煤矿井下移动机器人多传感器自适应融合SLAM方法

基于同时定位与建图(SLAM)技术的移动机器人能够快速、准确、自动化地采集空间数据,进行空间智能感知和环境地图构建,是实现煤矿智能化和无人化的关键。针对目前煤矿井下多传感器融合SLAM方法存在机器人前端位姿估计退化失效和后端融合精度不足的问题,提出了一种煤矿井下移动机器人激光雷达(LiDAR)−视觉−惯性(IMU)自适应融合SLAM方法。对LiDAR点云数据进行聚类分割,提取线面特征,利用IMU预积分状态进行畸变校正,采用基于自适应Gamma校正和对比度受限的自适应直方图均衡化(CLAHE)的图像增强算法处理低照度图像,再提取视觉点线特征。用IMU预积分状态为LiDAR特征匹配与视觉特征跟踪提供位姿初始值。根据LiDAR相邻帧的线面特征匹配得到移动机器人位姿,之后进行视觉点线特征跟踪,分别计算LiDAR、视觉、IMU位姿变化值,通过设定动态阈值来检测前端里程计的稳定性,自适应选取最优位姿。对不同传感器构建残差项,包括点云匹配残差、IMU预积分残差、视觉点线残差、边缘化残差。为了兼顾精度与实时性,基于滑动窗口实现激光点云特征、视觉特征、IMU测量的多源数据联合非线性优化,实现煤矿井下连续可用、精确可靠的SLAM。对图像增强前后效果进行试验验证,结果表明,基于自适应Gamma校正和CLAHE的图像增强算法能显著提升背光区和光照区的亮度和对比度,增加图像中的特征信息,大幅提升特征点提取数量和匹配质量,匹配成功率达90.7%。为验证所提方法的性能,在狭长走廊和煤矿巷道场景下进行试验验证,结果表明,所提方法在狭长走廊场景的定位均方根误差为0.15 m,构建的点云地图一致性较高;在煤矿巷道场景中的定位均方根误差为0.19 m,构建的点云地图可真实地反映煤矿井下环境。

基于自适应时间窗的数据-模型融合驱动暂态频率预测

新能源大规模并网使得新型电力系统的暂态频率响应特征更加复杂,现有频率在线预测方法难以兼顾准确性和及时性。基于此,提出基于自适应时间窗的数据-模型融合驱动暂态频率预测方法。首先,基于长短期记忆网络,离线训练多个具有不同长度时序数据输入的频率曲线循环预测模型;其次,利用参数辨识方法离线建立各发电集群的通用等值频率响应模型,在此基础上构建系统有功-频率物理机理快速分析模型;最后,串行融合前述频率曲线循环预测模型与有功-频率物理机理快速分析模型,并提出“可信度量化评估指标”,实时分析在线预测过程中不同评估时刻下预测结果的精度,自适应调整输入时序数据长度,直至预测结果满足要求并输出。含风电的IEEE39节点系统的仿真结果表明,所提方法在不同风电渗透率或不同扰动下均能快速、准确地预测暂态频率响应曲线,相较于其他在线预测方法具有更优的评估性能。

基于环形缓冲区的WSN数据融合技术研究

无线传感器网络监测系统中,环境变化缓慢和节点感知范围重叠所造成的冗余数据会增加节点的数据发送量,降低信息收集效率并导致传感器节点过早死亡.因此,提出一种基于环形缓冲区的簇内数据融合方案.所有节点采用环形缓冲区存储数据.源节点基于环形缓冲区采用二值化相似函数和滑动四分位检测法,在保证数据时间关联性的同时剔除冗余数据和瞬时性异常数据.簇头节点基于加权皮尔逊距离的改进支持度对从源节点接收到的数据进行加权融合.仿真实验表明,所提出的方案在网络剩余节点数、网络剩余能量和网络发送数据包数等3个方面有明显的优势.

基于小波变换的机载雷达测绘遥感影像信息数据融合方法

在融合机载雷达测绘遥感影像信息数据的过程中,由于原始机载雷达测绘遥感影像反馈信号在频域分布上具有多元化的属性,导致融合后影像的质量相对较低。为此,文章提出基于小波变换的机载雷达测绘遥感影像信息数据融合方法。该方法通过在小波变换设置了以频率为基准的窗口函数,并结合遥感影像反馈信号所处频域与频率函数状态之间的关系,建立了待分析遥感影像信号与频率窗内的高频频域分布参数之间的乘积关系,从而得到所需的信号频谱特性,在进行机载雷达测绘遥感影像信息数据融合阶段,结合遥感影像反馈信号与有限区域范围之间的关系,对其进行适应性融合。测试结果表明,融合后影像在完整度、清晰度以及综合质量方面均处于较高水平。

基于滑动聚类的窄带物联网特征级异构数据融合方法

由于物联网数据具有多样化特征,不同类数据需求不明确,导致数据特征集提取难度较大。为了提高物联网异构数据融合效果,提出一种基于滑动聚类的窄带物联网特征级异构数据融合方法。利用平移变换得到网络数据的时间信息,通过小波变换增强无线传感器节点采集的异构数据质量;计算滑动窗差值,确定物联网特征级异构数据的初始聚类点,利用均值漂移算法完成异构数据状态聚类;通过凝聚机制完成相似数据的特征集提取,实现特征级异构数据的融合。实验结果证明,所提方法有效降低了物联网数据规模,减少了数据融合误差,且融合后信息不失真,在数据处理领域具有较高的应用价值。

基于数据分发服务和WPF技术的试飞实时监控系统设计

针对以服务为中心的客户端服务器(C/S)架构监控模式存在着数据融合困难、传输协议单一、扩展灵活性差等不足,将数据分发服务(DDS)技术引入到试飞实时监控系统中,结合WPF图形引擎技术形成了一整套解决方案;在完全兼容当前架构规范的前提下,采用DDS技术作为数据传输中间件,有效提高了试飞监控系统的实时性,加强了多源数据融合力度,降低了试验资源的集成难度;采用WPF图形引擎技术构建实时监控可视化编辑平台,最终实现了空天地综合监控环境下多源数据接收、处理、分发以及可视化展示等关键技术;此方案已经在飞行试验地面实时监控中得到了成功应用。

基于Mahony与改进Kalman融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。针对加速运动会产生非重力加速度干扰,而传统滤波算法无法解决其导致的精度下降的问题,提出一种基于Mahony和改进Kalman融合的姿态解算方法。首先采用惯性测量传感器所得数据进行Mahony解算,将其结果作为改进Kalman的量测信息;其次通过陀螺仪解算,将其结果作为改进Kalman的状态信息实现姿态解算。实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。

基于可视化和数据融合的医疗设备异常运行状态检测方法

医疗设备运行状态难以检测,一旦出现异常情况,只能强制停机检查,降低了工作效率,增加了维护成本,为此,提出了基于可视化和数据融合的医疗设备异常运行状态检测方法。预处理运行数据,通过融合、分析和可视化等操作剔除冗余参数值,以正常运行状态下参数值为标准,构建健康状态评估模型,运用滑动窗口残差统计法和加权平均方差消除运行状态中干扰因素和不确定因素,设置合理的预警偏离阈值和检测阈值,确保医疗设备异常运行状态检测精度。实例测试结果表明,在人为添加不同程度的异常信号环境中,所提方法均能有效检测医疗设备异常运行状态,帮助工作人员根据检测情况采取相应的处理措施。

基于数据融合技术的图像均值滤波算法

在分析传统图像均值滤波算法的特性基础上,提出了一种新的均值滤波方法——多窗口均值融合滤波算法.该算法以每一个像素点为中心选取多个不同尺寸的窗口,将各窗口的均值进行融合处理后作为中心点的滤波输出.实验结果表明,本算法对于低信噪比图像具有较好的滤波效果,优于传统的和一些改进的均值滤波算法.

一种多源数据融合的机器人导航技术

针对移动机器人在导航过程中存在的建图不精确、效率低下等问题,提出一种多源数据融合的移动机器人导航方法:利用扩展卡尔曼滤波融合激光雷达和深度相机的环境信息,通过位姿传感器获取机器人的位姿和加速度信息,提出基于激光雷达、深度相机和惯性测量单元数据融合的地图构建方法;并兼顾全局探测与局部求精的平衡,采用改进原子轨道搜索算法进行全局规划,利用动态窗口法完成局部避障。实验结果表明,多源数据融合建立的地图更接近于真实场景,改进后的融合算法未知障碍实时避障成功率达到98%,能够提升机器人自主导航效率。

时序证据的加窗累积D-S组合推理方法

针对相关时序证据的D-S组合证据推理,分析了传统D-S组合规则的一直累积融合所产生的组合证据趋于平凡解的不合理原因,提出了一种时序证据加窗累积融合的D-S组合推理新方法,并根据组合证据判决置信度推导了窗口大小的自适应选取公式,数值实例分析说明了本方法的有效性。

基于多特征融合的GraphHeat-ChebNet隧道形变预测模型

对隧道的形变进行预测是隧道结构异常检测的内容之一。为了充分挖掘形变特征的时空关联性,针对隧道内衬多个断面的形变同时预测,提出一种基于多特征融合的GraphHeat-ChebNet隧道形变预测模型。所提模型中利用GraphHeat和ChebNet这2种图卷积网络(graph convolution net,GCN)分别提取特征信号的低频和高频部分,并获取形变特征的空间关联性,ConvGRUs网络用于提取特征在时间上的关联性,通过三阶段融合方法保留挖掘的信息。为了解决实验数据在时间维度上不充足的问题,引入双层滑动窗口机制。此外,所提模型与其他模型或算法在不同数据集上实验比较,衡量一天和两天预测值的误差指标优于其他模型,而且对大部分节点预测的误差较低。说明模型受样本节点数影响较小,能较好地预测一天和两天的形变,模型学习特征与时空模式的能力较强,泛化性较好。

无线传感器网络节点自适应睡眠调度算法NASS的研究与实现

为解决无线传感器网络能量受限问题,提出一种节点自适应的睡眠调度算法NASS(Node Adaptive Sleep Schedule)。当网络中有节点的死亡或者离开时,为了节约能量,其邻居节点应该根据通信节点的数目的减少而自动增加睡眠时间。在LEACH协议的分簇方法基础上,通过调整数据融合窗口来增加簇头节点的睡眠时间,从而达到了节约能量和提高整个网络生存周期的目的。实测结果表明,此算法在网络节点减少的条件下有效的提高了网络生存周期。

自适应窗长方差估计在多传感器数据融合中的应用

针对多传感器数据融合中,恒窗长方差估计算法对噪声变化跟踪能力不强的缺点,提出了一种根据噪声变化自适应调整窗长的方差估计算法。给出了对方差估计曲线突变段的寻找方式以及自适应窗长的选择策略。该算法能灵敏的跟踪传感器测量噪声的突变,同时不依赖于初始窗长的设定,能自动收敛到适合的窗长模式。仿真结果说明了该算法在多传感器数据融合中的有效性。

基于CNN的点云图像融合目标检测

针对自动驾驶场景中目标检测存在尺度变化、光照变化和缺少距离信息等问题,提出一种极具鲁棒性的多模态数据融合目标检测方法,其主要思想是利用激光雷达提供的深度信息作为附加的特征来训练卷积神经网络(CNN)。首先利用滑动窗对输入数据进行切分匹配网络输入,然后采用两个CNN特征提取器提取RGB图像和点云深度图的特征,将其级联得到融合后的特征图,送入目标检测网络进行候选框的位置回归与分类,最后进行非极大值抑制(NMS)处理输出检测结果,包含目标的位置、类别、置信度和距离信息。在KITTI数据集上的实验结果表明,本文方法通过多模态数据的优势互补提高了在不同光照场景下的检测鲁棒性,附加滑动窗处理改善了小目标的检测效果。对比其他多种检测方法,本文方法具有检测精度与检测速度上的综合优势。

基于加窗平滑的融合算法在单兵雷达中的应用

单兵雷达有着简便易携带,隐蔽性好等优点,但单兵雷达使用时受环境影响较大,周围建筑物遮蔽物限制了雷达的探测范围,也会产生大幅度的干扰,从而给多个雷达目标间的数据融合带来问题。针对这一问题,使用中值加窗的方法可以消去由单个雷达带来的大幅干扰。描述了一种应用于单兵雷达的基于加窗平滑处理的中值融合算法的理论模型和算法实现,在MATLAB环境下对该融合算法进行了仿真,并从中可以看出该融合算法在取得不错的性能表现,能够提升多个单兵雷达间的数据融合能力,降低了单个雷达的巨大误差对融合目标的影响。

基于多源数据融合的注射坯密度分布控制算法

自动化和智能化是未来粉末注射成形技术的重要发展方向,本文通过对注射模具温度基于滑动窗口技术的数据挖掘处理以及对注射坯CT切片密度分布的分析修正、阈值预处理后,采用基于神经网络数据融合的方式对多源数据进行融合,实现对注射坯密度分布的有效控制。

基于数据融合的风电变桨系统故障预警研究

随着风电机组装机容量的不断攀升,同时带来并网发电率低、机组故障率高等缺点,导致风电机组整体利用率较低。为此提出一种基于数据融合的风电变桨系统故障预警方法。首先结合SCADA系统中的运行统计信息和历史数据,采用Relief特征参数选择方法筛选出与风电变桨系统故障相关的特征参数;然后采用数据融合的方法,建立基于MSET技术的风电变桨系统故障预测模型,并采用滑动窗口法进行故障预警阈值的确定;最后以上海某风场1.5 MW双馈异步风电机组进行实例分析,结果表明该方法可提前发现风电变桨系统故障征兆,实现对风电变桨系统的早期故障预警。

基于混合特征融合的数控铣床切削过程监控

为高效准确地对数控铣床切削过程进行在线监控和异常检测,提出了一套新的基于混合特征融合的异常检测框架。该算法首先基于动态时间规整对多维时间序列进行滑动窗口分割;随后从多源传感器记录的观测数据中提取出统计分布特征、时域特征、频域特征和熵特征等多种混合特征;基于ID3算法对这些特征进行选择融合;最后将得到的融合特征作为四个模型的输入,并对多输出进行决策层的融合,实现对异常的高效检测。通过在真实数控铣床数据上应用该算法进行过程监控,验证了所提方法在提高检测精度上的有效性。

基于多源数据的领域主题演化路径分析

[目的/意义]为全面、客观、高效、直观地掌握科技领域主题的发展规律和演变趋势,提出一种基于多源数据的领域主题演化路径识别和分析框架。[方法/过程]获取不同来源的科技文献数据,利用多维样本有序聚类方法辅助时间切片,基于改进的词袋构建方法,提升LDA模型主题识别效果,借助Louvain社区发现算法在主题层进行多源数据的融合,分析领域主题演化路径。[结果/结论]利用美国太赫兹研究领域基金项目、论文和专利3种来源的数据进行实证研究,结果表明,3种数据源能够清晰划分出4个时间窗口,改进的词袋构建方法能够表征更准确的领域信息内涵,主题社区有助于从多源数据复杂的演化网络中厘清主题演化脉络。