摘要：文中给出了数据融合算法，并提出把数据融合方法应用于电器试验数据采集电压计算中，使计算结果能更完善、准确地反映电压的数值。这种数据融合方法计算简便，可以获得比有限个算术平均值更准确的测量结果，具有较高的可靠性，实际应用结果证实了该算法的准确性，可推广到其它具有正态分布特性测量结果的数据融合。
关键词：数据融合数据采集参数估计　　一、引言　　从80年代初至今，在低压电器试验中计算机测试技术发展非常迅速。不仅研究单位使用计算机及电子技术作为低压电器的试验手段，而且许多生产厂家的试验室乃至生产线上的测试装置中大量使用计算机。如：继电器、接触器电寿命试验和动作特性试验装置；断路器负载特性和脱扣试验装置。计算机试验装置具有许多常规试验装置所不具备的优势，如：可改变试验过程中的试验条件（如接通和断开条件）；更接近实际应用的情况；可记忆试验次数判断和记录试品失效的类型和次数以及失效发生的全过程，有利于分析产品的缺陷；可准确显示试品的参数及通断过程的动态曲线，便于了解试品整个动作过程。　　有触点电器的电寿命、通断能力等试验中都必须测量触头两端的电压及电路电流信号，并显示其波形。迄今为止国内外绝大多数电器检测机构、制造厂的试验室中均采用光线示波器。由于示波器振子采用机械式悬丝结构，所以其所能测量的电信号的频率不能太高，无法正确测量及显示触头断开电路时的过电压信号。对过电压信号的捕捉需要使用高速数据采集装置。此外，电器试验时必须确定试验电路功率因数、电源频率、i²t、燃弧时间及触头两端过电压等参数，从光线示波器拍摄的示波图上无法直接读出这些参数，而采用计算机和电子技术的高速数据采集装置后，就容易实现数据处理并可由计算机直接显示这些重要参数。因此，在电器试验中采用计算机的电器试验数据高速采集与处理装置来取代传统的光线示波器是必然趋势。　　二、数据融合技术概述　　信息融合技术自20世纪70年代末提出以来，发展迅速，我国也于80年代掀起了研究信息融合技术的热潮。信息融合作为一门新兴的技术，虽然在理论上还需不断完善，但是在许多领域，特别是在军事领域的应用，譬如：自动目标识别、导弹精确制导；民用导航、卫星遥测遥感等，经证明是成功的。信息融合技术是一项多源信息综合处理新技术，是将系统中若干相同类型或不同类型的传感器所提供的相同或不同形式、同时刻或不同时刻的测量信息加以分析、处理与综合，得到被测对象全面、一致的估计。多源信息融合的结果可得到比单一信息源更精确更完整的判断。信息融合技术的最大优势在于它能合理协调多源数据，充分综合有用信息，提高中用来提高机组运行参数测量的准确性。本文提出把信息融合技术应用于数据采集电压计算中，指导电器试验参数的测量、采集、分析和数据处理，最终提高电器试验数据计算结果的准确性。　　三、基于算术平均值与分批估计的数据融合方法　　数据融合的目的就是根据有限的采集数据，消除测量中的不确定性，获得比有限个测量信息的算术平均值更准确、更可靠的测量结果，以数据融合后的运行参数作为原始数据进行在线性能计算而得的结果，更能反映电器试验中参数的情况。应用数据融合方法，可以处理空间分布数据的融合和时间分布数据的融合。　　在电器试验采集中的运行参数由于都采用等精度的传感器测量，因此运行参数及测量噪声可以认为是正态分布的，数据的融合可以采用算术平均值算法与分批估计相结合的融合算法。具体方法是：对经一致性检验后得到的电压测量序列，将相邻电压值不在一组的原则分为两组，即电压值1、3、5、7为第1组；电压值2、4、6、8为第2组，对两组测量数据的算术平均值采用分批估计算法，估计出接近电压真实值的融合值，从而得到电压的准确测量结果，消除测量过程中的不确定性。　　设第一组一致性测量数据为　　　　第二组一致性测量数据为　　　　两组测量数据的算术平均值为　　　　　　相应的标准误差分别为　　　　　　同时考虑1，2组的测量结果，、为同一批的2个测量数据，在此之前没有任何有关电压测量的统计资料，即此前测量结果的方差，则。　　根据分批估计理论，分批估计后得到的电压融合值的方差为　　　　＝＝　　式中，H为测量方程的系数矩阵，且H=；R为测量噪声的协方差，且　　　　由分批估计倒出的电压数据融合值为　　　　将式（6）代入式（7）得　　　　=　　式（8）即为数据融合的电压值　　四、实际应用　　在电器试验数据采集的电压计算中，是在时间分布数据的融合问题，如笔者研制开发的某电器检测所数据采集的电压计算中，每次采集8个周期计算一次。因此，电压计算的原始数据是8次实时采集的运行参数的数据融合，即把8次实时采集的运行参数时间上的冗余或互补信息，依据算术平均值与分批估计相结合的数据融合方法进行融合，以获得被测对象的一致性解释或描述，使由数据融合而得的结果比每次实时采集的运行参数更好地反映这段时间的机组的实际情况。　　8个周期得到的测量结果如下表所示：周期次序　　T1　　T2　　T3　　T4　　T5　　T6　　T7　　T8测量值　　218.1　　222.0　　221.9　　219.9　　226.6　　219.3　　218.0　　218.3　　8次测量结果的平均值为，与实际电压值（220.0）相比，测量真差为＋0.5V。利用分布图法剔除T5得到的疏失误差后，余下7个测量数据的算术平均值为　　，测量真差为－0.4V。　　据按照奇数次采集和偶数次采集不在同一组的原则，可分为两组，第1组为218.1、221.9、218.0，第2组为222.0、219.9、219.3、218.3。两组测量数据的算术平均值及其方差分别为：　　　　　　由式（8）计算出这7个测量值的电压融合值为，电压融合值的真差为－0.3V。　　五、结束语　　传统的估计算法是建立在可靠的测量初值基础上的，没有可靠的测量初值，估计算法就失去了意义。基于算术平均值与分批估计相结合的数据融合方法，是在获得两组具有较高可靠性的测量数据即2个较可靠的测量初值的基础上，根据二者方差进行加权融合处理。由式(8)可见，方差大的测量数据赋予了较小的权数，而方差小的数据赋予了较大的权数，因此这种数据融合方法可以获得比算术平均值更可靠的测量结果。理论与实际应用都证明，二组数据的误差越大，以式(8)的数据融合值为测量结果对误差的改善效果越明显；二组数据误差越小，数据融合相对算术平均值的优越性也越小。　　参考文献：　　[1]章燕申(ZhangYanshen)，最优估计与工程应用(Optimumestimateandengineeringapplication)[M].北京：宇航出版社，1991.　　[2]陈坚红,李蔚,盛德仁,任浩仁。一种火电机组在线性能计算中的数据融合方法[J].北京：中国电机工程学报，2002（5）：152-156　　[3]滕召胜，罗隆福，童调生。智能检测系统与数据融合[M].北京：机械工业出版社，2000.　　[4]WaltzE,LlinasJ.Multisensordatafusion.NewYork:ArtechHouse,INC,1990　　作者简介：王晓宏（1963-），男，河北工业大学电气信息学院，博士生，研究方向：电器数据采集