多传感融合下的制造过程质量监测方法研究

1 引言

制造过程的质量监测是保证产品品质连贯性的关键环节，传统质量监测主要把单一传感器技术作为依靠，应对复杂制造环境时存在信息片面、抗干扰能力欠佳等局限，多传感融合技术作为解决这一麻烦的有效手段，近年内受到学术界与工业界的大量关注 [1-2]₀ 。该技术采用整合多种传感器采集的异构数据方式，给出更全面、精准的质量监测资讯，实现对制造进程的多方面感知和智能判定，当下研究主要聚焦于数据融合算法与异常检测方法范畴，但缺乏一套系统的多传感融合质量监测框架，本文意在探究多传感融合在制造质量监测里的关键技术，涉及到数据采集与预处理环节、融合方法和算法的挑选事宜、质量监测与评估体系的搭建方面，为实现智能制造条件下质量的实时监控与预测性维护提供理论基础和技术线路。

2 多传感器数据采集与预处理技术

2.1 多传感器数据采集系统

多传感器数据采集系统是制造质量监测的基础支撑，构造合理的传感网络对后续的融合分析至关紧要，制造环境当中常用传感器有加速度、声学、温度、力 / 扭矩和视觉等形式，这些传感器的测量原理、精度与响应特性存在差异，设计数据采集系统时，应考虑传感器布置位置、采样频率、通信协议还有同步机制等因素 。工业现场出现的电磁干扰、振动和粉尘等恶劣环境会影响数据的品质，采集系统应具备抗干扰的性能与稳定性，边缘计算架构在降低传输延迟以及带宽压力方面有优势展现，部分预处理的工作可在边缘设备做完，强化系统的实时性能水平，传感器节点间的时间同步对多传感融合极为关键，一般是采用网络时间协议或者全球定位系统提供统一时间基准。

2.2 多传感器数据预处理方法

多传感器数据预处理是守护融合质量的关键节点，目的为提高原始数据质量同时开展初步特征提取，预处理流程涉及去噪、补全缺失值、标准化以及特征提取等步骤，去噪技术按照信号特性选取恰当的滤波器，比如小波变换对非平稳信号适用，动态系统适宜采用卡尔曼滤波。数据标准化可处理不同传感器量纲不一致的问题，常用方式有 Z-score 标准化和 Min-Max 归一化，从特征提取的维度上，比如均值、方差，反映出信号基本统计特性；频域特征以功率谱密度为例可揭示信号周期性特征；时频域特征如小波系数能同时展现信号的时频属性，像主成分分析、流形学习这样的数据降维技术能减少冗余，抓取关键要点，多传感数据时间对齐技术解决各传感器采样频率不一致的状况，为后续的数据融合做好铺垫[4]。

3 基于多传感融合的制造质量监测方法

3.1 多传感器数据融合方法

多传感器数据融合方法依据融合层级可分为数据级、特征级和决策级三种模式。数据级融合直接整合原始数据，保留信息完整性但计算负担较重；特征级融合对各传感器提取的特征进行整合，在信息保留与计算效率间取得平衡；决策级融合则对各传感器独立形成的判断结果进行综合，结构清晰模块化程度高。制造环境中特征级融合应用最为广泛，该方法能有效处理异构传感数据间的关联性，提取互补信息，降低冗余 [5]。实际应用中需考虑传感器特性、制造过程特点及监测目标，选择适合的融合层级与方法，构建融合框架，实现对制造质量的全方位监测。多传感融合层级选择策略应根据具体场景动态调整，复杂工况下可采用多层级混合融合架构提升系统适应性。

3.2 多传感器信息融合算法

多传感器信息融合算法是实现多源数据有效整合的核心技术。传统融合算法包括卡尔曼滤波、贝叶斯推理和 D-S 证据理论等，这些方法在处理线性系统和确定性环境下表现出色。面对制造过程中的非线性、不确定性特征，机器学习方法展现出优势，如支持向量机、随机森林等传统算法与深度学习模型中的卷积神经网络、长短期记忆网络等。近年来，图神经网络与注意力机制在捕捉多传感数据间时空关系方面取得突破，多模态深度学习框架能自动学习不同传感器数据间的互补特征。工业场景下算法选择需平衡融合精度与计算复杂度，实现在有限资源条件下的高效融合。融合算法评估体系应包含精度、鲁棒性、计算效率与可解释性多维指标，确保算法在工业环境中的实用性与可靠性。

3.3 基于多传感融合的质量监测方法

基于多传感融合的质量监测方法，试图借助多源信息全面体现制造过程状态，该方法是在多传感融合的基础上建立的，造就制造过程的数字孪生表达形态，完成对质量异常的实时探察，监测系统架构囊括数据获取层、融合处理层与决策执行层，异常检测策略分为基于模型跟基于数据这两类，模型驱动方式借助物理模型描述正常制造进程，把偏离模型预测的情形当作异常；数据驱动方法采用深度自编码器、变分自编码器等技术对正常工况特征分布进行学习，识别背离正常模式的异常情形，实际运用期间一般会把两种方法组合起来，把物理知识跟数据特征融合，建设更具解释性及抗变动性的监测系统，提高针对复杂制造环境里微小质量偏差的敏感度。先进的多传感融合监测系统还应具备自适应学习能力，能够根据生产工艺变化与设备老化等因素动态调整监测模型参数，实现监测系统性能的持续优化。

3.4 基于多传感融合的质量评估方法

基于多传感融合的质量评估方法冲破了简单的合格判断，赋予了对产品质量多维度量化评价的能力，评估体系构建是从识别关键质量特征起始的，然后明确对应传感器组合及权重分配，多传感融合技术让质量评估从离散模式转变为连续模式，由终检样式转向全程样式，从结果类型过渡到过程类型。评估模型多数采用将物理模型跟数据模型融合的混合结构，物理模型拿出基础框架与约束要求，数据模型对复杂关系进行补充，此关系难精确建模，质量评分系统凭借融合数据算出综合质量指数，体现产品现今质量状态和走向，评估结果不只是拿来做产品分级，也为工艺优化与质量追溯提供支撑，实现质量闭环管控流程，长久提升制造系统质量的稳定与一致程度。

4 结论

多传感融合技术为制造过程质量监测提供了别样的技术路径，克服了单一传感器信息存在的局限性问题，本研究系统研究了多传感数据采集预处理、融合方法跟算法选择、质量监测与评估等关键技术，搭建了一套完整的多传感融合质量监测体系，多源异构数据的有效融合，能大幅提升质量监测的全面性、准确性及鲁棒性，为智能制造环境下的质量管理提供有力后盾，未来研究将聚焦于轻量化融合算法、自适应传感器配置以及知识驱动融合模型等相关方向，助推智能制造质量控制技术持续前行。

参考文献

[1] 余其芳 , 成雨萱 , 韦有翔 , 陈靖东 , 郝智远 , 敖三三 . 电弧增材制造过程形性调控方法及在线质量监测技术研究进展[J]. 焊接技术,2023,52(3):1-13

[2] 卢少微 , 蒋孝伟 , 王晓强 , 王星 , 张璐 . 碳基纳米传感器在复合材料制造过程及服役过程监测中的应用 [J]. 航空材料学报 ,2021,41(3):36-51

[3] 徐磊 , 高广军 , 彭畅 , 王田天 , 阳劲松 , 谢劲松 . 融合光纤传感与压电感知的列车结构健康监测方法 [J]. 铁道科学与工程学报 ,2023,20(7):2763-2772

[4] 朱晓秋 . 公路施工中智能化监测技术的研究与应用 [J]. 中文科技期刊数据库 ( 文摘版 ) 工程技术 ,2025(3):114-117

[5] 丁东红 , 黄荣 , 张显程 , 袁磊 , 王凯 , 何宽芳 . 电弧增材制造研究进展 :多源信息传感 [J]. 焊接技术 ,2022,51(10):1-20I0007