鉴于现有的多传感器融合系统，在监测治疗条件方面存在诸如通用性低，体积大和安装困难等缺陷。过传感器选择，电路集成以及高低位机器设计，多传感器融合监控系统提供了改进的性能，减小的尺寸和方便的安装。系统通过各种传感器从机器收集切削力，振动和主轴电流。计上下计算机程序，结合机器算法处理机器数据，执行初始在线判断功能和离线数据处理功能。键词：多传感器数据，处理，会聚多传感器系统的发展促进了数据融合技术的改进。据融合主要包括多源数据融合，重点是优化数据及其综合利用。传感器应用中，噪声主要来自非高斯系统，因此上述方法不适用于非高斯观测噪声，它采用小波技术和卡尔曼滤波器来实现完成三种类型和18种传感器数据的处理，并改善数据。准和可靠。建多传感器融合监控平台多传感器融合监控系统平台的主要工作是围绕上下计算机构建。统示意图如图1所示。位计算机主要负责数据的采集和传输。能模块具体分为智能传感器数据接收模块，传感器信号处理模块和上下计算机通信模块。轴电流测量系统主轴电流是机器运行的重要信息之一。方面，电机的当前信息可用于评估主轴的工作容量，另一方面，可以在机器本身上监控故障状态，并且电流传感器是经济的并且易于安装。削力测量系统是车削过程中产生的重要物理现象，其尺寸与工件材料和切削系数有关，对切削过程有直接影响。过实验比较，压电传感器的适用性通常大于其他模式力传感器（例如应变计传感器）的适用性。
了使设计的监控系统更加适用，压电板传感器用于测量三向切削力。电片通过特定的压力信号转换模块，并且施加到压力变化部分的电压与0到5V的电压成比例地输出，并且由下位机通过A-D转换收集。削力测量机器的底部采集卡选用单片机STM32F103。不同的性能满足设计的传感器监控系统的要求，具有体积小，便于携带的优点。
位机程序的编程主要分为A-D采集程序和串行通信程序。于杆的夹紧力的存在，当通过A-D转换三向切削力时，必须减去由夹紧力引起的值A-D。强的合并方法所有传感器节点在给定区域中分布和随机部署，并且形成传感器阵列以执行检测数据收集。通过nesC语言编程实现，操作系统是TinyOS，它通过几个步骤执行数据跳转。过Sink节点传输和收集主数据库中的数据。
文分析，处理并主要集成在后台收集的数据。
并过程的步骤如下：首先，使用小波技术从每个传感器收集的数据中去除白高斯噪声，包括数据清理，数据转换和数字规范，其次，使用小波技术压缩数据，第三，使用小波技术预处理数据分层，卡尔曼滤波应用于相似的高频系数和分层后的低频细节系数。四是使用最大和最小接近度计算传感器数据的信噪比，并通过信噪比比较数据。五，通过小波技术重建数据以获得合并的结果。波压缩小波分析压缩主要包括以下步骤的一维信号：1）一维信号被分解成由小波变换，包括高频系数和低频率系数若干层; 2）低频系数，即细节系数（包括大部分数据）对噪声进行阈值处理，可以选择不同层的不同阈值系数进行处理; 3）在阈值量化处理之后对系数执行小波重建。于小波变换的卡尔曼滤波器和卡尔曼滤波算法的基本概念是：1）基于小波变换的多分辨率分析，多尺度分解信号，2）通过卡尔曼滤波器估计每个尺度的数据并得到每个尺度上的估计结果; 3）基于每个尺度的估计结果，通过Mallat的快速重建算法获得原始信号的融合结果。
据处理和分析机器状态分析可以通过切割主轴的力和电流来评估机器的状态。轴电流用于分析机器的运行状态。先，在不同的操作条件和恒定的空载速度下测量机器电流。据前一节中提到的定义的“It”阈值，当当前值大于“It”时，发出警报。削力是切削过程中的重要指标，可以反映切削过程中切削刀具的损坏。
工具断裂时，切削力显着增加。下位机的编程中，热敏元件平均值每0.5秒获得一次，并且比较两者的大小，但如果这最后一次增加超过一定的比例（根据不同的条件），工具可以是被认为是复制小波压缩的结果一旦数据被预处理以消除噪声，下面分析小波压缩的结果。图2中可以看出，在每个小周期存储单个值，这减少了存储器和数据传输的使用，允许容易存储数据，呈现大数据波动，以及压缩后恢复噪音的效果和压缩曲线是平滑的。果显着。之，在分析当前研究现状以及与多传感器数据融合相关的算法的优缺点的基础上，提出了一种基于信噪比小波的卡尔曼滤波数据融合算法。对真实环境的多传感器节点。过数据分析收集的数据，并通过自动学习算法分析工具磨损与切削力和电流之间的定量关系。
本文转载自
热敏元件www.wisdom-thermostats.com