基于修改模型的冲突证据组合方法

针对冲突证据的组合问题,提出一种基于修改模型的冲突证据组合方法.该方法具有以下特点:①只修改模型,不改变Dempster组合规则的结构.②考虑焦元属性之间及证据之间的相互关联性,引入距离函数,确定证据的权值,将平均证据代替冲突证据,减少冲突证据在组合规则中的作用,降低干扰对最终融合结果的影响;同时充分利用原始证据信息,提高了组合结果收敛到正确目标的效率.③能够解决一般冲突、一票否决、鲁棒性等冲突证据的组合问题.④认为冲突证据也是一种信息,加以利用,避免证据有效信息的损失.通过实验,验证了所提出方法的有效性.

基于接近度的多传感器数据融合方法研究

针对多个传感器对某一特性指标多次测量的数据融合问题,提出了一种基于接近度的多传感器数据融合新方法。该方法将各传感器的测得数据视为一个模糊集合,利用模糊集合的最大、最小接近度对不同传感器测得数据间的接近程度进行量化处理,并通过接近度矩阵度量各传感器测得数据的综合接近程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合。实例分析表明应用所提出方法可达到比传统方法更高的融合精度,方差估计进一步验证了该方法的有效性。

基于ZigBee的多传感器物联网无线监测系统

针对无线传感器网络在物联网无线监测中的应用,基于ZigBee技术组建树形无线网络,以SoC芯片CC2530为核心设计模块化无线节点硬件,集成了含温湿度和振动量等的多传感器模块,基于Z-stack协议栈完成了多传感器有限状态机程序和低功耗节点程序,并改进了协议栈对链路失效的管理机制。通过大量实验获取统计数据,无线节点点对点传输速率典型值为20 kb/s,多跳传输典型值为0.3 kb/s,系统具有较强的扩展性,能够较好地满足智能家居和安防监测等物联网应用。

多传感器技术的现状与展望

综合国内外的文献,讨论了多传感器技术应用的目的、应用场合,总结了多传感器信息融合、多传感器阵列技术、多传感器的管理等,主要的多传感器技术及方法。并在此基础上,结合作者的研究经验,给出了多传感器技术中静态特性标定、动态特性分析、误差分析等,以及有待解决的问题;展望了未来多传感器系统的前景。为传感器技术领域的科学工作者提供了一个关于多传感器技术的视窗,并给出了多传感器技术有待研究的方向。

基于多传感器数据融合的液压泵故障诊断研究

将D-S证据理论应用于多传感器数据融合,提出了多传感器数据融合一般化方法,并将其应用于液压泵故障诊断。通过数据融合诊断结果与单传感器诊断结果的比较,证明多传感器数据融合能明显提高故障诊断的准确率。

惯性/光流/磁组合导航技术在四旋翼飞行器中的应用

微小型无人飞行器(MUAV)通常采用微惯性/GPS组合导航系统提供载体速度、位置、姿态等参数。然而GPS信号易受干扰,且面对特殊环境(如高楼林立的街道、隧道、峡谷等)易出现信号丢失情况难以满足飞行器的自主安全飞行要求。为解决该问题,设计基于光流法辅助微惯性导航的无GPS自主导航方案,提出了一种基于无味卡尔曼滤波(UKF)的非线性融合导航方法,基于四旋翼飞行器的悬停和飞行实验进行了验证。实验结果表明:该方案具有成本低、导航自主性强、精度高的优点,具有一定的应用参考价值。

白车身视觉检测系统中多类型传感器全局校准技术

针对白车身视觉检测系统中传感器数量多、种类各异、分布空间大、位置关系复杂等问题，提出了一种适用于工业现场的多视觉传感器全局校准技术。基于坐标系间接统一法，设计多个精密立体靶标作为坐标系转换中介，利用激光跟踪仪获取现场校准数据，在单位四元数数学模型的基础上，求解两坐标系间最优转换矩阵，将固定式传感器和柔性传感器的测量坐标系统一到全局坐标系。该方法已在某企业在线测量项目中成功应用，现场只需完成传感器坐标系与全局坐标系转换关系标定，降低了复杂现场环境对多传感器全局校准的限制，简化了校准过程，提高了环境适应性，校准后检测系统各向测量精度均优于±0．2mm，满足白车身在线测量精度要求。

雷达与红外传感器数据关联及融合算法研究

多传感器信息融合技术在目标跟踪领域已经得到了广泛的应用,末制导融合技术是多传感器跟踪系统中的关键技术之一,而主动雷达、红外传感器的数据融合问题是研究的热点。由于主动雷达发射电磁波容易暴露,红外传感器隐蔽性好,但只能测角,不能测距,采用主动雷达为主、红外探测为辅的数据融合系统进行目标跟踪有利于充分地发挥红外、雷达2种传感器的互补性,使其相得益彰。基于卡尔曼滤波的预测、修正的思想,提出了一种新的融合算法,仿真结果和实验表明:利用此方法可使雷达、红外传感器达到较好的数据融合效果。

基于MEMS传感器的三分量检波器定向方法

针对三分量地震勘探的功能需求,以三轴电子罗盘、三轴加速度计和三轴陀螺仪构成的惯性传感器组为基础,提出了一种三分量检波器的定向方法。主要与检波器3个分量对应组合,由电子罗盘和加速度计实现方位和倾角测量,并采用陀螺仪对两者进行误差补偿,采用快速的互补滤波方式进一步提高测量精度。检测方法已经成功应用于VSP系统中,野外应用效果显示,在复杂的施工环境下,测量误差可以控制在2°以内。

基于INLR-PPLS的非线性多传感耦合信息建模方法

针对线性PLSR(偏最小二乘回归)在多传感信息回归建模中存在的不足,提出了一种基于INLR(Implicit Nonlinear Latent Variable Regression)-PPLS(Polynom ial PartialLeast Squares)的非线性多传感耦合信息建模方法.该方法通过线性PLSR对多传感信息进行预处理,达到降维的目的;基于INLR建立外模型非线性样本矩阵变换方程并线性化,进而采用PPLS进行内模型非线性映射,并对多传感非线性回归模型实行反求解.最后,将该方法应用于液态乙醇浓度测控系统,结果表明该方法较线性PLSR预测准确度提高21%.

杂波环境下基于红外传感器和雷达融合的机动目标跟踪算法

提出一种在密集杂波环境下多传感器机动目标跟踪算法,在利用雷达测量数据的基础上,融合红外(IR)传感器获得的精确角度信息来提高机动目标跟踪性能。通过计算机仿真,该算法较传统概率数据关联(PDA)对于航迹跟踪成功率和位置估计的准确率更为有效。

基于EEMD-SVM的刀具磨损状态研究

针对刀具磨损监测中信号的非平稳特性和小样本建模中神经网络容易陷入局部值的问题,提出基于多传感器信号,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)相结合的算法,实现对刀具磨损多状态的识别。首先对振动信号进行集合经验模态分解,将其分解为若干个本征模态函数(intrinsic mode function,IMF)之和,然后计算得到三向切削力信号的均值和各本征模态函数分量的能量百分比值作为磨损状态分类特征,最后运用支持向量机和Elman神经网络对刀具在不同磨损状态下的特征数据样本进行训练和识别。实验结果证明该方法能很好地实现对刀具磨损状态的识别,与Elman神经网络相比,支持向量机具有更高的识别率,更适合小样本情况下刀具磨损状态的分类识别。

Vague集信息融合理论在煤矿安全监测中的应用

针对模糊信息融合的局限性,提出了基于vague集理论的多传感器信息融合方法。为了解决以往的vague集多目标模糊决策方法的缺陷,应用了一种新的多目标模糊决策的vague集方法,建立了基于vague集的多传感器信息融合模型,给出了该方法的数学描述、数据组织、结果评价及算法实现过程。通过实例研究,验证了该方法的有效性和正确性,从而验证了vague集理论在多传感器信息融合中的应用是更有潜力的新方法。

多传感器热式气体流量计的研制

针对大中型管道以及不规则流场中气体流量测量存在的问题，研制了一种多传感器结构的气体流量计。在测量管道中按照对数线性法选取测量特征点，采用4个热式气体流量传感器获取特征点的流量信号，利用正交多项式拟合建立特性曲线的函数关系式。在不规则流场条件下对200mm口径样机进行实验。实验结果表明，多传感器测量方法能够明显改善单传感器的测量精度不高的问题。

多传感器信息融合在智能车中的应用研究

研究智能无人车采集的差异数据融合问题,提高融合后有效信息数量。针对智能无人车多传感器采集存在较大随机性,采集的信息在特征上存在较大差异,在后期融合过程中的差异容易造成信息冲突,导致有效信息丢失,融合后的有效数据量大幅减少。为了解决上述问题,提出一种自适应多传感数据信息融合算法,通过估计出数据信息的可融合程度,运用滤波技术提高其融合能力,增加融合后有效数据信息量。实验表明,该算法能够大幅提高多传感器差异信息融合率,增加有效信息数量,取得了不错的效果。

一种基于改进粒子群算法的机载多传感器任务分配方法

分析了机载多传感器任务分配问题的特点,建立了机载多传感器任务分配模型。为解决传统粒子群算法存在的局部收敛、收敛较慢等问题,在现有的粒子群算法基础上,调整算法结构与参数,引入方向系数和远离因子来控制粒子远离最劣解的速度和方向,使其在向最优解移动的同时远离最劣解;基于改进后的粒子群算法提出了一种以最大探测概率为目标函数的机载多传感器任务分配方法,并进行了算法仿真。仿真结果表明,算法可以进行有效的任务分配,并能够提升分配效果。

RS-RBF信息融合在瓦斯监测中的应用研究

针对煤矿单传感器和低层次的多传感器数据处理的单一、不确定性较高的缺点,在对监测信息进行分析、处理、维数压缩后,利用基于粗糙集理论与神经网络相结合的多传感器信息融合技术实现对瓦斯灾害信息的特征提取。通过对瓦斯灾害的辨识分析,获得更准确、更可靠的瓦斯状态信息,极大地提高了瓦斯监测系统的性能,为获得瓦斯灾害变化的一般规律和准确、及时地发布预测信息提供先进的理论和技术支持。

基于证据理论与不精确概率的振动故障诊断

针对系统中振动发散类故障,提出了基于证据理论与不精确概率的诊断监测方法。利用不同传感器采集系统中的信号获取特征参数;以指数函数为证据生成函数对其处理得到故障基本信度分配,依据其大小分为高信度组与低信度组,分别采用Dempster组合规则进行融合,以融合的结果构成概率区间,计算诊断价值函数的期望区间;以不精确概率理论下2种不同决策准则决策是否发生故障。在隔振平台上实现了融合诊断监测过程,结果表明:提出的方法可以有效融合传感器信息、及时发现振动发散故障。

基于2类决策和改进蚁群算法的多CCD调度

多CCD系统的调度要求同时兼顾调度质量与实时性。以无人值守变电站视频监视系统为研究对象,在考虑系统特性的基础上,以目标与CCD间距、节点载荷、优先级和模糊预测因子为指标,使用模糊决策动态调整预测区域半径,并建立基于2类决策的快速调度模型。对多目标调度的求解,研究了改进的最大最小蚁群算法,通过引入合适的收敛性判据和状态转移规则,避免了过多使用启发式算法造成的决策耗时,提高了决策的效率和算法的全局搜索能力。最后进行了系统仿真和真实实验,实验结果表明该方法可减少激活节点的数目,特别是对于较复杂的多CCD-多目标调度,能同时保证算法具有较好的实时性和求解性能,验证了模型的有效性。

基于LLSSVM的MUH高度信息融合技术的研究

应用基于局部最小二乘支持向量机(LLSSVM)的多传感器融合技术实现了高度信息融合技术的研究。针对无法精确测量的微小型无人直升机(MUH)飞行高度问题,用LLSSVM建立了以数据驱动的黑箱模型,并用该多传感器信息融合模型对高度信息进行预测。将基于LSSVM和LLSSVM模型的仿真结果进行对比,结果表明后者效果明显优于前者,说明基于LLSSVM的信息融合模型更为合理有效,解决了LSSVM模型的预测延迟和误差积累放大的问题。