[发明专利]一种用于智能制造的多源信息融合方法

说明书

本发明公开一种用于智能制造的多源信息融合方法，属于智能制造技术领域。本发明提出基于组间差异与组内差异的权重分配方法，建立适用于智能制造的多源信息融合方法。所述方法步骤包括：采用多传感器技术获取样品的多维信息；计算样品不同传感器信息的组间差异和组内差异；根据样品组间差异和组内差异比值，确定各传感器权重；采用信息融合策略，结合各传感器权重的分配策略，实现多源信息融合。本发明创造性提出基于马氏距离、欧氏距离和方差分析的权重分配方法，此外，首次引入组间差异与组内差异的权重分配方法，实现智能制造生产过程的多源信息融合。

技术领域

本发明属于智能制造技术领域，具体涉及一种智能制造生产过程基于组间差于与组内差异的权重分配策略的多源信息融合方法。

背景技术

智能制造是人工智能并综合应用自动化技术和制造技术的制造过程。中药、农产品、食品等均具有成分复杂、靶点多、作用途径多的特点，全面可靠的评价体系是智能制造应用的重要环节，多源信息融合协同并互补多传感器的信息，能够提高系统的可靠性。

传感器权重的确定是多源信息融合算法的关键问题，传统的权重确定方法是加权平均法，即不同传感器均赋予相同的权重因子。然而，加权平均法并没有考虑各传感器自身的性质，实际上，即使是同一类传感器在测定过程中，也可能具有不同的权重，基于样品自身性质的权重分配策略亟待建立。

本发明创造性提出基于马氏距离、欧氏距离和方差分析的权重分配方法，此外，首次引入基于组间差异与组内差异的权重分配策略，实现智能制造生产过程的多源信息融合。

发明内容

本发明的目的在于提供基于组间差异与组内差异的权重分配策略权重分配策略，建立适用于智能制造的多源信息融合方法。

为达上述目的，其中，所述方法包括：

步骤1：通过多传感器技术获取样品的信息，计算样品不同传感器信息的组间差异和组内差异；

步骤2：根据样品组间差异和组内差异比值，确定各传感器权重；

步骤3：采用多源信息融合策略，结合各传感器的分配权重，实现多源信息融合。

本发明不同传感器信息组间差异和组内差异的评价包括如下方法：

(1)样品原始数据多维空间欧氏/马氏距离评价法，包括如下步骤：

步骤1：检测每个批次样品属性，每个样品重复测定至少三次，取平均值；

步骤2：计算每个批次样品属性的最大欧氏/马氏距离，表征每个批次样品的组内差异；

步骤3：计算每个批次中心的最大欧氏/马氏距离，表征不同批次样品的组间差异；

步骤4：建立原始数据多维空间欧氏/马氏距离评价法，获得样品的组间和组内差异。

(2)样品主成分空间的欧氏/马氏距离评价法，包括如下步骤：

步骤1：检测每个批次样品属性，每个样品重复测定至少三次，取平均值；

步骤2：采用主成分分析降维，获取每种传感器的特征变量；

步骤3：计算每个批次样品特征变量的最大欧氏/马氏距离，表征每个批次样品的组内差异，

步骤4：计算每个批次特征变量中心的最大欧氏/马氏距离，表征不同批次样品的组间差异；

步骤5：建立主成分分析空间欧氏/马氏距离评价法，获得样品的组间和组内差异。

(3)样品多元方差分析评价法，包括如下步骤：

步骤1：检测每个批次样品属性，每个样品重复测定至少三次，取平均值；