城市軌道交通中的信息融合應用論文

　　摘要:本文簡(jiǎn)介了信息融合方法,并針對城市軌道交通發(fā)展提出了遺傳算法與模糊控制結合進(jìn)行監控的方法,該方法簡(jiǎn)單明了,便于直接使用。

　　關(guān)鍵詞:信息融合,遺傳算法,模糊控制,城市軌道交通

　　1引言

　　隨著(zhù)城市軌道交通的發(fā)展,實(shí)時(shí)動(dòng)態(tài)數據反映成為監控機車(chē)狀態(tài)的重要組成部分,而遺傳算法與模糊控制方法所具有很好的魯棒性和形式上的簡(jiǎn)單明了使得它必然可以在城市軌道交通上得到巨大應用。遺傳算法是一種自然進(jìn)化系統的計算模型,也是一種通用的求解優(yōu)化問(wèn)題的適應性搜索方法,尤其是后者得到人們關(guān)注和普遍使用。而模糊控制則是近代控制理論中建立在模糊結合論基礎上的一種基于語(yǔ)言規則與模糊推理的控制理論。

　　目前我國城市軌道交通建設正在蓬勃發(fā)展,伴隨是城市軌道交通信息的大量增多與多信息融合,而在信息融合中經(jīng)常會(huì )運用到遺傳算法與模糊規則相結合的方法。

　　2信息融合結構方法

　　信息融合由于其應用上的復雜性和多樣性,決定了信息融合的研究?jì)热輼O其豐富,涉及的基礎理論較多。多傳感器信息融合根據信息表征的層次結構,其基本方法可分為3類(lèi):

　　數據層融合:在數據層融合中,每一個(gè)傳感器觀(guān)測物體并且組合來(lái)自傳感器的原始數據.然后,進(jìn)行特征識別過(guò)程.此過(guò)程一般是從原始數據中提取一個(gè)特征矢量來(lái)完成,并且根據此特征做出決策。

　　特征層融合:在特征層融合中,從觀(guān)測數據中提取許多特征矢量后把它們連接成單個(gè)矢量,下一步進(jìn)行識別.在該情況下,需要的通訊帶寬減小,結果的精確性也相應減小,主要是因為在原始數據中生成特征矢量的同時(shí),信息也在丟失。

　　決策層融合:在決策層融合中,每一個(gè)傳感器依據本身的單源數據做出決策.這些決策被融合生成最后的決策,在上面闡述的3種結構中,精確性是最差的,但需要的帶寬最小。

　　對于信息融合算法具體可以分為以下四類(lèi):估計方法、分類(lèi)方法、推理方法和人工智能方法。

　　2.1估計方法

　　加權平均法是最簡(jiǎn)單、最直觀(guān)融合多傳感器低層數據的方法,該方法將由一組傳感器提供的冗余信息進(jìn)行加權平均,并將加權平均值作為信息融合值;利用最小二乘法原理可導出的數據平滑程序在許多情況下能夠去除或減少測量過(guò)程中由于偶然因素帶來(lái)的誤差,使平滑后的數據一般會(huì )比原數據更有規律性;卡爾曼濾波用于實(shí)時(shí)融合動(dòng)態(tài)的低層次冗余多傳感器數據,該方法用測量模型的統計特性遞推決定在統計意義下是最優(yōu)的融合數據估計。

　　2.2分類(lèi)方法

　　分類(lèi)方法主要有參數模板法和聚類(lèi)分析。無(wú)監督或自組織學(xué)習算法諸如學(xué)習向量量化法(learningvec-torquantization,LVQ),K—均值聚類(lèi)(K—meansclus-tering),Kohonen特性圖(Kohonenfuturemap)也常用作多傳感器數據的分類(lèi)。K—均值聚類(lèi)算法是最常用的無(wú)監督學(xué)習算法之一,而自適應K—均值方法的更新規則成了Kohonen特性圖的基礎。此外自適應共振理論(ART)、自適應共振理論映射(ARTMAP)和模糊自適應共振理論網(wǎng)絡(luò )(fuzzy—ARTnetwork)以自適應的方法進(jìn)行傳感器融合。它們能夠自動(dòng)調整權值并且能在環(huán)境變化和輸入漂移的情況下保持穩定。

　　2.3推理方法

　　貝葉斯估計是融合靜態(tài)環(huán)境中多傳感器低層信息的一種常用方法.其信息描述為概率分布,適用于具有可加高斯噪聲的不確定性;D—S是基于證據理論的一種推理算法,是貝葉斯方法的擴展。該算法解決了概率中的兩個(gè)困難問(wèn)題:一是能夠對“未知”給出顯式表示;二是當證據對一個(gè)假設部分支持時(shí),該證據對假設否定的支持也能用明確的值表示出來(lái)。

　　2.4人工智能

　　人工智能方法對融合大量的傳感器信息,用以非線(xiàn)性和不確定的場(chǎng)合頗有優(yōu)勢�？煞譃閷�(zhuān)家系統、神經(jīng)網(wǎng)絡(luò )和模糊邏輯。專(zhuān)家系統是一種基于人工智能的計算機信息系統。神經(jīng)網(wǎng)絡(luò )是一個(gè)具有高度非線(xiàn)性的超大規模連續時(shí)間自適應信息處理系統。模糊邏輯是多值邏輯,它允許將傳感器信息融合過(guò)程中的不確定性直接表示在推理過(guò)程中。模糊集理論的基本思想是把普通集合中絕對隸屬關(guān)系靈活化,使元素對集合的隸屬度從原來(lái)只能取{0,1}中的值擴充到[0,1]區間中的任一數值,因此很適合于對傳感器信息不確定性進(jìn)行描述和處理。模糊集表達了一個(gè)不確定概念,應用模糊理論并結合其它手段與算法,如神經(jīng)網(wǎng)絡(luò )、遺傳算法等,可以取得更好的融合結果。

　　3車(chē)速監控方法

　　3.1簡(jiǎn)介遺傳算法

　　按照達爾文的進(jìn)化論中的適者生存理論,計算科學(xué)學(xué)者提出了進(jìn)化算法。進(jìn)化算法是一種基于自然選擇和遺傳變異等生物進(jìn)化機制的全局性概率搜索方法。

　　從整體上來(lái)講,遺傳算法是進(jìn)化算法中產(chǎn)生最早、影響最大、應用也比較廣泛的一個(gè)研究方向和領(lǐng)域,它不僅包含了進(jìn)化算法的基本形式和全部?jì)?yōu)點(diǎn),同時(shí)還具有若干獨特性能,其優(yōu)點(diǎn)主要有以下幾個(gè)方面:

　　1)遺傳算法的搜索過(guò)程是從一群初始點(diǎn)開(kāi)始搜索,而不是從單一的初始點(diǎn)開(kāi)始搜索,這種機制意味著(zhù)搜索過(guò)程可以有效地跳過(guò)局部極值點(diǎn)。

　　2)遺傳算法具有顯著(zhù)地隱式并行性(implicitpar-allelism),其進(jìn)化算法雖然在每一代只對有限解個(gè)體進(jìn)行操作,但處理的信息量為群體規模的高次方。

　　3)遺傳算法形式上簡(jiǎn)單明了,便于和其他方法結合。

　　4)遺傳算法具有很強的魯棒性(robustness),即在存在噪聲的情況下,對同一問(wèn)題的遺傳算法的多次求解中得到的結果是相似的。

　　3.2遺傳算法對采集速度值融合

　　列車(chē)速度可由車(chē)輪上的傳感器采集的轉速求得,但是所測速度會(huì )有一定誤差,這時(shí)我們可以以短時(shí)間內采集速度作為初始代群體開(kāi)始應用遺傳算法進(jìn)行信息優(yōu)化,其過(guò)程如下例:

　　取4個(gè)速度值(s/m):8,13,19,24。

　　取適應值函數f(x)=x3 (f(x)=x3與f(x)=x有相同的遞加遞減關(guān)系)。

　　以輪盤(pán)賭方式進(jìn)行個(gè)體優(yōu)勝劣汰的選擇。

　　接著(zhù),我們按照遺傳策略運用選擇、交叉(變異概率pm很小,一般在0.005～0.01,設pm=0.01,則每代有4*5*0.01=0.2個(gè)變異,即認為在一代內不發(fā)生變異), 用以形成下一代群體;如表2:

　　由上表可見(jiàn),隨著(zhù)一代的遺傳操作,群體的平均適應度提高了,當前群體最佳個(gè)體也得到了改善。隨著(zhù)迭代次數的增加,群體將逐漸進(jìn)化到該問(wèn)題的最優(yōu)解。

　　3.3模糊控制

　　首先設列車(chē)監控速度的模糊語(yǔ)言集合如下:

　　{快,稍快,適中,稍慢,慢}

　　設定其相應的語(yǔ)言變量,記作:

　　F(fast)=快

　　LF(littlefast)=稍快

　　E(equal)=適中

　　LS(littleslowly)=稍慢

　　S(slowly)=慢

　　其相應隸屬度函數如下圖2所示,其橫坐標標示速度快慢,縱坐標為隸屬度。為了計算簡(jiǎn)單,提高運算速度,采用了線(xiàn)性函數。

　　以D表示速度狀態(tài),U表示輸出,P表示加速,LP稍加速,F表示保持目前狀態(tài),LN表示稍減速,N表示減速根據模糊關(guān)系制定相應模糊規則如表3:

　　4結束語(yǔ)

　　本文對日益發(fā)展的城市軌道交通提出了一種遺傳算法與模糊邏輯相結合的監控方法,形式上簡(jiǎn)單明了,應用中可有效簡(jiǎn)捷地實(shí)現人的控制策略與經(jīng)驗,且模糊控制中不需被控對象的數學(xué)模型即可較好控制。

　　參考文獻:

　　[1]何友,王國宏,彭應寧等多傳感器信息融合及應用

　　[2]羅志增,蔣靜坪機器人感覺(jué)與多信息融合

　　[3]李敏強,芤紀松,林丹,李書(shū)全遺傳算法的基本理論與應用

【城市軌道交通中的信息融合應用論文】相關(guān)文章：

信息融合在光纖瓦斯傳感器系統中的應用09-16

信息技術(shù)在小學(xué)數學(xué)中的應用論文06-05

信息管理在交通工程中的應用論文09-20

多傳感器信息融合技術(shù)在智能駕駛系統中的應用07-08

無(wú)線(xiàn)接入在網(wǎng)絡(luò )融合中的應用08-28

網(wǎng)絡(luò )融合中無(wú)線(xiàn)接入的應用分析06-11

電子信息類(lèi)課程改革中的應用論文10-12

關(guān)于信息技術(shù)在小學(xué)數學(xué)中的應用的論文09-18

信息技術(shù)在初中物理教學(xué)中的應用論文08-01

信息安全管理在電子檔案中的應用分析論文07-24