数据融合是一门新兴的理论和技术,它充分利用多源信息的互补性和计算机的高速运算与智能来提高结果信息的质量.它首先应用于军事,并很快推广到自动控制、航空交通管制以及医疗诊断等领域.目前,将数据融合理论应用于工业生产中的研究刚刚起步.随着现场总线技术在工业过程控制中的广泛应用,它又为数据融合在工业中的应用提供了条件,而传感技术是处于信息系统或整个控制系统的最前端,因此,本课题的主要任务就是构建一个现场总线环境下的检测级融合的平台,用融合理论来提高传感器的精度,所以,该研究具有理论和实际应用意义.本文的主要研究工作:首先,介绍了数据融合的概念、层次、结构模型、关键技术以及当前的国内外发展水平和研究现状,提出了在现场总线环境下进行数据融合的新设想.其次,介绍了常用的几种融合方法,研究了自适应滤波在数据融合理论中的应用,重点探讨了LMS算法和RLS算法的应用,通过MATLAB仿真对两种算法进行了比较,初步结果表明自适应算法会在数据融合领域发挥其作用.第三,研究了模糊神经网络在多传感器数据融合中的应用,通过引进模糊控制算法来控制神经网络的学习率,会更好的发挥模糊控制和神经网络两者的优势,结果表明采用模糊神经网络不仅能达到期望的精度,而且可以大大提高速度.第四,介绍了Lonworks现场总线的Neuron芯片、LonTalk协议以及Lonworks系统的优点,建立了基于Lonworks的融合系统,提出了在Lonworks现场总线环境下研制具有传感器数据融合能力的智能差压变送器,消除温度和静压对差压测量的影响.第五,设计了由DSP、A/D等组成的具有数据采集、信号处理以及通讯功能的硬件系统,通讯部分分为Lonworks的通讯和上位机的通信两部分,给出了整个系统的硬件滤波和抗干扰设计.第六,进行了系统软件设计,主要有数据采集、信号的数据融合处理及通讯等模块,整个程序采用了嵌入式编程的方法,用汇编完成主要的接口任务,而用C语言完成信号的处理,给出了研究结果.最后,探讨了今后科研工作的努力方向.