全自動汽車離合器蓋總成綜合性能檢測試驗臺數據融合方法

郜思洋，張邦成，王占禮，劉 亮

(長春工業大學 機電工程學院，吉林 長春 130012)

全自動汽車離合器蓋總成綜合性能檢測試驗臺數據融合方法

郜思洋，張邦成，王占禮，劉 亮

(長春工業大學 機電工程學院，吉林 長春 130012)

全自動汽車離合器蓋總成綜合性能檢測試驗臺是檢測汽車離合器蓋總成性能的重要設備，其檢測精度的高低是決定離合器蓋總成產品質量的重要因素。為了提高全自動汽車離合器蓋總成檢測試驗臺的檢測精度，降低誤檢率，利用貝葉斯估計算法對測量數據進行數據融合。實例分析表明，基于貝葉斯估計算法的全自動汽車離合器蓋總成綜合性能檢測試驗臺數據融合保證了汽車離合器蓋總成的檢測精度及可靠性，提高了汽車離合器蓋總成的合格率。

離合器蓋總成；數據融合；貝葉斯估計算法

離合器是汽車結構中的重要組成部分，其主要功能是防止傳動系過載，提高汽車起步平穩性[1]。全自動汽車離合器蓋總成綜合性能檢測試驗臺是檢測汽車離合器蓋總成性能的重要設備，利用檢測試驗臺可以精確檢測離合器蓋總成的位移。傳統的檢測方式多采用單一傳感器進行數據采集，實踐證明:與單傳感器相比，多傳感器信息融合技術在檢測、跟蹤和目標識別等方面，能夠增強數據可靠度，提高數據精度[2]。

數據融合是綜合處理多源信息的有效手段[3]。近年來，國內外學者對數據融合方法進行了大量研究，主要方法有加權平均法、貝葉斯估計、神經網絡、卡爾曼濾波、模糊集理論、統計決策理論、聚類分析等[4-5]。其中文獻[6]將神經網絡數據融合的方法應用在固體火箭發動機試驗上，驗證了神經網絡數據融合方法的可行性。文獻[7]將卡爾曼濾波與其他聚類方法結合,引入汽包水位多傳感器數據融合控制系統，系統能夠快速融合傳感器信號,并及時進行控制。文獻[8]針對路燈電纜工作狀態提出多傳感器模糊數據融合技術的故障診斷方法，通過融合運算方式，對電纜的工作狀態進行準確估計并分析決策，提高了故障診斷的準確性。文獻[9]提出了卡爾曼濾波與神經網絡相結合的數據融合方法，提高了檢測精度。文獻[10]利用神經網絡與遺傳算法相結合的方法，對多傳感器成像數據進行數據融合，提高了成像清晰度。文獻[11]通過多譜傳感器對不同時段的輸出數據進行分析，基于貝葉斯估計對輸出數據進行數據融合，提高了檢測數據的準確性。文獻[12]將卡爾曼濾波應用于多傳感器數據融合中，提高了CT掃描圖像的清晰度。

1—蓋總成水平移動機構;2—抓取機構;3—支架;4—蓋總成檢測試驗臺主機

1—壓盤加載裝置小帶輪；2—壓盤加載裝置大帶輪；3—活動板；4—力傳感器；5—傳感器連接柱；6—壓盤推板；7—壓盤推柱；8—離合器蓋總成

為了提高全自動汽車離合器蓋總成檢測試驗臺檢測的準確性和精度，本文基于貝葉斯估計算法的多傳感器數據融合方法對蓋總成位移數據進行數據融合，有效解決了單一傳感器檢測精度差的問題。

1 全自動汽車離合器蓋總成綜合性能檢測試驗臺工作機理

全自動汽車離合器蓋總成綜合性能檢測試驗臺主要由蓋總成水平移動機構、抓取機構、支架以及蓋總成檢測設備主機組成，檢測試驗臺能夠模擬離合器蓋總成工作的全過程。具體結構如圖1所示。

檢測試驗臺主機是檢測系統的核心部分，其作用是實現對離合器蓋總成的精度檢測，它主要由壓盤加載裝置小帶輪、壓盤加載裝置大帶輪、活動板、力傳感器、傳感器連接柱、壓盤推板、壓盤推柱支架組成，結構如圖2所示。其工作原理為伺服電機旋轉將運動傳遞到壓盤加載裝置小帶輪，通過同步帶將動力傳遞到壓盤加載裝置大帶輪，大帶輪將動力傳到活動板，經由力傳感器、傳感器連接柱、壓盤推板、壓盤推柱一系列傳遞后，最終將力傳遞到蓋總成壓盤，實現了對壓盤的加載。

在離合器蓋總成檢測過程中，試驗臺通過檢測離合器蓋總成位移和載荷來判斷離合器蓋總成是否合格，在載荷滿足合格指標的情況下，為了能夠更加準確地采集到離合器蓋總成的位移，本文采用位移傳感器均勻分布的布置方式檢測蓋總成位移，傳感器布置如圖3所示。

2 基于貝葉斯的全自動汽車離合器多傳感器數據融合方法

在全自動汽車離合器蓋總成綜合性能檢測試驗臺檢測過程中，位移傳感器采集的數據存在差異，為了得出最接近真值的位移數據，對傳感器信號進行數據融合，得到最接近真實值的檢測結果。

圖3 測量壓盤位移傳感器布置圖

采用貝葉斯估計算法對多傳感器數據進行數據融合。基于貝葉斯估計算法的數據融合分為3個步驟，分別為建立置信距離矩陣、融合數據選擇方法和貝葉斯估計融合計算[13-15]。

2.1 建立置信距離矩陣

由于每個傳感器輸出數據的有效性不能確定，在融合計算之前必須對輸出的位移數據進行判斷。依據每個傳感器測量數據的關系，充分利用先驗知識，判斷測量數據的真實性。

采用N個位移傳感器進行位移測量，x1,x2，…，xN分別表示N個位移傳感器輸出的位移值，p(x1)，p(x2)，…，p(xN)分別表示x1,x2，…，xN的概率密度函數。根據統計規律易知x1,x2，…，xN均服從正態分布。x1,x2，…，xn分別為x1,x2，…，xN的樣本，σ為方差，則置信距離為：

(1)

(2)

式(1)表示xi對xj的置信距離，同理式(2)表示xi對xj的置信距離。其中

(3)

(4)

圖4 隸屬函數曲線

根據上式可知，dij反映了傳感器i輸出數據對傳感器j輸出數據的支持程度。同理，由此方法計算可得出置信距離矩陣為：

(5)

特殊情況下，當xi=xj時，dij=0；當xi?xj或xi?xj時，dij=dji=1.

2.2 數據融合選擇方法

根據置信距離矩陣，建立關系矩陣，用以判斷傳感器輸出數據的支持程度和有效。結合模糊數學中隸屬度的概念，引入閾值δ1和δ2，建立隸屬函數曲線，考慮處理器的計算速度和實時性要求，隸屬函數曲線采用直線，如圖4所示。

當置信距離dij<σ1時，λij=1，說明位移傳感器i輸出的數值支持位移傳感器j輸出的數值。當dij>σ2時，λij=0，說明位移傳感器輸出i數值不支持位移傳感器j輸出數值，如下式所示。

(6)

因為N個傳感器測量的都是離合器壓盤位移，理論值都是一樣的，但是由于傳感器精度和誤差等原因，測得的數值有一定差異，獲得支持程度較高的傳感器數值與真實值更為接近。選擇獲得高支持程度的數值進行融合計算，進一步提高精確度。

經計算得到關系矩陣ψ。

(7)

引入另一個閾值θ，以得到有效的數值，只有傳感器的測量數據>θ時，認為測量的數據是有效的，對這樣得到m個有效數據進行數據融合。

2.3 基于貝葉斯估計融合計算

貝葉斯估計理論相對于其他估計方法的最大優點是對先驗知識進行充分利用。如在測量壓盤位移時，由于運行狀況的不斷變化和傳感器內部各個參數的變化，使得測得的位移值不確定性隨時間不斷增大，所以貝葉斯估計融合必須描述不確定動態的變化。將由關系矩陣選擇得到的m個有效的數據表示為(x1,x2,x3,…,xm)，其被測參數的條件概率密度函數可由下式得出：

(8)

(9)

其中

(10)

(11)

(12)

綜合式(9)、(12)可得數據融合結果：

(13)

3 實例分析

全自動汽車離合器蓋總成檢測試驗臺應用3個位移傳感器對壓盤位移進行測量，為了使實驗過程更接近真實值，同時考慮溫度、濕度、震動對傳感器的影響，在一天中的不同時間段進行實驗測量。記錄50次測量結果，如圖5所示。

取第一組數據進行數據融合計算，對第一組三個傳感器位移數據進行貝葉斯數據融合，首先計算置信距離矩陣：

(14)

得出置信距離矩陣后，確定參數δ1和δ2，根據位移測量精度要求，經過大量計算，結合本試驗臺自身情況及經驗得出：δ1=0.30，δ2=0.80，將置信距離矩陣代入式(6)中得到關系矩陣：

(15)

由關系矩陣可以看出，傳感器1數據獲得的支持度較低，因此需要淘汰傳感器1測得的數據。選用其他兩個傳感器進行融合，代入式(13)中，得出融合結果：

u1=5.161。

(16)

同理對測量的其他組數據進行融合計算，結果如圖6表示。

圖5 測量值分布圖

圖6 數據融合結果

由融合結果可知，測距誤差均在±1 mm內。仿真結果表明，采用貝葉斯多傳感器數據融合方法有效提高了全自動汽車離合器蓋總成檢測試驗臺的檢測精度。

4 結論

在分析全自動汽車離合器蓋總成性能檢測試驗臺工作機理的基礎上，基于貝葉斯估計算法對試驗臺傳感器測量數據進行了數據融合，提高了設備的檢測精度。仿真實驗結果表明，采用數據融合的全自動汽車離合器蓋總成綜合性能試驗臺，使誤差值均在±1 mm范圍內，滿足試驗臺的精度要求，驗證了基于貝葉斯估計的數據融合方法的有效性。

[1]徐漢斌.汽車離合器綜合性能檢測機軟件設計[J].機電工程技術,2007,36(3):22-23. XU Hanbin.Software design for the comprehensive performance test machine of automobile clutch[J].M & E Engineering Technology,2007,36(3):22-23.

[2]嚴懷成，黃心漢，王敏.多傳感器數據融合技術及其應用[J].傳感器與微系統，2005,24(10):1-4. YAN Huaicheng,HUANG Xinhan,WANG Min.Multi-sensor data fusion technique and its application[J].Transducer and Microsystem Technologies,2005,24(10):1-4.

[3]岳元龍,左信,羅雄麟.提高測量可靠性的多傳感器數據融合有偏估計方法[J].Acta Automatica Sinica,2014,40(9):1843-1852. YUE Yuanlong,ZUO Xin,LUO Xionglin.Improving measurement reliability with biased estimation for multi-sensor data fusion[J].Acta Automatica Sinica,2014,40(9):1843-1852.

[4]周中良,于雷,敬軍.基于模糊理論的多傳感器數據融合系統[J].電光與控制,2007,14(2):23-25. ZHOU Zhongliang,YU Lei,JING Jun.A multi-sensor data fusion system based on fussy theory[J].Electronics Optics & Control,2007,14(2): 23-25.

[5]侯娟，費耀平，胡小霞，等.基于先驗信息和譜分析的聚類融合算法[J].計算機應用研究，2010,27(6)：2103-2105. HOU Juan,FEI Yaoping,HU Xiaoxia,et al.Clustering ensemble algorithm based on prior knowledge and spectral analysis[J].Application Research of Computers,2010,27(6):2103-2105.

[6]沈飛，郭軍.基于BP神經網絡的數據融合方法[J].自動化與儀器儀表，2005,121(5)：63-65. SHEN Fei,GUO Jun.Data fusion method based on BP neural network[J].Automation and Instrumentation,2005,121(5): 63-65.

[7]劉經宇，方彥軍.基于卡爾曼濾波的汽包水位多傳感器信息融合方法研究[J].電力自動化設備，2008,28(4)：28-31. LIU Jingyu,FANG Yanjun.Research on drum level multi-sensor data fusion based on Kalman filter[J].Electric Power Automation Equipment,2008,28(4):28-31.

[8]孫文義，馬淑華，顧德英.模糊數據融合故障診斷在電纜監測中的應用[J].單片機與嵌入式系統應用，2010,10(2)：18-19. SUN Wenyi,MA Shuhua,GU Deiying.Application of fuzzy data fusion diagnosis algorithm in cable monitoring[J].Microcontroller & Embedded Systems,2010,10(2):18-19.

[9]SAFARI S,SHABANI F,DAN S.Multirate multisensor data fusion for linear systems using Kalman filters and a neural network[J].Aerospace Science & Technology,2014,39(6):465-471.

[10]LI J,PENG Z.Multi-source image fusion algorithm based on cellular neural networks with genetic algorithm[J].Optik-International Journal for Light and Electron Optics,2015,126(24):5230-5236.

[11]張品，董為浩，高大冬.一種優化的貝葉斯估計多傳感器數據融合方法[J].傳感技術學報，2014,27(5)：643-648. ZHANG Pin,DONG Weihao,GAO Dadong.An optimal method of data fusion for multi-sensor based on Bayesian estimation[J].Chinese Journal of Sensors and Actuators,2014,27(5):643-648.

[12]BHUVANESWAR I,ARUNA P,LOGANATHAN D.A new fusion model for classification of the lung diseases using genetic algorithm[J].Egyptian Informatics Journal,2014,15(2):69-77.

[13]WANG J H，LI D，CHEN D F.E Bayesian estimation and hierarchical Bayesian estimation of the system reliability parameter[J].Systems Engineering Procedia,2012(3):282-289.

[14]TONG Q L,ZHANG Q,MIN R,et al.Bayesian estimation in dynamic framed slotted ALOHA algorithm for RFID system[J].Computers & Mathematics with Applications,2012,64(5):1179-1186.

[15]劉榮玄，朱少平.正態模型刻度參數的經驗貝葉斯估計的漸近性[J].統計與決策，2009(17)：158-160. LIU Rongxuan,ZHU Shaoping.Asymptotic property of empirical Bayesian estimation of normal model scale parameter[J].Statistics & Decision,2009(17):158-160.

(責任編輯：高麗華)

Data Fusion Method of Comprehensive Performance Test Bench for Full Automatic Automobile Clutch Cover Assembly

GAO Siyang, ZHANG Bangcheng, WANG Zhanli, LIU Liang

(School of Mechatronic Engineering, Changchun University of Technology, Changchun, Jilin 130012, China)

The comprehensive performance test bench for full automatic automobile clutch cover assembly is the important equipment to detect the performance of automobile clutch cover assembly and the detection accuracy is an important factor to determine the quality of the clutch cover assembly product. In this paper, Bayesian estimation algorithm was applied to integrate the measurement data with the purpose of enhancing the detection accuracy and reducing the false detection rate of full automatic automobile clutch cover assembly. Example analyses show that the data fusion method of the comprehensive performance of test bench for full automatic automobile clutch cover assembly based on Bayesian estimation algorithm guarantees the detection accuracy and reliability of the automobile clutch cover assembly and thus improves the qualification rate of automobile clutch cover assembly.

clutch cover assembly; data fusion; Bayesian estimation algorithm

2017-01-12

吉林省發改委項目(2015Y063)；吉林省科學技術廳項目(20150203017GX)

郜思洋(1988—)，男，吉林長春人，博士研究生，主要從事動平衡檢測技術方面的研究. E-mail:195654762@qq.com 張邦成(1972—)，男，吉林長春人，教授，博士生導師，主要從事動平衡檢測技術方面的研究工作，本文通信作者. E-mail:zhangbangcheng@ccut.edu.cn

U467.5

A

1672-3767(2017)05-0037-06

10.16452/j.cnki.sdkjzk.2017.05.006