Page 108 - 无损检测2024年第四期
P. 108
黄书童,等:
多传感器数据融合技术在管道无损检测中的应用
器管道检测数据处理提供了技术支持, 也为后续管 1.1 多传感器数据融合层次
道修复补强和安全稳定运行提供了依据。近年来, 多传感器数据融合可以在 3 个层次对信息进行
具有信息冗余和互补性特点的多传感器数据融合技 不同程度的融合, 分别为数据级融合、 特征级融合和
术成为了学者们研究的热点, 在智能制造、 海洋监测 决策级融合 [ 8 ] 。数据级融合又称像素级融合, 属于
以及图像处理等领域得到了广泛的应用。 多传感器数据融合的最底层, 其直接融合传感器获
取的信息, 然后对融合结果进行特征提取和判定; 特
1 多传感器数据融合技术
征级融合是对从原始数据中提取的特征数据进行融
在 20 世纪 70 年代, 传感器数据融合技术最早 合; 决策级融合是多传感器数据融合的最高层次, 首
应用在美国国防部开发的声呐信号处理系统中, 并 先对原始数据进行预处理并对被测对象进行独立决
于 80 年代得到发展。数据融合是对采集的各种数 策, 然后对所有决策结果进行融合得到具有总体一
据进行综合处理和优化, 对来自多个信息源的信息 致性的决策结果。笔者对此 3 种融合方式的优缺点
进行自动检测、 关联、 相关及估计的融合处理, 从而 和主要理论支撑进行了总结归纳 [ 9-11 ] , 其结果如表 1
达到提高整个系统准确性和鲁棒性的目的 [ 6-7 ] 。 所示。
表 1 不同层次的数据融合方式及其优缺点
融合层次
项目
数据级融合 特征级融合 决策级融合
抗干扰能力强, 易实现实时处理, 具
优点 原始信息丰富, 精度最高 通信量小, 容错能力较强
有较高精度
缺点 数据量巨大, 实时性和抗干扰能力差 融合前需要先对特征进行相关处理 对信息可信度要求高
聚类分析法、 贝叶斯估计法、 加权平
HIS变 换、 PCA 变 换、 小 波 变 换 及 贝叶斯估计法、 专家系统、 神经网络
主要理论支撑 均法、 D-S 证 据 推 理 法 及 神 经 网 络
加权平均等 法、 模糊集理论及可靠性理论等
法等
1.2 多传感器数据融合方法 领域得到了广泛的应用。以上提到的数据融合方法
对于多传感器数据融合技术而言, 其涉及多种 各有优劣, 但随着研究的不断深入, 融合方法的鲁棒
融合理论和方法, 不同的融合方法可以用于不同的 性和并行处理能力逐渐增强, 新的、 更有效的数据融
融合层次和场景 [ 12 ] 。其方法主要包括卡尔曼滤波 合方法被不断提出, 多传感器数据融合技术必将成
与数据融合方法、 贝叶斯方法、 D-S 法( 证据理论方 为未来复杂工业系统智能检测与数据处理的重要
法)、 模糊推理方法、 遗传算法、 粒子群算法、 神经网 技术。
络方法以及深度学习方法。以上方法可以划分为物
2 多传感器数据融合技术在油气管道无损
理模型法、 参数分类法与智能化方法 3 类 [ 13 ] , 数据
检测领域的应用
融合方法分类框图如图 1 所示。
我国对传感器数据融合技术的研究起步于 20
世纪 80 年代末期, 到 90 年代初国内对此领域的研
究才逐渐升温。由于单个传感器的适用范围有限,
无法全面检测各种缺陷, 因此多传感器集成检测技
术越来越受到关注, 其主要涉及信号处理、 数值建
模、 数据融合、 逆分析等 问 题 [ 22-24 ] 。随 着 人 工 智 能
技术的发展, 越来越多的学者采用智能化方法解决
油气管道检测领域的缺陷识别量化问题, 笔者对多
传感器数据融合技术在油气管道复合检测、 缺陷识
别以及缺陷量化等方面的应用进行总结。
图 1 数据融合方法分类框图 2.1 油气管道复合检测
多传感器数据融合技术能够通过消除系统的不 管道在外部环境作用下会产生各种不规则缺
确定因素得到准确的综合信息, 已在军事 [ 14 ] 、 工业 陷, 包括体积型缺陷、 平面型缺陷、 机械损伤等, 且管
监控 [ 15-17 ] 、 智能 检 测 [ 18-19 ] 、 目 标 检 测 与 跟 踪 [ 20-21 ] 等 道在生产过程中亦会产生缺陷, 仅采用一种无损检
7
0
2024 年 第 46 卷 第 4 期
无损检测
