基于贝叶斯数据融合的轨道车辆Pt100温度检测系统设计*

张邦成,步倩影,尹晓静,李 淼,高 智,隋元昆

(1.长春工业大学机电工程学院,长春 130012;2.长春工业大学软件职业技术学院,长春 130012)

基于贝叶斯数据融合的轨道车辆Pt100温度检测系统设计*

张邦成1*,步倩影1,尹晓静1,李 淼1,高 智2,隋元昆1

(1.长春工业大学机电工程学院,长春 130012;2.长春工业大学软件职业技术学院,长春 130012)

Pt100温度传感器是轨道车辆温度数据实时监测的常用传感器,其性能的好坏影响着人们对轨道车辆运行状态的判断。为了准确判断出存在故障的传感器,检测系统应包含精准的信号采集系统和有效的数据融合处理方法。首先对轨道车辆Pt100温度传感器信号采集系统的放大电路、A/D转换电路等进行设计,采集系统采用分段非线性多项式拟合算法,得到不同温度区间上的标度变换表达式;将一种基于贝叶斯估计算法的多传感器测量数据融合方法应用于采集信号的处理,判断轨道车辆Pt100温度传感器是否存在故障。研究结果表明,采用上述过程测量温度精准,融合误差小,能够有效筛选出发生故障的传感器。

Pt100温度传感器;信号采集;数据融合;贝叶斯估计;放大电路

随着我国高速铁路的飞速发展,轨道车辆运行的安全可靠性受到人们越来越多的关注。Pt100温度传感器作为轨道车辆整个监测系统的重要组成部分,如何在众多性能质量参差不齐的Pt100温度传感器中选择优质的传感器,保证轨道车辆监测系统的稳定性、可靠性一直是人们所关注的问题。对其输出的信号进行采集及分析来判断Pt100温度传感是否存在故障是必不可少的[1]。

轨道车辆Pt100温度传感器检测系统包括信号的采集和信号的处理两个部分。其中,设计出精准的信号采集电路是检测系统的基础,利用有效的数据处理方法是检测系统的核心。国内外学者在传感器研究领域已进行了深入的研究,文献[2-3]对Pt100温度采集系统信号调理电路及A/D转换电路进行了高精度设计;文献[4]采用关系矩阵与贝叶斯估计相结合的方法对多传感器所测数据进行融合,提高测量结果精度。

本文则是首先对采集系统进行了设计,并采用了基于贝叶斯估计算法的多传感器测量数据融合方法,剔除误差较大的传感器。在检测系统信号采集电路设计部分,由于电流经过Pt100传感器会产生热量,导致其测温不准,一般恒流源电流应小于mA级,为了得到精准的信号,本文首先对信号采集系统的放大电路、A/D转换电路等进行总体设计;检测系统信号处理部分,为了准确的判断出优质、故障传感器,将基于贝叶斯估计算法的多传感器测量数据融合方法应用于Pt100温度传感器数据处理中,通过置信距离测量方法将两个概率分布曲线之间的置信距离作为衡量传感器信息之间的偏差程度,并确定传感器数据的正确性,初步排除由采集系统测量的支持度最低的传感器数据,即排查出存在故障的传感器,再通过贝叶斯估计的融合计算方法对剩余传感器进行数据处理,从而找出最优质的传感器。

1 系统组成及测温原理

温度传感器测温系统主要由恒流源电路、Pt100温度传感器、滤波电路、A/D转换电路、主控芯片单片机、显示模块及恒压源组成[5],系统组成框图如图1所示。Pt100温度传感器电阻的阻值随温度变化而变化,利用这一特点将采集到的信号转换成电压信号;再经过A/D转换成数字信号并由单片机系统读取;单片机系统把读取的数字信号进行识别处理,换算成与温度对应的数字信号,最后再由液晶显示器显示输出温度值[6-7]。

图1 系统组成框图

图1中主控芯片主要选择STC89C51型号单片机,单片机的P0口接A/D转换电路,P1口接显示模块,实时显示测量得到的温度值。A/D转换芯片选用ADC0809芯片即可实现A/D转换功能,由于传感器不同和外界干扰等原因,对信号的质量有不同程度的影响,在进行A/D转换之前必须对信号进行滤波处理。

由于是精密的温度测量,Pt100温度传感器输出为很弱的电压信号,一般为mV级,一般的数据采集不能够直接进行处理,必须经过放大转化成0～5 V的标准电压信号,A/D转换后才能够被中央处理器接收,经过反推计算得出温度的变化范围。

2 硬件电路设计

2.1 放大电路设计

放大电路的设计是在满足A/D转换要求的基础上能够实现放大倍数准确、漂移小等特点。为了避免信号在放大过程中失真,采用两级放大,第1级放大10倍,第2级放大200倍,选择精密放大芯片即能实现其放大作用。

仪表精密芯片采用AD524、AD624放大器。AD524、AD624是一种低噪声、高共模抑制比的单片式精密仪用放大器,具有优良的性能指标,输出、输入失调电压漂移分别低于20×10-3mV/℃和0.5×10-3mV/℃。当放大倍数为固定增益时,只需将对应的引脚与RG2脚连接起来即可[8];对于1～1 000之间的其他增益,需外接电阻RG将RG1和RG2连接,增益G=40K/RG+1。系统测量温度范围为-40 ℃～150 ℃,放大输出的电压为OUT=G×[(IN+)-(IN-)],其中IN+为Pt100滤波后输出的电压,IN-为基准电压源输出的电压。

根据AD524、AD624的内部连接图及外部引脚图设计两级放大电路,由于外界原因或电源的影响,在电路设计中加入防浪涌电路,在输出端串上自恢复保险丝对输出端进行保护,防止电流回流等原因造成芯片的破坏,设计的两级放大电路如图2所示。

图2中,没有设置两个芯片的具体放大倍数,可根据需要组合成相应的放大倍数。在图中含有3个瞬态抑制二极管,当电路中产生瞬间高电压时,瞬态抑制二极管迅速导通接地,起到保护AD524、AD624的作用。

2.2 A/D转换模块设计

由于ADC0809芯片的内部没有时钟电路,必须应用51单片机的定时器来产生时钟信号,其和单片机相连的电路图如图3所示。CLK:时钟脉冲信号输入,此引脚要求时钟频率不得高于640 kHz。REF(+)、REF(-)为基准电压;Vcc为电源;GND为地[9]。其中由于proteus电路仿真软件中没有转换芯片ADC0809,故采用简化的ADC0808代替。

图2 两级放大电路图

图3 A/D转换器与单片机相连电路

3 系统软件设计

Pt100温度传感器工作温度在-40 ℃～150 ℃范围内,为提高测量精度,应进行分段线性化处理,再用MATLAB进行线性拟合[1]。

3.1 标度转换

A/D转换器的输出数字量AD码与输入电压Uad的关系如式(1),其中电压的单位为mV。

(1)

放大电路的输入电压U:

U=(Uad/G)+U0

(2)

式中:G为放大倍数,U0为-40 ℃时放大电路输入电压。

3.2 温度与电压关系式的拟合

Pt100传感器温度T与放大电路输入电压U采用MATLAB多项式拟合函数polyfit进行分段拟合,构成-40 ℃至150 ℃范围内的温度电压关系模型:

T=1.069U2+67.19U-246.8(-40 ℃～0 ℃)

(3)

T=1.108U2+66.85U-246.1(0 ℃～150 ℃)

(4)

将式(1)、式(2)代入温度电压关系模型中,即可显示温度,拟合后最大理论误差小于0.05 ℃。

单片机获取AD码进行运算,由液晶显示屏显示温度值,Pt100温度传感器测量仿真显示图如图4所示,其中由于proteus电路仿真软件中没有主控芯片STC89C51,故采用功能相似的AT89C51代替。

图4 Pt100温度传感器测量仿真显示图

4 多传感器数据融合方法研究

轨道车辆Pt100温度传感器信号分析方法利用贝叶斯估计算法对采集到的温度信号进行处理,并初步判断温度传感器的好坏。进行数据融合步骤分别为:建立置信距离矩阵、建立关系矩阵、基于贝叶斯估计融合计算。

4.1 建立置信距离矩阵

由于每个传感器输出数据的有效性不能确定,在融合计算之前必须对输出的温度数据进行判断。依据每个传感器测量数据的关系和充分利用先验知识,判断其真实性,采用文献[10]提出的利用统计规律建立置信矩阵的方法。

采用N个温度传感器进行温度测量,X1,X2…XN分别表示N个温度传感器输出的温度值,p(x1),p(x2)…p(xN)分别表示X1,X2…XN的概率密度函数。根据统计规律易知X1,X2…XN均服从正态分布。x1,x2…xN分别为X1,X2…XN的样本。则置信距离为[11]:

(5)

(6)

式(5)表示对的置信距离,同理式(6)表示对的置信距离。其中

(7)

(8)

根据上式可知,dij反应了传感器i输出的数据对传感器j输出的数据支持程度。同理,由此方法计算可得出置信距离矩阵为:

(9)

特殊情况下,当xi=xj时,dij=0,当xi≫xj或xi≪xj时,dij=dji=1。

4.2 建立关系矩阵

得到置信距离矩阵后,需要建立关系矩阵,用以判断传感器输出数据的支持程度和有效性。结合模糊数学中隶属度的概念,引入阀值δ1和δ2。当置信距离时,说明温度传感器i输出的数值支持温度传感器j输出的数值。当时,说明温度传感器i输出数值不支持温度传感器j输出数值,如式(10)所示[12]:

(10)

因为N个传感器测量的都是同一温度,理论上值都是一样的,但是由于传感器精度和误差等原因,测量得到的数值有一定的差异性,在N个传感器中被支持的程度越高则说明这个传感器越接近真实值。故选择支持程度高的数值进行融合计算,进一步提高精确度。

经计算得到关系矩阵Ψ,

(11)

4.3 基于贝叶斯估计融合计算

贝叶斯统计理论相对于其他估计方法的最大优点是对先验知识进行了充实的利用。如在测量轴承温度时,由于运行状况的不断变化和传感器自身内部各个参数的变化,使得测得的温度值不确定性随时间不断增大,所以贝叶斯估计融合必须描述不确定动态的变化[13]。

将由关系矩阵选择得到的m个有效的数据表示为(x1,x2,x3…xm),其被测参数的条件概率密度函数可由下式得出:

(12)

式中:μ为被测参数,且服从正态分布N(μ0,σ0),Xi同样服从正态分布N(μ,σk),由此可得

(13)

式中:

(14)

(15)

将式(14)、式(15)代入式(13)中,容易得出p(μ|x1,x2,x3…xm)同样服从正态分布[14],假设服从N(μN,σN),即:

(16)

综合式(13)、式(16)可得结果:

(17)

通过上述的分析与理论研究,可以应用贝叶斯估计算法对被测温度传感器进行故障判断。具体步骤可以总结如下:

首先,获取各个温度传感器的数值;第二,对各个温度传感器数据进行贝叶斯估计的数据融合;第三,设置被测传感器与融合结果的差值;第四,被测温度传感器和融合后的结果做差值计算,超出差值则认为故障;依据以上步骤,便可对被测温度传感器进行故障判断。

5 试验验证

5.1 测试图

将图2应用Altium Designer设计出pcb板,进行焊接,得出放大电路电路板。

图5 放大电路电路板测试图

实验验证得出放大电路试验图如图5所示。从图5可以看出,右侧输入信号是微弱电压正弦信号,单位是mV,经过制作的放大电路板,接入示波器中观察左侧放大后的信号,为放大2 000倍后的正弦信号,由于现场环境电磁干扰、电源纹波比较大等原因,导致输出波形纹波较大,但是在合理的范围之内。

连接测试图如图6所示。

图6 连接测试图

5.2 贝叶斯估计算法实测数据分析实例

应用4个Pt100温度传感器对四组外界温度进行测量,得出4个温度传感器的均值数据为27.300 ℃、27.475 ℃、27.100 ℃、28.050 ℃,其先验分布服从N(26.975,0.323)对4个温度数据进行贝叶斯数据融合,首先计算置信距离矩阵。

得出置信距离矩阵后,确定参数δ1和δ2,根据测温精度要求,δ1=0.50,δ2=0.70,将置信距离矩阵代入式(6)中得到关系矩阵:

由关系矩阵易得出,数据4被其他传感器支持的程度较低,淘汰这个传感器测得的数据。选用其他3个传感器进行融合,代入式(13)中,得出融合结果:

从融合结果可以明显得出,第3个传感器所测温度27.100 ℃与融合结果27.162 ℃的差值最小,可以判定第3个传感器最好,第1、第2传感器可能存在微小故障。

6 结论

本检测系统由Pt100温度采集系统的设计和信号的处理两部分组成。首先对轨道车辆Pt100温度传感器信号采集系统进行设计,为提高采集系统测量精度,在A/D转换之前对信号进行滤波处理,防止外界信号干扰;并采用两级放大电路,避免了信号在放大过程中失真,有效减小了电流,防止Pt100升温引起测温不准;运用多项式拟合函数polyfit对温度电压关系模型进行分段拟合,减小拟合误差。将基于贝叶斯估计算法的多传感器测量数据融合方法应用到Pt100温度传感器数据处理中,对测量的信号进行数据融合,有效剔除误差较大的传感器,算法简单实用。研究结果表明,温度采集系统测量温度精准,贝叶斯估计算法融合误差小,能够有效筛选出发生故障的传感器。

[1]高爱民,殳建军,于国强,等.PT100热电阻动态特性试验研究与分析[J]. 传感技术学报,2016,29(9):1395-1399.

[2]张修太,胡雪惠,翟亚芳,等. 基于PT100的高精度温度采集系统设计与实验研究[J]. 传感技术学报,2010,23(6):812-815.

[3]严长城,应贵平. 基于PT100铂热电阻的高精度测温系统的设计[J]. 机电工程技术,2015(3):71-74.

[4]曾黎,蒋沅. 多传感器数据融合的数学方法研究[J]. 云南民族大学学报(自然科学版),2010(9):321-324.

[5]Wen-Tsai Sung,Jui-Ho Chen,Ching-Li Hsiao. Data Fusion for PT100 Temperature Sensing System Heating Control Model[J]. Measure-ment,2014,52:94-101.

[6]才智,范长胜,杨冬霞. PT100铂热电阻温度测量系统的设计[J]. 现代电子技术,2008,20:172-174,177.

[7]徐莉振,鲍敏. 面向Pt100铂电阻的高精度多路测温系统[J]. 机电工程,2013(1):65-68,72.

[8]杨圣. 精密仪用放大器AD524的典型用法[J]. 电测与仪表,1998(9):43-45.

[9]麻胜兰,翁柳青,姜绍飞. 传感器性能退化与结构损伤响应异常区分研究[J]. 西南交通大学学报,2013,48(6):1024-1030.

[10]陈晓龙,王家礼,孙璐,等. 一种基于贝叶斯估计的多传感器测量数据融合方法[C]//全国测控、计量、仪器仪表学术年会. 2009.

[11]Luo R C,Lin M,Scherp P S. Dynamic Multi-Sensor Data Fusion System for Intelligent Robots[J]. IEEE Journal on Robotics and Automation,1988,4(4):386-396.

[12]禹春来,许化龙,黄世奇. 基于关系矩阵的多传感器数据融合方法[J]. 航空计算技术,2005(1):23-26.

[13]张品,董为浩,高大冬. 一种优化的贝叶斯估计多传感器数据融合方法[J]. 传感技术学报,2014(5):643-648.

[14]彭卫文,黄洪钟,李彦锋,等. 基于数据融合的加工中心功能铣头贝叶斯可靠性评估[J]. 机械工程学报,2014,50(6):185-191.

张邦成(1972-),男,博士生导师,主研究方向为机电系统设计与故障诊断,zhangbangcheng@ccut.edu.cn。

Design of Pt100 Temperature Measurement System for Rail VehiclesBased on Bayesian Data Fusion*

ZHANGBangcheng1*,BUQianying1,YINXiaojing1,LIMiao1,GAOZhi2SUIYunkun1

(1.School of Mechatronic Engineering,Changchun University of Technology,Changchun 130012 China;2.School of Soft Technology,Institute of Automation,Changchun University of Technology,Changchun 130012 China)

Pt100 temperature sensor as a common type of sensors of the whole monitoring system in railway vehicles,the performance of Pt100 temperature sensor will affect people’s judgment about the running state of railway vehicles. In order to accurately judge the faulty sensor,the detection system should include the accurate signal acquisition system and the effective data fusion processing method. Firstly,the signal acquisition system of the Pt100 temperature sensor is designed,including the amplifier circuit,A/D conversion circuit and so on. Piecewise nonlinear polynomial fitting algorithm is used in the acquisition system,and the scaling transformation expressions on different temperature ranges are obtained. Then Bayesian estimation algorithm is used for data fusion of the measured signal,to judge whether there is a fault in the Pt100 temperature sensor. The results show that the process of measuring temperature is accurate,the fusion error is small,and faulty sensors are effectively screened out.

Pt100 temperature sensor;signal gathering;data fusion;Bayes estimation;amplifier circuit

项目来源:吉林省科技厅攻关项目(20150204073GX);长春市科技计划项目(14KG030)

2016-12-12 修改日期:2017-03-27

TP273;TP274

A

1004-1699(2017)08-1287-06

C:7230;7320R

10.3969/j.issn.1004-1699.2017.08.026