面向智能巡检场景的多传感器设备融合技术研究.pdfVIP

电子元器件

与信息技术dianziyuanqjanyuxinxjshu

面向智能巡检场景的多传感器设备融合技术研究

李宁1，张仰超1，唐守伟²，张传昀²，贾纪海

1.广东华电清远能源有限公司，广东清远，513000

2.济南奔腾时代电力科技有限公司，山东济南，250014

摘要：智能巡检作为工业设备运维管理的新范式，通过物联网、大数据、人工智能等新一代信息技术与

传统工业生产的深度融合，实现对设备全生命周期的智能感知、分析、诊断与优化，已成为提升工业企业竞争

力、推动工业高质量发展的重要途径。多传感器数据融合是智能巡检中的关键技术之一，融合后的多源异构数

据能够提供设备状态的多维度、多层次描述，极大地提高了对设备异常的检测能力和诊断精度。文章对面向智

能巡检场景的多传感器设备融合技术进行了系统探讨。

关键词：智能巡检：传感器：设备：融合技术

DOl:10.19772/j.cnki.2096-4455.2025.07.028

0引信验概率与似然函数，利用贝叶斯公式对多源异构传感

器数据进行综合推理与决策，从而获得更加准确可靠

传统的人工巡检模式效率低、准确性不足，难以适

的融合结果，贝叶斯融合理论的一般形式可表示为

应现代工业生产的需要。多传感器融合通过将多个传

P(HIE)=P(EIH)·P(H)/P(E)(1)

感器的观测数据进行优化组合，克服了单一传感器在时

式中：P（HIE）表示在已知证据E的条件下，假设H

间维度、空间维度上的局限性，能够对设备的内部状态

成立的后验概率；P（EIH）表示在假设H成立的前提

和外部环境进行更全面、更精准的刻画，为智能巡检提

下，证据E出现的似然概率；P（H）表示假设H成立的

供了重要的技术支撑。多传感器融合涉及数据层、特征

先验概率；P（E）表示证据E出现的边缘概率。

层、决策层等不同融合层次，以及数据对齐、特征提取、

上述贝叶斯公式给出了如何根据已知证据更新

分类决策等不同的关键技术，如何针对复杂工业场景开

假设的概率，通过不断迭代计算后验概率，即可实现

展系统性研究，是智能巡检领域呕须解决的重要问题。对多源传感器数据的动态融合，贝叶斯融合方法的关

1智能巡检概述键在于先验概率与似然函数的合理设置，通常可根据

传感器自身特性、噪声分布等先验知识进行假设与建

智能巡检作为一种新兴的设备运维管理方式，通过模，并使用期望最大化（EM）算法对参数进行估计，

物联网、大数据分析、人工智能等技术手段对各类工业以提高融合精度。

设备进行全面监测、综合分析与评估，能够实现设备状2.2基于证据理论的融合方法

态的实时掌握、故障的早期预警、隐患的快速诊断与维基于证据理论的多传感器数据融合方法通过引人

修决策的智能生成，进而有效提升设备运行效率，延长基本概率赋值函数（BPA）来描述证据的不确定性，

设备使用寿命，减少事故发生概率。随着工业互联网的利用Dempster组合规则对多源证据进行融合，从而获

快速发展与设备智能化水平的不断提高，智能巡检系统得更加全面可靠的决策结果，证据