粮食是关系国计民生的特殊商品,它关系到人民生活的安全稳定和社会的和谐发展;国家建立粮食专项储备制度,是其特殊性的重要表现。储粮及其存储环境的温度、湿度、水份、害虫等情况的变化将会直接影响到储藏粮食品质的好坏。粮情测控系统是四项储粮新技术的基础,是其它三项:“谷物冷却”、“机械通风”和“环流熏蒸”储粮技术运行状态的观察者和运行结果的真实反映者。粮情测控系统能否科学、准确、安全地反映储粮的真实信息,将直接关系到储粮技术的实际运用和应用效果的好坏;因此,研究智能化粮情决策方法,有重要的现实意义。本文以对粮情监测数据进行有效的优化处理为目的,将多传感器信息融合处理的技术应用到粮情状况安全评价,以期实现储粮存储状况的准确判断和智能化决策,以期达到科学、合理地保障粮食存储安全。本文主要的研究内容以及工作中的创新之处:⑴通过分析粮情测控信息融合系统模型、信息融合层次、系统体系结构及硬件接口电路,提出了一种分布式粮情信息融合的结构。此结构将更有利于系统的智能决策和安全评价,能够更加科学地对粮食存储情况进行实时监控。⑵在分布式粮情信息融合结构基础上,针对同质传感器提出了一种新的信息融合处理方法。首先采用分布图法获得一致性监测数据,然后通过改进的Kalman滤波算法处理数据,最后利用基于Bayes估计理论的Kalman滤波器分布式信息融合方法进行同质传感器信息融合。该方法的融合结果精确度高,同时对不稳定信号有很强的实时跟踪的能力。⑶为增强系统的智能决策能力,针对异质传感器,本文提出一种基于RBF神经网络与D-S证据理论的信息融合方法。实验结果表明,与单一采用神经网络或D-S证据理论的信息融合算法相比,将BRF神经网络和D-S证据理论的信息融合相结合的方法具有提高系统的计算速度、增强系统的抗干扰能力和容错能力和降低系统评价的不确定性等优点。