一种多传感器温度数据动态融合方法

摘要

目前,多传感器温度数据融合方法中存在阈值选取过于绝对化和经验化的问题,并且难以动态反映被测对象的真实情况。针对此问题,提出了一种多传感器温度数据动态融合方法,首先运用模糊理论中相关性函数对各传感器支持度进行计算排序,再将支持度较低的数据认定为无效数据予以剔除,最后运用正交基函数神经网络与递推最小二乘法相结合的数据融合方法。在疫苗冷链温度检测中使用该动态融合方法,其均方误差0.0383和误差0.0381优于基于平均值法的均方误差0.1332和方差0.1371,检测精度上升了65%。因此,该方法克服了阈值选取过于绝对化和经验化的缺点,提高了多传感器温度数据的融合精度,从而满足疫苗冷链温度高精度检测的需要。