息目标状态高精度的测量； 通过贝叶斯算法模型实现无线传感器网络数据 信息的分类； 步骤3、 利用BP神经网络模型对分类后的多种传感器数据实现故障诊断， 以实现传感器 无线传感器网络数据信息的分析 过程； 在本步骤中， 在BP神经网络模型中加入可信度检测步骤， 以提高无线传感器网络数据 信息分析能力； 步骤4、 将步骤1 ‑3处理后的多种传感器数据进行数据输出， 并对诊断出的故障数据进 行处理， 以提高故障数据的应用能力。 2.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法， 其特征在 于： 在步骤2中， 数字运 算方法通过D SP控制模块实现数据信息计算。 3.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法， 其特征在 于： 所述CSMA算法模型实现传感器数据传递的方法为： 通过CSMA算法模型输出无线传感器 网络数据信息， 进而反映传感器网络数据信息在传递过程中数据发送整体情况， 应用的 Poisson分布公式函数为：            (1) 式 （1） 中， G表示无线传感器网络数据信息在数据传递过程中， 到达汇聚节点时无线传 感器网络数据信息分组平均到达率， e表示无线传感器网络数据信息在发布 时的时隙发出 概率， 表示无线网络传感器的节点传输能力， N表示数据节点网络数据输出量， 表示无 线传感器网络数据信息空闲时隙具有的平均个数； z  表示无线传感器网络数据信息在数据 传递过程中输出 数据的总量； 其中无线传感器网络数据信息信道空 闲概率函数为：                      （2） 当无线传感器网络数据信息在通信时， 假设通信前存在 个数据时隙， 则无线传感器网 络在数据通信时， 无线传感器网络数据信息空 闲时隙具有的平均个数函数为：权　利　要　求　书 1/4 页 2 CN 114611636 B 2   （3） 式 （3） 中， 表示无线传感器网络数据信息在数据传递过程中， 到达汇聚节点时无线传 感器网络数据信息分组效率。 4.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法， 其特征在 于： 所述卡尔曼滤波算法模型通过数据融合函数的方式实现传感器无线传感器网络数据信 息的融合， 将不同的无线传感器网络数据信息分离为离散时间系统， 则融合后的大数据函 数表示为：                  （4） 式 （4） 中， 表示多种传感器采集到的数据信息输入， 表示多种数据 传感器输入 数据信息的外部噪音信息， 表示计算不同无线传感器网络数据信息的高斯线性组合随 机序列， 表示多种传感器输出数据信息的协方程， 表示无线传感器网络数据信息空 闲时隙具有的平均个数； 则启动融合计算后， 输出融合后的数据信息为：                 （5） 式 （5） 中， 表示融合后的传感器 数据计算量， 表示融合不同传感器计算的随 机变量。 5.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法， 其特征在 于： 所述贝叶斯算法模型实现数据分类的方法是： 首先输入传感器无线传感器网络数据信 息的特征属性和训练样本， 设置样本数据属性； 然后用贝叶斯分类算法公式进行计算； 计算待考核的传感器数据特征属性类别， 并进 一步统计传感器数据特征属 性类别在训练样本中出现频率及每个特征属 性划分属 性的条 件概率估计， 进 而输出待评估的无线传感器网络数据信息； 假设 为训练无线传感器网络数据信息样本的待分类项， 每个 为 的数据分类特征属性； 传感器输出数据信息={电流,  电压, 温度， 湿度， 火焰， 纹波、 加速度、 位移或者角度}， 通过不同数据信息分类后， 分类后的电流,  电压, 温度， 湿度， 火 焰， 纹波、 加速度、 位移或者角度 数据集合C={y1, y2, y3……， ym}； 然后计算P （y1/x） ， P （y2/ x） ，……， P （yn/x） ， 找出P （yk/x） =max{  P （y1/x） ， P （y2/x） ，……， P （yn/x） },则x∈yk， 进而找出 最大值， 获得最高信任值， 则贝叶斯分类算法输出公式为：                        （6） 式 （6） 中，  A为无线传感器网络数据信息的特 征， B为无线传感器网络数据信息的类别。 6.根据权利要求1所述的一种融合多种传感器信息实现测量值分析的方法， 其特征在 于： 所述BP神经网络模型的计算方法为： 步骤 （1） 、 将采集到的传感器检测数据经输入层输入神经网络模型， 原始传感器数据设权　利　要　求　书 2/4 页 3 CN 114611636 B 3