多傳感器數(shù)據(jù)融合技術(shù)在多相流領(lǐng)域研究進(jìn)展*

劉興斌，盧　靜，王延軍，3，馬新銘

(1.大慶油田有限責(zé)任公司測(cè)試技術(shù)服務(wù)分公司　黑龍江　大慶　163453; 2.東北石油大學(xué)電子科學(xué)學(xué)院　黑龍江　大慶　163318; 3.哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院　黑龍江　哈爾濱　150006)

?

多傳感器數(shù)據(jù)融合技術(shù)在多相流領(lǐng)域研究進(jìn)展*

劉興斌1，盧靜2，王延軍1，3，馬新銘2

(1.大慶油田有限責(zé)任公司測(cè)試技術(shù)服務(wù)分公司黑龍江大慶163453; 2.東北石油大學(xué)電子科學(xué)學(xué)院黑龍江大慶163318; 3.哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院黑龍江哈爾濱150006)

摘要:多傳感器數(shù)據(jù)融合技術(shù)作為一門新興前沿技術(shù)，可對(duì)來(lái)自多個(gè)傳感器的數(shù)據(jù)進(jìn)行多級(jí)別、多層次、多方面的處理，進(jìn)而提取出單個(gè)傳感器所無(wú)法獲取的更有用的信息。論述多傳感器數(shù)據(jù)融合的基本理論，分析多傳感器數(shù)據(jù)融合技術(shù)在三種融合層次上的性能特點(diǎn)?？偨Y(jié)了主要的數(shù)據(jù)融合方法及多傳感器數(shù)據(jù)融合技術(shù)的應(yīng)用領(lǐng)域，尤其是應(yīng)用于多相流測(cè)量領(lǐng)域。力求避開(kāi)復(fù)雜的流型轉(zhuǎn)變機(jī)理的理論研究，致力于通過(guò)多傳感器數(shù)據(jù)融合方法，實(shí)現(xiàn)多相流流型的相態(tài)識(shí)別，具有一定的理論研究?jī)r(jià)值。

關(guān)鍵詞:多傳感器;數(shù)據(jù)融合;融合方法;多相流

0　引言

20世紀(jì)70年代初，美國(guó)研究機(jī)構(gòu)提出了多傳感器數(shù)據(jù)融合的概念［1］。相比單傳感器而言，多傳感器能夠以較小代價(jià)獲取更精確的目標(biāo)特征，因而具有較為廣泛的應(yīng)用［2，3］。美國(guó)國(guó)防部在軍事領(lǐng)域的指揮、控制、通信與情報(bào)(command，control，communication and intelligence，C3I)系統(tǒng)中，使用多個(gè)傳感器采集和處理戰(zhàn)場(chǎng)信息，并取得了巨大的成功［4］。自20世紀(jì)90年代初以來(lái)，傳感器技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展，支撐并推動(dòng)了多傳感器數(shù)據(jù)融合技術(shù)的深入研究。除了軍事領(lǐng)域，數(shù)據(jù)融合技術(shù)在過(guò)程故障診斷與監(jiān)控、機(jī)器人、智能儀器系統(tǒng)、目標(biāo)檢測(cè)與跟蹤、模式識(shí)別、工業(yè)監(jiān)控、航天、氣象等科技領(lǐng)域的應(yīng)用也日益廣泛，但在多相流領(lǐng)域的應(yīng)用尚處于起步階段［5］。

1　多傳感器數(shù)據(jù)融合技術(shù)的基本理論

1.1多傳感器數(shù)據(jù)融合的定義

多傳感器數(shù)據(jù)融合［6］是一種多層次、多方面的處理過(guò)程，這個(gè)過(guò)程是采用計(jì)算機(jī)技術(shù)，對(duì)不同時(shí)間與空間的多傳感器信息進(jìn)行檢測(cè)、結(jié)合、相關(guān)和組合以達(dá)到精確的狀態(tài)估計(jì)和身份估計(jì)，以及完整及時(shí)的態(tài)勢(shì)評(píng)估和威脅估計(jì)。由于多個(gè)傳感器信息具有冗余性、互補(bǔ)性、時(shí)效性和低代價(jià)，使得多傳感器數(shù)據(jù)融合系統(tǒng)具有較高的置信度和較強(qiáng)的魯棒性［7］。

多傳感器數(shù)據(jù)融合技術(shù)是一門多學(xué)科交叉的綜合信息處理技術(shù)，涉及到的理論包括:數(shù)字信號(hào)處理、概率統(tǒng)計(jì)、模式識(shí)別、人工智能、模糊理論等［8］。這些理論都是實(shí)現(xiàn)數(shù)據(jù)融合技術(shù)的重要支撐。

1.2多傳感器數(shù)據(jù)融合的基本原理

多傳感器數(shù)據(jù)融合技術(shù)的基本原理和人類大腦綜合處理信息的過(guò)程一樣，要充分地對(duì)多源數(shù)據(jù)進(jìn)行合理支配與使用，將各種傳感器進(jìn)行多空間、多層次的冗余或互補(bǔ)信息優(yōu)化的組合處理。通過(guò)對(duì)各傳感器的分離及觀測(cè)，對(duì)數(shù)據(jù)進(jìn)行多級(jí)別、多方面的組合，從而獲得與被測(cè)對(duì)象一致的解釋或描述［9］。多傳感器之間的冗余數(shù)據(jù)增強(qiáng)了系統(tǒng)的可靠性，而互補(bǔ)數(shù)據(jù)擴(kuò)展了單個(gè)傳感器的性能，如圖1所示。

圖1　多傳感器數(shù)據(jù)融合示意圖

2　多傳感器數(shù)據(jù)融合的層次

與經(jīng)典的信號(hào)處理方法有所不同，多傳感器數(shù)據(jù)融合的關(guān)鍵在于數(shù)據(jù)融合所需要處理的多傳感器信息形式更加復(fù)雜，可以出現(xiàn)在不同的信息層次上。根據(jù)融合系統(tǒng)中數(shù)據(jù)的抽象層次，可將融合分為三個(gè)層次，數(shù)據(jù)級(jí)融合、特征級(jí)融合和決策級(jí)融合［10，11］。

數(shù)據(jù)級(jí)融合屬于最底層的融合。由于數(shù)據(jù)級(jí)融合要求各個(gè)傳感器之間的數(shù)據(jù)按照像素關(guān)系精確匹配，因此能夠提供更為詳盡的細(xì)節(jié)信息。數(shù)據(jù)級(jí)融合需要處理大量的數(shù)據(jù)，并且容易受不同傳感器穩(wěn)定性的影響，很難獲得一致的綜合信息，局限性較大。特征級(jí)融合屬于中層融合。該融合是對(duì)各個(gè)傳感器的原始數(shù)據(jù)進(jìn)行特征向量的提取，然后把提取到的特征向量融合起來(lái)，再根據(jù)融合得到的特征向量進(jìn)行目標(biāo)的身份判定。在融合前進(jìn)行信息壓縮，便于信息的實(shí)時(shí)處理，從而保持目標(biāo)的重要特征，應(yīng)用范圍較大。決策級(jí)融合是高層次的融合。把每個(gè)傳感器的數(shù)據(jù)源通過(guò)獨(dú)立的預(yù)處理以后對(duì)目標(biāo)屬性進(jìn)行獨(dú)立決策，隨后將各個(gè)獨(dú)立決策進(jìn)行融合，最終獲得整體一致的決策結(jié)果，具有較好的容錯(cuò)性，適用的范圍較廣。

3　多傳感器數(shù)據(jù)融合的主要方法

多傳感器數(shù)據(jù)融合的方法主要分為以下幾種:第一種是以模型為基礎(chǔ)的融合方法，主要以估計(jì)理論為基礎(chǔ)，通過(guò)對(duì)融合對(duì)象進(jìn)行狀態(tài)空間模型的建立，再利用其他估計(jì)方法，如:加權(quán)最小二乘法、極大似然法和卡爾曼濾波等對(duì)其進(jìn)行估計(jì)［12，13］;第二種是以統(tǒng)計(jì)理論為基礎(chǔ)的融合方法，利用反復(fù)迭代運(yùn)算來(lái)實(shí)現(xiàn)數(shù)據(jù)融合。主要方法包括D－S(Dempster－Shafer)證據(jù)推理法、貝葉斯估計(jì)法以及馬爾科夫隨機(jī)域等［14－16］;第三種是以知識(shí)的人工智能為基礎(chǔ)的融合方法，主要有專家系統(tǒng)法和參數(shù)模板法等;第四種是以信息論為基礎(chǔ)的融合方法，主要包括神經(jīng)網(wǎng)絡(luò)、模糊集合理論、表決法、熵法和聚類分析法等［17，18］;最后一種是以小波變換和多尺度估計(jì)為基礎(chǔ)的融合方法，包括小波分析理論法和支持向量機(jī)等［19，20］。

4　數(shù)據(jù)融合的應(yīng)用

多傳感器數(shù)據(jù)融合技術(shù)作為一種通過(guò)綜合局部測(cè)量信息，消除多傳感器系統(tǒng)之間可能存在的不確定因素，提供準(zhǔn)確測(cè)量結(jié)果的智能化信息處理技術(shù)。能夠增強(qiáng)系統(tǒng)的實(shí)時(shí)性和利用率，提高系統(tǒng)的可靠性和準(zhǔn)確性，因此成為國(guó)內(nèi)外許多研究機(jī)構(gòu)的研究熱點(diǎn)，受到了諸多領(lǐng)域的密切關(guān)注。

4.1數(shù)據(jù)融合在兩相流參數(shù)檢測(cè)的應(yīng)用

兩相流是自然界與工業(yè)生產(chǎn)中較為常見(jiàn)的一種流動(dòng)形態(tài)，流態(tài)極為復(fù)雜，因此，對(duì)其過(guò)程參數(shù)的準(zhǔn)確測(cè)量一直是科研工作與工業(yè)應(yīng)用中亟待解決的重要課題。目前，多傳感器數(shù)據(jù)融合技術(shù)在兩相流流型識(shí)別中應(yīng)用極為廣泛，它將提取到的流動(dòng)過(guò)程參數(shù)作為融合過(guò)程中的互補(bǔ)信息和冗余信息，并將來(lái)自不同時(shí)間和空間的多個(gè)傳感器融合成較為一致的特征表達(dá)，降低其不確定性，完成對(duì)兩相流特征參數(shù)的描述，進(jìn)而實(shí)現(xiàn)兩相流流型的辨識(shí)。

4.1.1國(guó)內(nèi)的研究進(jìn)展

紀(jì)軍等［21］研制的12電極電容層析成像(ECT)一體化系統(tǒng)，擁有先進(jìn)的數(shù)據(jù)采集和成像技術(shù)，能夠快速的識(shí)別和顯示油氣兩相流的流型，取得創(chuàng)新性進(jìn)展，進(jìn)而提出基于多傳感器信息融合的油氣兩相流流量測(cè)量方法，獲取了適應(yīng)我國(guó)原油特性的分相含率射頻信號(hào)的頻率范圍，其學(xué)術(shù)成果總體上居于國(guó)際先進(jìn)水平。董峰等［22］采用電導(dǎo)環(huán)陣列和內(nèi)錐式壓差傳感器相結(jié)合的方式，進(jìn)行了基于不同傳感器和多傳感器融合的流量參數(shù)測(cè)量的研究。根據(jù)卡爾曼估計(jì)理論，運(yùn)用集中式融合方法和并行式融合方法，將兩種傳感器包含的特征流動(dòng)信息和不同監(jiān)測(cè)信息進(jìn)行有效的融合，大大提高油水兩相流的在線測(cè)量的準(zhǔn)確性。譚超等［23］通過(guò)數(shù)據(jù)級(jí)與特征級(jí)融合的方式來(lái)實(shí)現(xiàn)雙截面電阻層析成像技術(shù)(ERT)內(nèi)部信息的融合，并與支持向量機(jī)方法結(jié)合，實(shí)現(xiàn)氣水兩相流流型的識(shí)別。通過(guò)與單獨(dú)利用單截面數(shù)據(jù)級(jí)融合和特征級(jí)融合的測(cè)量信息相對(duì)比，發(fā)現(xiàn)數(shù)據(jù)融合的方法能夠提高氣水兩相流的流型識(shí)別率。

4.1.2國(guó)外的研究進(jìn)展

國(guó)外學(xué)者將數(shù)據(jù)融合技術(shù)應(yīng)用于兩相流檢測(cè)方面的研究有較多文獻(xiàn)報(bào)道。P.Marchot等［24］將X射線層析成像和電容過(guò)程成像相結(jié)合，利用X射線層析成像高的空間分辨率和電容過(guò)程成像高的時(shí)間分辨率的特點(diǎn)，將獲取的數(shù)據(jù)進(jìn)行融合，了解和研究吸收柱在裝載點(diǎn)處的氣液分布情況。Christian Deinhammer等［25］采用層析成像的建立方法，將低成本和小規(guī)模的電容傳感器和超聲波傳感器集成在一個(gè)單一的管道內(nèi)，從而克服單一方法的局限性。把超聲波層析技術(shù)和電容層析技術(shù)相融合，可以利用所獲取數(shù)據(jù)包的補(bǔ)充信息來(lái)評(píng)價(jià)融合方法的性能，測(cè)量出油水兩相流的分布情況。Bjorn Tore Hjertaker等［26］通過(guò)對(duì)雙模式斷層掃描儀(DMT)，即X射線層析攝影術(shù)與γ層析技術(shù)相結(jié)合的方法的研究，發(fā)現(xiàn)其不足主要涉及電容傳感器在水為連續(xù)相時(shí)的性能以及鹽度對(duì)γ射線測(cè)量值的依賴性，進(jìn)而研發(fā)出一個(gè)能夠測(cè)量油氣混合物密度及鹽度的傳感器與高頻磁場(chǎng)傳感器相結(jié)合的雙模態(tài)密度掃描儀(DMD)，從而更好地了解油井上的油氣流動(dòng)狀態(tài)的信息。

4.2數(shù)據(jù)融合在三相流參數(shù)檢測(cè)的應(yīng)用

近年來(lái)，多傳感器數(shù)據(jù)融合技術(shù)還被應(yīng)用于三相流參數(shù)測(cè)量中，尤其是在流型識(shí)別的研究方面。當(dāng)油氣水三相流在管道內(nèi)流動(dòng)時(shí)，內(nèi)壁所產(chǎn)生的壓力和壓差信號(hào)包含了流體流動(dòng)的大量信息，多傳感器數(shù)據(jù)融合技術(shù)能夠進(jìn)行多層次的數(shù)據(jù)提取、匯總以及詳細(xì)的數(shù)據(jù)分析，具有容錯(cuò)性好、置信度高、穩(wěn)定性強(qiáng)等優(yōu)點(diǎn)。

4.2.1國(guó)內(nèi)的研究進(jìn)展

白博峰等［27－29］通過(guò)對(duì)油氣水三相流流型識(shí)別實(shí)驗(yàn)結(jié)果進(jìn)行分析，發(fā)現(xiàn)信號(hào)的特征參數(shù)對(duì)大多數(shù)流型都存在嚴(yán)重的交叉現(xiàn)象，并且在不同的層次上壓力、壓差信號(hào)的特征參數(shù)是支持、互補(bǔ)和競(jìng)爭(zhēng)的。對(duì)于壓力信號(hào)，采用均一化后的傅里葉功率譜分析、均方根等特征提取;對(duì)于壓差信號(hào)，采用方差、無(wú)量綱均值等時(shí)域特征提取。根據(jù)多傳感器數(shù)據(jù)融合的基本方法，通過(guò)模式識(shí)別的融合技術(shù)來(lái)實(shí)現(xiàn)油氣水多相流流型的在線識(shí)別。王化祥等［30］發(fā)明了ERT/ECT雙模態(tài)成像系統(tǒng)復(fù)合陣列傳感器來(lái)測(cè)量多相流體在任意導(dǎo)電能力范圍的成像信息，將陣列中的電極同時(shí)安裝在被測(cè)流體管道內(nèi)的同一截面，能夠獲取被測(cè)流體在同一時(shí)間、同一位置的流場(chǎng)分布情況，充分利用多傳感器數(shù)據(jù)融合技術(shù)，來(lái)實(shí)現(xiàn)ERT技術(shù)和ECT技術(shù)的互補(bǔ)，有利于擴(kuò)展電學(xué)成像技術(shù)的測(cè)量范圍和提高雙模態(tài)系統(tǒng)圖像重建的質(zhì)量。鄧湘等［31］利用電阻過(guò)程成像和電容過(guò)程成像相融合的方法來(lái)測(cè)量油氣水三相流的參數(shù)，由于電容傳感器對(duì)多相流的介電常數(shù)較為敏感，因此既能夠辨別出油和氣兩相，也能將油氣兩相和水區(qū)分開(kāi)。而電阻過(guò)程成像的必要條件是連續(xù)相導(dǎo)電，所以該方法較為適用于高含水的工況。通過(guò)對(duì)測(cè)量可行性進(jìn)行深入的研究，得出該融合系統(tǒng)適用于高含水垂直管道油氣水參數(shù)的測(cè)量工況。

4.2.2國(guó)外的研究進(jìn)展

Mahoud Meribout等［32］采用超聲層析技術(shù)、電容層析技術(shù)、電阻層析技術(shù)相結(jié)合的方法，通過(guò)建立新的多相流流體的物理模型，通過(guò)神經(jīng)網(wǎng)絡(luò)處理來(lái)減少參數(shù)的復(fù)雜性同時(shí)提高精確度，為了克服40％～60％和90％以上的含水率范圍內(nèi)的電傳感器的不確定性，雙環(huán)的高頻和低頻超聲波傳感器可分別用于低的氣體餾分和高的氣體餾分，可以對(duì)高達(dá)90％氣體餾分進(jìn)行實(shí)時(shí)分類，從而實(shí)現(xiàn)油氣水流速的實(shí)時(shí)測(cè)量。挪威Bergen大學(xué)物理系與Christin Michelsen Research研究所［33］共同研發(fā)出一種由電容過(guò)程成像和γ層析成像相結(jié)合的復(fù)合流動(dòng)成像系統(tǒng)，定量評(píng)價(jià)層析成像系統(tǒng)相關(guān)參數(shù)和相對(duì)空間的靜態(tài)成像性能的測(cè)量誤差。研究表明，雙傳感器成像系統(tǒng)在三個(gè)相層析圖像采集是可行的，并能準(zhǔn)確地獲取工藝參數(shù)，從而實(shí)現(xiàn)原油、水、天然氣三組分混合流體的在線檢測(cè)。

5　結(jié)束語(yǔ)

多傳感器數(shù)據(jù)融合技術(shù)是一個(gè)新近崛起的前沿性的研究方向，其理論和方法已廣泛應(yīng)用于所涉及到的各類學(xué)科的技術(shù)領(lǐng)域。并且?guī)缀跛卸鄠鞲衅餍畔⒌奶幚矸椒ǘ伎梢詰?yīng)用于數(shù)據(jù)融合系統(tǒng)，尤其是人工智能技術(shù)的引入，大大增強(qiáng)了數(shù)據(jù)融合技術(shù)處理信息的能力。但由于檢測(cè)對(duì)象和處理過(guò)程的復(fù)雜性，目前并沒(méi)有一套完整的系統(tǒng)能夠很好的解決多傳感器數(shù)據(jù)融合中出現(xiàn)的所有問(wèn)題。每個(gè)融合算法都有自己的適用范圍，最好能夠在原有算法的基礎(chǔ)上，綜合其他相關(guān)學(xué)科的最新成果，進(jìn)一步提高融合系統(tǒng)的性能。目前，我國(guó)的多傳感器數(shù)據(jù)融合技術(shù)研究處于起步階段，尤其是在多相流測(cè)量領(lǐng)域的應(yīng)用還比較少，但先進(jìn)的融合技術(shù)已受到有關(guān)方面的高度重視，近年來(lái)也掀起研究熱潮。相信不久的將來(lái)，隨著國(guó)內(nèi)外研究人員的不斷努力，融合算法的不斷完善，實(shí)踐技術(shù)的不斷更新，實(shí)際應(yīng)用的不斷擴(kuò)展，多傳感器數(shù)據(jù)融合技術(shù)也必將不斷走向成熟。

參考文獻(xiàn)

［1］曲曉慧，安鋼.數(shù)據(jù)融合方法綜述及展望［J］.艦船電子工程，2003，23(2): 2－4.

［2］Fabre S，Appriou A，Briottet X.Presentation and description of two classification methods using data fusion based on sensor management［J］.Information Fusion，2001，2(1): 49－71.

［3］熊凌，張凱.數(shù)據(jù)融合及其應(yīng)用［J］.湖北工業(yè)大學(xué)學(xué)報(bào)，2005，20(3): 145－147.

［4］胡丹丹，肖書明，王燕清，等.基于多傳感器的數(shù)據(jù)融合技術(shù)［J］.東北電力學(xué)院學(xué)報(bào)，2004，24(1): 62－67.

［5］范新南，蘇麗媛，郭建甲.多傳感器信息融合綜述［J］.河海大學(xué)常州分校學(xué)報(bào)，2005，19(1): 1－4.

［6］Hall D L，Llinas J.An introduction to multisensor data fusion ［J］.Proceedings of the IEEE，1997，85(1): 6－23.

［7］孫輝，趙峰，張峰云.多傳感器信息融合技術(shù)及其應(yīng)用［J］.海洋測(cè)繪，2009，29(5): 77－81.

［8］嚴(yán)懷成，黃心漢，王敏.多傳感器數(shù)據(jù)融合技術(shù)及其應(yīng)用［J］.傳感器技術(shù)，2006，24(10): 1－4.

［9］Sasiadek J Z.Sensor fusion［J］.Annual Reviews in Contro，2002，26(26): 203－228.

［10］吳艷.多傳感器數(shù)據(jù)融合算法研究［D］.西安:西安電子科技大學(xué)，2003.

［11］朱澤君，黃濤，劉曦霞，等.多傳感器數(shù)據(jù)融合技術(shù)研究現(xiàn)狀及發(fā)展方向［J］.艦船電子工程，2009，29(2): 13－16.

［12］Vershinin Y A.A data fusion algorithm for multisensor systems［C］/ /Information Fusion，2002.Proceedings of the Fifth International Conference on.IEEE，2002，1: 341－345.

［13］王克明，肖軍，徐心和.目標(biāo)跟蹤中基于自適應(yīng)模糊控制的數(shù)據(jù)融合方法研究［J］.控制與決策，2002，17(1): 99－101.

［14］杜海蓮，呂鋒，辛濤，等.基于證據(jù)理論的優(yōu)化集成分類器融合算法及應(yīng)用［J］.化工學(xué)報(bào)，2012，63(9): 2877－2881.

［15］Buede D M，Girardi P.A target identification co MParison of Bayesian and Dempster－Shafer multisensor fusion［J］.Systems，Man and Cybernetics，Part A: Systems and Humans，IEEE Transactions on，1997，27(5): 569－577.

［16］Beynon M，Curry B，Morgan P.The Dempster–Shafer theory of evidence: an alternative approach to multicriteria decision modelling［J］.Omega，2000，28(1): 37－50.

［17］Wan W，F(xiàn)raser D.Multisource data fusion with multiple selforganizing maps［J］.Geoscience and Remote Sensing，IEEETransactions on，1999，37(3): 1344－1349.

［18］Jimenez L O，Morales－Morell A，Creus A.Classification of hyperdimensional data based on feature and decision fusion approaches using projection pursuit，majority voting，and neural networks［J］.Geoscience and Remote Sensing，IEEE Transactions on，1999，37(3): 1360－1366.

［19］Li S T，Wang Y N.Multisensor image fusion using discrete multiwavelet transform［C］/ /Proc.3rd Internat.Conf.on Visual Computing.2000: 93－103.

［20］Challa C S，Palaniswami P M，Shilton S.Distributed data fusion using support vector machines［C］/ /Information Fusion，2002.Proceedings of the Fifth International Conference on.IEEE，2002，2: 881－885.

［21］紀(jì)軍，劉濤，郭烈錦，等.重大項(xiàng)目“能源動(dòng)力中多相流熱物理基礎(chǔ)理論與技術(shù)研究”取得重要進(jìn)展［J］.中國(guó)科學(xué)基金，2005，19(1): 33－34.

［22］董峰，李峰，譚超.基于卡爾曼估計(jì)融合算法的油水兩相流測(cè)量［J］.天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版)，2014，47(10): 903－908.

［23］譚超，董峰，徐遙遠(yuǎn).用于氣水兩相流流型識(shí)別的ERT信息融合方法［J］.工程熱物理學(xué)報(bào)，2010，31(5): 785－788.

［24］Toye D，L＇Homme G，Crine M，et al.Perspectives in data fusion between x－ray computed tomography and electrical capacitance tomography in an absorption column［C］/ /3rd World Congress on Industrial Process Tomography.Virtual Centre for Industrial Process Tomography，2003.

［25］Deinhammer C，Steiner G，Sommer M，et al.Electromechanical flow imaging using ultrasound and electrical capacitancedata［C］/ /Sensors，2008 IEEE.IEEE，2008: 160－163.

［26］Hjertaker B T，Tjugum S A，Hammer E，et al.Multimodality tomography for multiphase hydrocarbon flow measurements ［J］.Sensors Journal，IEEE，2005，5(2): 153－160.

［27］白博峰，張少軍，趙亮，等.多相流流型在線識(shí)別理論研究［J］.中國(guó)科學(xué)(E輯)，2009，39(4): 655－660.

［28］劉文紅，郭烈錦，張西民，等.水平管內(nèi)油氣水三相流分流型阻力特性實(shí)驗(yàn)研究［J］.工程熱物理學(xué)報(bào)，2005，26(1): 80－83.

［29］楊鋼，王玉濤，陸增喜，等.多傳感器數(shù)據(jù)融合技術(shù)在多相流參數(shù)測(cè)量中的應(yīng)用［J］.儀表技術(shù)與傳感器，2006，(11): 51－53.

［30］王化祥，何永勃，張新廷.ERT/ECT雙模態(tài)成像系統(tǒng)復(fù)合陣列傳感器［P］.中國(guó)專利，CN2005101225574.

［31］鄧湘，唐宇.電學(xué)過(guò)程成像的多傳感器融合研究［J］.電子測(cè)量與儀器學(xué)報(bào)，2006，20(2): 63－66.

［32］Meribout M，Al－Rawahi N Z，Al－Naamany A M，et al.A multisensor intelligent device for real－time multiphase flow metering in oil fields［J］.Instrumentation and Measurement，IEEE Transactions on，2010，59(6): 1507－1519.

［33］Hjertaker B T.Static characterization of a dual sensor flow imaging system［J］.Flow Measurement and Instrumentation，1998，9(3): 183－191.

Research Progress of Multi－sensor Data Fusion Technology in Multi－phase Flow

LIU Xingbin1，LU Jing2，WANG Yanjun1，3，MA Xinming2
(1.Logging＆Testing Services Company Daqing Oilfield Limited Company，Daqing，Heilongjiang 163453，China; 2.College of Electronic Science，Northeast Petroleum University，Daqing，Heilongjiang 163318，China; 3.School of Electrical Engineering and Automation，Harbin Institute of Technology，Harbin，Heilongjiang 150001，China)

Abstract:As a new frontier technology of multi-sensor data fusion，it can process data which is from multiple sensors on multi-level，multigreed and multi-aspect，and then can extract more useful information which can not be obtained by single-sensor.The basic theory of multisensor data fusion was discussed，the performance characteristics of multi-sensor data fusion technology was analyzed in three kinds of fusion level.The main methods of data fusion and the application fields of multi-sensor data fusion were summarized，especially in the field of multiphase flow measurement applications.The results show that it has a theoretical research value to make every effort to avoid the study of the theory of the complex flow pattern transition mechanism，implement phase identification of multiphase flow pattern by multi-sensor data fusion method.

Key words:multi-sensor; data fusion; fusion method; multiphase flow

(收稿日期:2014－12－08編輯:韓德林)

第一作者簡(jiǎn)介:劉興斌，男，1964年生，博士，教授級(jí)高級(jí)工程師，現(xiàn)在大慶油田有限責(zé)任公司測(cè)試技術(shù)服務(wù)分公司從事油井多相流測(cè)量研究。E-mail: lujing38182707@ sina.cn

基金項(xiàng)目:國(guó)家科技重大專項(xiàng)課題“油氣田開(kāi)發(fā)動(dòng)態(tài)監(jiān)測(cè)測(cè)井系列技術(shù)與裝備”(課題編號(hào): 2011ZX05020-006)

中圖法分類號(hào):TP247

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):2096－0077(2016)01－0006－04