设计神经网络环境多参量智能监测系统设计.docVIP

设计一 基于神经网络的环境多参量智能监测系统的设计 一、目的和要求 目的 通过本次综合设计，进一步了解智能检测技术的基本原理、智能检测系统的建立和智能检测系统的设计过程。 提高学生有关工程系统的程序设计能力。 熟悉MATLAB语言、虚拟仪器如LABVIEW软件以及在智能检测设计中的应用。 要求 充分理解设计内容，并独立完成综合设计报告。 综合设计报告要求：综合设计题目，综合设计具体内容及实现功能，结果分析、收获或不足，程序清单，参考资料。 二、实验设备及条件 PC机 LabVIEW8.2软件 传感器：DRWZ-5-B型温度传感器、DRZS-5-A型声传感器、DRGS-12-A型光传感器、DRSD-5-A型湿度传感器、NAP-21A型二氧化碳传感器 DRVI快速可重组虚拟仪器平台 DRDAQ-USB型数据采集仪 实验总体结构如图所示。本结构由PC机、环境监控系统、传感器、USB数据采集仪以及相应联动系统组成。USB数据采集仪完成对各传感器的感应数据信息检测、采集, 并将采集到的信息传递给PC机，进行数据融合处理，同时实时传给监控系统。监控系统担负着信息的显示、设置系统报警等工作。多传感器数据（信息）融合技术是20世纪70年代产生并迅速发展的一个新的学科。多传感器数据融合（Multisensor Information Fusion）是指对来自多个传感器的数据进行多级别、多方面、多层次的处理，从而产生新的有意义的信息，而这种新信息是任何单一传感器所无法获得的。严格来说应该称这种理论为多传感器信息融合，因为信息的概念更广泛、更具有概括性，而针对于实际中的应用，在工业现场中要处理的对象就是多传感器的检测数据，故本设计中均称为多传感器数据融合。 数据融合包括对各种传感器给出的有用信息进行采集、传输、分析和合成等处理过程。一般认为数据融合是信息的综合与处理过程，对在不同的时间序列上获得的各种传感器信息按一定准则加以综合分析，完成所需的决策和估计任务。多传感器信息融合构有多种模式，目前对其分类可归纳为下列4种： 按功能分：检测级、位置级、属性通讯、态势评估级、威胁估计级； 按结构分：并行结构、串行结构、分散型结构、树状结构、反馈结构； 按信息处理方式分：集中式、分布式、混合式； 按层次分：数据层、特征层、决策层。 本系统的二级融合方法采用的就是神经元网络。常用的数据融合方法比较如表1所示。 图 系统总体设计图表1 常用的数据融合方法比较 融合方法 运行环境 信息类型 信息表示 不确定性 融合技术 适用范围 加权平均 动态 冗余 原始读数据 加权平均 低层数据融合 卡尔曼滤波 动态 冗余 概率分布 高斯噪声 系统模型滤波 低层数据融合 贝叶斯估计 静态 冗余 概率分布 高斯噪声 贝叶斯估计 高层数据融合 统计决策理论 静态 冗余 概率分布 累加噪声 极值决策 高层数据融合 证据推理 静态 冗余互补 命题 逻辑推理 高层数据融合 模糊推理 静态 冗余互补 命题 隶属度 逻辑推理 高层数据融合 神经元网络 动、静态 冗余互补 神经元输入 学习误差 神经元网络 低/高层 产生式规则 静态 冗余互补 命题 置信因子 逻辑推理 高层融合 传统检测系统的工作过程是检测信号送入A/D转换，将数字信号经过简单的预处理后送入计算机，在计算机中就以此为依据对系统进行各种判断和决策。应用了数据融合的系统与传统的系统有所不同，它是综合多个多种传感器的测量数据，在计算机中对数字信号还要进行进一步融合处理。 数据融合过程主要包括多传感器信号获取、数据预处理、数据融合中心特征提取、数据融合计算和结果输出等环节，其过程如图所示。 图 多传感器数据融合过程 由于被测对象多为具有不同特征的非电量，如温度、湿度、光照、噪声、二氧化碳含量等，因此首先要通过传感器转换电路将这些非电量转换成电信号，然后经过A/D转换将它们转换成能由计算机处理的数字量。数字化后的电信号由于环境等随机因素的影响，不可避免地存在一些干扰和噪音信号，通过预处理，采用滤波等方法滤除数据采集过程中的干扰和噪音，得到有用信号。预处理后的有用信号就送入融合中心进行数据融合，经过特征提取，并对某一特征量进行数据融合计算，最后输出融合结果。 1信号的获取多传感器信号获取方法很多，可根据具体情况采取不同的传感器获取被测对象的信号。工程信号的获取一般采用工程上的专用传感器，通过A/D转换器将非电量信号或电信号转换成计算机I/O口能够接收的电信号，在计算机中进行检测信号的高级复杂处理。本设计中，对环境中参数的检测都需要专门的传感器进行检测，转换为相应的电信号，然后进行A/D转换或直接送入数据采集卡，进行数据转换和处理。本系统采用了多功能的USB数据采集卡实现多传感器检测信号的采集。相应的传感器型号将在