多传感器融合与卡尔曼滤波在PLA生产温度场精准监测中的应用研究

Abstract

针对聚乳酸（PLA）工业化生产中反应釜温度场具有非线性、大滞后、强耦合及强干扰特性，传统单点温度监测存在精度低、抗干扰能力弱、无法反映全空间温度分布等痛点，本文设计了一套基于分布式多传感器阵列的温度场精准监测系统。首先分析了PLA两步法生产工艺的温度管控需求，构建了包含感知层、传输层、处理层与应用层的四层系统架构；其次提出了自适应加权融合与自适应扩展卡尔曼滤波（AEKF）相结合的核心算法，先通过格拉布斯准则剔除原始数据异常值，再以最小均方误差为准则实现多传感器数据自适应加权融合，最终通过AEKF算法实现温度状态的最优估计与噪声抑制；实验结果表明，该系统的温度测量平均误差≤0.3℃，最大误差≤0.45℃，较传统单点监测方案均方根误差降低78.2%，可有效抑制工业现场的电磁与热干扰，实现PLA生产全流程温度场的三维重构与实时精准监测，为PLA生产工艺优化与产品质量提升提供了可靠的数据支撑。