劉興斌，盧　靜，王延軍，3，馬新銘

(1.大慶油田有限責任公司測試技術服務分公司　黑龍江　大慶　163453; 2.東北石油大學電子科學學院　黑龍江　大慶　163318; 3.哈爾濱工業(yè)大學電氣工程及自動化學院　黑龍江　哈爾濱　150006)

?

多傳感器數據融合技術在多相流領域研究進展*

劉興斌1，盧靜2，王延軍1，3，馬新銘2

(1.大慶油田有限責任公司測試技術服務分公司黑龍江大慶163453; 2.東北石油大學電子科學學院黑龍江大慶163318; 3.哈爾濱工業(yè)大學電氣工程及自動化學院黑龍江哈爾濱150006)

摘要:多傳感器數據融合技術作為一門新興前沿技術，可對來自多個傳感器的數據進行多級別、多層次、多方面的處理，進而提取出單個傳感器所無法獲取的更有用的信息。論述多傳感器數據融合的基本理論，分析多傳感器數據融合技術在三種融合層次上的性能特點?？偨Y了主要的數據融合方法及多傳感器數據融合技術的應用領域，尤其是應用于多相流測量領域。力求避開復雜的流型轉變機理的理論研究，致力于通過多傳感器數據融合方法，實現多相流流型的相態(tài)識別，具有一定的理論研究價值。

關鍵詞:多傳感器;數據融合;融合方法;多相流

0　引言

20世紀70年代初，美國研究機構提出了多傳感器數據融合的概念［1］。相比單傳感器而言，多傳感器能夠以較小代價獲取更精確的目標特征，因而具有較為廣泛的應用［2，3］。美國國防部在軍事領域的指揮、控制、通信與情報(command，control，communication and intelligence，C3I)系統中，使用多個傳感器采集和處理戰(zhàn)場信息，并取得了巨大的成功［4］。自20世紀90年代初以來，傳感器技術和計算機技術的不斷發(fā)展，支撐并推動了多傳感器數據融合技術的深入研究。除了軍事領域，數據融合技術在過程故障診斷與監(jiān)控、機器人、智能儀器系統、目標檢測與跟蹤、模式識別、工業(yè)監(jiān)控、航天、氣象等科技領域的應用也日益廣泛，但在多相流領域的應用尚處于起步階段［5］。

1　多傳感器數據融合技術的基本理論

1.1多傳感器數據融合的定義

多傳感器數據融合［6］是一種多層次、多方面的處理過程，這個過程是采用計算機技術，對不同時間與空間的多傳感器信息進行檢測、結合、相關和組合以達到精確的狀態(tài)估計和身份估計，以及完整及時的態(tài)勢評估和威脅估計。由于多個傳感器信息具有冗余性、互補性、時效性和低代價，使得多傳感器數據融合系統具有較高的置信度和較強的魯棒性［7］。

多傳感器數據融合技術是一門多學科交叉的綜合信息處理技術，涉及到的理論包括:數字信號處理、概率統計、模式識別、人工智能、模糊理論等［8］。這些理論都是實現數據融合技術的重要支撐。

1.2多傳感器數據融合的基本原理

多傳感器數據融合技術的基本原理和人類大腦綜合處理信息的過程一樣，要充分地對多源數據進行合理支配與使用，將各種傳感器進行多空間、多層次的冗余或互補信息優(yōu)化的組合處理。通過對各傳感器的分離及觀測，對數據進行多級別、多方面的組合，從而獲得與被測對象一致的解釋或描述［9］。多傳感器之間的冗余數據增強了系統的可靠性，而互補數據擴展了單個傳感器的性能，如圖1所示。

圖1　多傳感器數據融合示意圖

2　多傳感器數據融合的層次

與經典的信號處理方法有所不同，多傳感器數據融合的關鍵在于數據融合所需要處理的多傳感器信息形式更加復雜，可以出現在不同的信息層次上。根據融合系統中數據的抽象層次，可將融合分為三個層次，數據級融合、特征級融合和決策級融合［10，11］。

數據級融合屬于最底層的融合。由于數據級融合要求各個傳感器之間的數據按照像素關系精確匹配，因此能夠提供更為詳盡的細節(jié)信息。數據級融合需要處理大量的數據，并且容易受不同傳感器穩(wěn)定性的影響，很難獲得一致的綜合信息，局限性較大。特征級融合屬于中層融合。該融合是對各個傳感器的原始數據進行特征向量的提取，然后把提取到的特征向量融合起來，再根據融合得到的特征向量進行目標的身份判定。在融合前進行信息壓縮，便于信息的實時處理，從而保持目標的重要特征，應用范圍較大。決策級融合是高層次的融合。把每個傳感器的數據源通過獨立的預處理以后對目標屬性進行獨立決策，隨后將各個獨立決策進行融合，最終獲得整體一致的決策結果，具有較好的容錯性，適用的范圍較廣。

3　多傳感器數據融合的主要方法

多傳感器數據融合的方法主要分為以下幾種:第一種是以模型為基礎的融合方法，主要以估計理論為基礎，通過對融合對象進行狀態(tài)空間模型的建立，再利用其他估計方法，如:加權最小二乘法、極大似然法和卡爾曼濾波等對其進行估計［12，13］;第二種是以統計理論為基礎的融合方法，利用反復迭代運算來實現數據融合。主要方法包括D－S(Dempster－Shafer)證據推理法、貝葉斯估計法以及馬爾科夫隨機域等［14－16］;第三種是以知識的人工智能為基礎的融合方法，主要有專家系統法和參數模板法等;第四種是以信息論為基礎的融合方法，主要包括神經網絡、模糊集合理論、表決法、熵法和聚類分析法等［17，18］;最后一種是以小波變換和多尺度估計為基礎的融合方法，包括小波分析理論法和支持向量機等［19，20］。

4　數據融合的應用

多傳感器數據融合技術作為一種通過綜合局部測量信息，消除多傳感器系統之間可能存在的不確定因素，提供準確測量結果的智能化信息處理技術。能夠增強系統的實時性和利用率，提高系統的可靠性和準確性，因此成為國內外許多研究機構的研究熱點，受到了諸多領域的密切關注。

4.1數據融合在兩相流參數檢測的應用

兩相流是自然界與工業(yè)生產中較為常見的一種流動形態(tài)，流態(tài)極為復雜，因此，對其過程參數的準確測量一直是科研工作與工業(yè)應用中亟待解決的重要課題。目前，多傳感器數據融合技術在兩相流流型識別中應用極為廣泛，它將提取到的流動過程參數作為融合過程中的互補信息和冗余信息，并將來自不同時間和空間的多個傳感器融合成較為一致的特征表達，降低其不確定性，完成對兩相流特征參數的描述，進而實現兩相流流型的辨識。

4.1.1國內的研究進展

紀軍等［21］研制的12電極電容層析成像(ECT)一體化系統，擁有先進的數據采集和成像技術，能夠快速的識別和顯示油氣兩相流的流型，取得創(chuàng)新性進展，進而提出基于多傳感器信息融合的油氣兩相流流量測量方法，獲取了適應我國原油特性的分相含率射頻信號的頻率范圍，其學術成果總體上居于國際先進水平。董峰等［22］采用電導環(huán)陣列和內錐式壓差傳感器相結合的方式，進行了基于不同傳感器和多傳感器融合的流量參數測量的研究。根據卡爾曼估計理論，運用集中式融合方法和并行式融合方法，將兩種傳感器包含的特征流動信息和不同監(jiān)測信息進行有效的融合，大大提高油水兩相流的在線測量的準確性。譚超等［23］通過數據級與特征級融合的方式來實現雙截面電阻層析成像技術(ERT)內部信息的融合，并與支持向量機方法結合，實現氣水兩相流流型的識別。通過與單獨利用單截面數據級融合和特征級融合的測量信息相對比，發(fā)現數據融合的方法能夠提高氣水兩相流的流型識別率。

4.1.2國外的研究進展

國外學者將數據融合技術應用于兩相流檢測方面的研究有較多文獻報道。P.Marchot等［24］將X射線層析成像和電容過程成像相結合，利用X射線層析成像高的空間分辨率和電容過程成像高的時間分辨率的特點，將獲取的數據進行融合，了解和研究吸收柱在裝載點處的氣液分布情況。Christian Deinhammer等［25］采用層析成像的建立方法，將低成本和小規(guī)模的電容傳感器和超聲波傳感器集成在一個單一的管道內，從而克服單一方法的局限性。把超聲波層析技術和電容層析技術相融合，可以利用所獲取數據包的補充信息來評價融合方法的性能，測量出油水兩相流的分布情況。Bjorn Tore Hjertaker等［26］通過對雙模式斷層掃描儀(DMT)，即X射線層析攝影術與γ層析技術相結合的方法的研究，發(fā)現其不足主要涉及電容傳感器在水為連續(xù)相時的性能以及鹽度對γ射線測量值的依賴性，進而研發(fā)出一個能夠測量油氣混合物密度及鹽度的傳感器與高頻磁場傳感器相結合的雙模態(tài)密度掃描儀(DMD)，從而更好地了解油井上的油氣流動狀態(tài)的信息。

4.2數據融合在三相流參數檢測的應用

近年來，多傳感器數據融合技術還被應用于三相流參數測量中，尤其是在流型識別的研究方面。當油氣水三相流在管道內流動時，內壁所產生的壓力和壓差信號包含了流體流動的大量信息，多傳感器數據融合技術能夠進行多層次的數據提取、匯總以及詳細的數據分析，具有容錯性好、置信度高、穩(wěn)定性強等優(yōu)點。

4.2.1國內的研究進展

白博峰等［27－29］通過對油氣水三相流流型識別實驗結果進行分析，發(fā)現信號的特征參數對大多數流型都存在嚴重的交叉現象，并且在不同的層次上壓力、壓差信號的特征參數是支持、互補和競爭的。對于壓力信號，采用均一化后的傅里葉功率譜分析、均方根等特征提取;對于壓差信號，采用方差、無量綱均值等時域特征提取。根據多傳感器數據融合的基本方法，通過模式識別的融合技術來實現油氣水多相流流型的在線識別。王化祥等［30］發(fā)明了ERT/ECT雙模態(tài)成像系統復合陣列傳感器來測量多相流體在任意導電能力范圍的成像信息，將陣列中的電極同時安裝在被測流體管道內的同一截面，能夠獲取被測流體在同一時間、同一位置的流場分布情況，充分利用多傳感器數據融合技術，來實現ERT技術和ECT技術的互補，有利于擴展電學成像技術的測量范圍和提高雙模態(tài)系統圖像重建的質量。鄧湘等［31］利用電阻過程成像和電容過程成像相融合的方法來測量油氣水三相流的參數，由于電容傳感器對多相流的介電常數較為敏感，因此既能夠辨別出油和氣兩相，也能將油氣兩相和水區(qū)分開。而電阻過程成像的必要條件是連續(xù)相導電，所以該方法較為適用于高含水的工況。通過對測量可行性進行深入的研究，得出該融合系統適用于高含水垂直管道油氣水參數的測量工況。

4.2.2國外的研究進展

Mahoud Meribout等［32］采用超聲層析技術、電容層析技術、電阻層析技術相結合的方法，通過建立新的多相流流體的物理模型，通過神經網絡處理來減少參數的復雜性同時提高精確度，為了克服40％～60％和90％以上的含水率范圍內的電傳感器的不確定性，雙環(huán)的高頻和低頻超聲波傳感器可分別用于低的氣體餾分和高的氣體餾分，可以對高達90％氣體餾分進行實時分類，從而實現油氣水流速的實時測量。挪威Bergen大學物理系與Christin Michelsen Research研究所［33］共同研發(fā)出一種由電容過程成像和γ層析成像相結合的復合流動成像系統，定量評價層析成像系統相關參數和相對空間的靜態(tài)成像性能的測量誤差。研究表明，雙傳感器成像系統在三個相層析圖像采集是可行的，并能準確地獲取工藝參數，從而實現原油、水、天然氣三組分混合流體的在線檢測。

5　結束語

多傳感器數據融合技術是一個新近崛起的前沿性的研究方向，其理論和方法已廣泛應用于所涉及到的各類學科的技術領域。并且?guī)缀跛卸鄠鞲衅餍畔⒌奶幚矸椒ǘ伎梢詰糜跀祿诤舷到y，尤其是人工智能技術的引入，大大增強了數據融合技術處理信息的能力。但由于檢測對象和處理過程的復雜性，目前并沒有一套完整的系統能夠很好的解決多傳感器數據融合中出現的所有問題。每個融合算法都有自己的適用范圍，最好能夠在原有算法的基礎上，綜合其他相關學科的最新成果，進一步提高融合系統的性能。目前，我國的多傳感器數據融合技術研究處于起步階段，尤其是在多相流測量領域的應用還比較少，但先進的融合技術已受到有關方面的高度重視，近年來也掀起研究熱潮。相信不久的將來，隨著國內外研究人員的不斷努力，融合算法的不斷完善，實踐技術的不斷更新，實際應用的不斷擴展，多傳感器數據融合技術也必將不斷走向成熟。

參考文獻

［1］曲曉慧，安鋼.數據融合方法綜述及展望［J］.艦船電子工程，2003，23(2): 2－4.

［2］Fabre S，Appriou A，Briottet X.Presentation and description of two classification methods using data fusion based on sensor management［J］.Information Fusion，2001，2(1): 49－71.

［3］熊凌，張凱.數據融合及其應用［J］.湖北工業(yè)大學學報，2005，20(3): 145－147.

［4］胡丹丹，肖書明，王燕清，等.基于多傳感器的數據融合技術［J］.東北電力學院學報，2004，24(1): 62－67.

［5］范新南，蘇麗媛，郭建甲.多傳感器信息融合綜述［J］.河海大學常州分校學報，2005，19(1): 1－4.

［6］Hall D L，Llinas J.An introduction to multisensor data fusion ［J］.Proceedings of the IEEE，1997，85(1): 6－23.

［7］孫輝，趙峰，張峰云.多傳感器信息融合技術及其應用［J］.海洋測繪，2009，29(5): 77－81.

［8］嚴懷成，黃心漢，王敏.多傳感器數據融合技術及其應用［J］.傳感器技術，2006，24(10): 1－4.

［9］Sasiadek J Z.Sensor fusion［J］.Annual Reviews in Contro，2002，26(26): 203－228.

［10］吳艷.多傳感器數據融合算法研究［D］.西安:西安電子科技大學，2003.

［11］朱澤君，黃濤，劉曦霞，等.多傳感器數據融合技術研究現狀及發(fā)展方向［J］.艦船電子工程，2009，29(2): 13－16.

［12］Vershinin Y A.A data fusion algorithm for multisensor systems［C］/ /Information Fusion，2002.Proceedings of the Fifth International Conference on.IEEE，2002，1: 341－345.

［13］王克明，肖軍，徐心和.目標跟蹤中基于自適應模糊控制的數據融合方法研究［J］.控制與決策，2002，17(1): 99－101.

［14］杜海蓮，呂鋒，辛濤，等.基于證據理論的優(yōu)化集成分類器融合算法及應用［J］.化工學報，2012，63(9): 2877－2881.

［15］Buede D M，Girardi P.A target identification co MParison of Bayesian and Dempster－Shafer multisensor fusion［J］.Systems，Man and Cybernetics，Part A: Systems and Humans，IEEE Transactions on，1997，27(5): 569－577.

［16］Beynon M，Curry B，Morgan P.The Dempster–Shafer theory of evidence: an alternative approach to multicriteria decision modelling［J］.Omega，2000，28(1): 37－50.

［17］Wan W，Fraser D.Multisource data fusion with multiple selforganizing maps［J］.Geoscience and Remote Sensing，IEEETransactions on，1999，37(3): 1344－1349.

［18］Jimenez L O，Morales－Morell A，Creus A.Classification of hyperdimensional data based on feature and decision fusion approaches using projection pursuit，majority voting，and neural networks［J］.Geoscience and Remote Sensing，IEEE Transactions on，1999，37(3): 1360－1366.

［19］Li S T，Wang Y N.Multisensor image fusion using discrete multiwavelet transform［C］/ /Proc.3rd Internat.Conf.on Visual Computing.2000: 93－103.

［20］Challa C S，Palaniswami P M，Shilton S.Distributed data fusion using support vector machines［C］/ /Information Fusion，2002.Proceedings of the Fifth International Conference on.IEEE，2002，2: 881－885.

［21］紀軍，劉濤，郭烈錦，等.重大項目“能源動力中多相流熱物理基礎理論與技術研究”取得重要進展［J］.中國科學基金，2005，19(1): 33－34.

［22］董峰，李峰，譚超.基于卡爾曼估計融合算法的油水兩相流測量［J］.天津大學學報(自然科學與工程技術版)，2014，47(10): 903－908.

［23］譚超，董峰，徐遙遠.用于氣水兩相流流型識別的ERT信息融合方法［J］.工程熱物理學報，2010，31(5): 785－788.

［24］Toye D，L＇Homme G，Crine M，et al.Perspectives in data fusion between x－ray computed tomography and electrical capacitance tomography in an absorption column［C］/ /3rd World Congress on Industrial Process Tomography.Virtual Centre for Industrial Process Tomography，2003.

［25］Deinhammer C，Steiner G，Sommer M，et al.Electromechanical flow imaging using ultrasound and electrical capacitancedata［C］/ /Sensors，2008 IEEE.IEEE，2008: 160－163.

［26］Hjertaker B T，Tjugum S A，Hammer E，et al.Multimodality tomography for multiphase hydrocarbon flow measurements ［J］.Sensors Journal，IEEE，2005，5(2): 153－160.

［27］白博峰，張少軍，趙亮，等.多相流流型在線識別理論研究［J］.中國科學(E輯)，2009，39(4): 655－660.

［28］劉文紅，郭烈錦，張西民，等.水平管內油氣水三相流分流型阻力特性實驗研究［J］.工程熱物理學報，2005，26(1): 80－83.

［29］楊鋼，王玉濤，陸增喜，等.多傳感器數據融合技術在多相流參數測量中的應用［J］.儀表技術與傳感器，2006，(11): 51－53.

［30］王化祥，何永勃，張新廷.ERT/ECT雙模態(tài)成像系統復合陣列傳感器［P］.中國專利，CN2005101225574.

［31］鄧湘，唐宇.電學過程成像的多傳感器融合研究［J］.電子測量與儀器學報，2006，20(2): 63－66.

［32］Meribout M，Al－Rawahi N Z，Al－Naamany A M，et al.A multisensor intelligent device for real－time multiphase flow metering in oil fields［J］.Instrumentation and Measurement，IEEE Transactions on，2010，59(6): 1507－1519.

［33］Hjertaker B T.Static characterization of a dual sensor flow imaging system［J］.Flow Measurement and Instrumentation，1998，9(3): 183－191.

Research Progress of Multi－sensor Data Fusion Technology in Multi－phase Flow

LIU Xingbin1，LU Jing2，WANG Yanjun1，3，MA Xinming2
(1.Logging＆Testing Services Company Daqing Oilfield Limited Company，Daqing，Heilongjiang 163453，China; 2.College of Electronic Science，Northeast Petroleum University，Daqing，Heilongjiang 163318，China; 3.School of Electrical Engineering and Automation，Harbin Institute of Technology，Harbin，Heilongjiang 150001，China)

Abstract:As a new frontier technology of multi-sensor data fusion，it can process data which is from multiple sensors on multi-level，multigreed and multi-aspect，and then can extract more useful information which can not be obtained by single-sensor.The basic theory of multisensor data fusion was discussed，the performance characteristics of multi-sensor data fusion technology was analyzed in three kinds of fusion level.The main methods of data fusion and the application fields of multi-sensor data fusion were summarized，especially in the field of multiphase flow measurement applications.The results show that it has a theoretical research value to make every effort to avoid the study of the theory of the complex flow pattern transition mechanism，implement phase identification of multiphase flow pattern by multi-sensor data fusion method.

Key words:multi-sensor; data fusion; fusion method; multiphase flow

(收稿日期:2014－12－08編輯:韓德林)

第一作者簡介:劉興斌，男，1964年生，博士，教授級高級工程師，現在大慶油田有限責任公司測試技術服務分公司從事油井多相流測量研究。E-mail: lujing38182707@ sina.cn

基金項目:國家科技重大專項課題“油氣田開發(fā)動態(tài)監(jiān)測測井系列技術與裝備”(課題編號: 2011ZX05020-006)

中圖法分類號:TP247

文獻標識碼:A

文章編號:2096－0077(2016)01－0006－04