面向突发性水污染事件的多传感器动态组网立体监测

针对突发性水污染事件应急监测和智能模拟分析需求,研究了多传感器立体协同监测模型,建立了突发性水污染事件的时间、空间属性和传感器观测性能之间的相关关系,实现了卫星、无人机、地面、水上平台的动态、协同组网。在丹江口库区开展了突发性水污染事件动态组网立体监测实验分析,根据水污染事件发生时、动态演变过程中和事件后期3个阶段的不同观测需求,基于多传感器立体协同监测模型,深入开展了多传感器协同优化求解,确定了相应的观测平台及传感器。实验结果表明,协同、高效的“天空地一体化”立体感知网能够全面、精准、快速获取水污染事件监测信息,可以科学支撑突发性水污染事件的应急处置。

多传感器融合SLAM研究综述

如今,移动机器人技术的发展使得同步定位与建图(SLAM)技术越来越受到学者的关注。在未知环境下,使移动机器人能够自主完成建图或者探索,是SLAM最基本的要求。在过去的十年,单传感器为机器人的建图和探索提供了良好的效果,而多传感器融合SLAM则以其强鲁棒、高精度的技术特性,为提升移动机器人建图的精度和速度提供了更高的可能性,成为了SLAM发展的主要研究方向。文中总结了现今多传感器融合SLAM的方案,首先对单传感器方案进行了比较;然后对多传感器融合技术的方案进行了对比;最后,分析了多传感器融合SLAM的难点与解决方案,并对多传感器融合SLAM的未来与发展进行了探讨。

自动驾驶中基于多传感器融合的目标检测分析

多传感器融合是一项结合多传感器数据的综合性前沿技术,在自动驾驶的感知和定位应用中占有非常重要的地位。汽车的自动驾驶级别越高,对传感器性能的要求就越高,而传感器进行目标检测具有高度的复杂性和多变性,因此单一传感器已无法满足不同场景下目标检测的准确性要求,必须采用多传感器融合的方式进行目标追踪。文章基于多传感器融合的背景,提出目标检测的整体设计方案,分析目标检测系统涉及的多源传感器信息处理系统设计方案、多模态传感器数据信息融合方案、有限数据弱监督学习目标检测方案,并从数据层、特征层、决策层3个信息融合处理层次阐述多传感器融合的方式。

基于残差卷积网络的多传感器融合永磁同步电机故障诊断

作为工业生产与日常生活的常见设备,永磁同步电机的故障诊断研究具有十分重要的意义。以永磁同步电机的匝间短路、退磁、轴承故障为诊断目标,提出一种新型的多传感器特征融合网络(MSFFN),结合多传感器融合技术与卷积神经网络实现永磁同步电机的可靠故障诊断。网络采用2个带有残差模块的卷积神经网络,对输入的电流信号与振动信号并行提取隐藏特征,并设计一种中间特征融合模块(IFFM)有效融合电流和振动的各层隐藏特征,IFFM基于注意力机制对网络中的电流特征与振动特征进行筛选,自适应关注不同信号的内在相关特征,以实现更好的诊断效果。搭建了故障样机测试平台进行数据采集与实验验证,实验结果表明,提出方法具有更高的诊断准确率,同时在叠加了强噪声的条件下,具备更强的抗干扰能力。

基于Modbus RTU协议的多传感器数据采集系统设计

文中在现有的电解加工机床上研发一套数据采集系统。该系统由传感器、数据采集模块和上位机等组成。数据采集模块以STM32F103RCT6微控制器为核心,通过4个RS485接口采集多个传感器数据,并通过RS232将采集到的数据发送至上位机,使用Modbus RTU协议以报文格式进行数据传输。使用C#语言在Visual Studio开发环境下进行上位机的软件编写和界面设计,可以实时显示、保存传感器数据,对传感器数据具备限位报警、状态判断、故障监测等功能。测试结果表明:该系统运行稳定,数据采集效率高,数据传输正确。

面向港口环境精细感知的无人船多传感器融合SLAM系统

针对港口环境高精度感知需求,综合考虑影响同时定位与建图(SLAM)精度的港口环境因素,提出基于多传感器融合的激光SLAM环境感知方案。通过分析多种传感器对港口SLAM环境感知的影响,引入惯性测量传感器弥补激光SLAM输出频率低和剧烈运动位姿估计不准确等缺陷,采用卫星定位系统信息进行高程数据约束,处理船舶运动特性导致的垂荡累计漂移。从应用需求出发,对传感器进行选型和布置优化,搭建基于无人船的港口环境多传感器融合SLAM系统。结果表明,提出的港口环境高精度点云地图获取方案能在典型港口场景下准确实时建图,为水面精细SLAM提供技术支持。

多传感器信息融合的刀具磨损状态智能监测系统

为了提高数控机床刀具磨损状态智能监测的可靠性,提出一种基于多传感器信息融合的刀具磨损状态智能监测方法及系统。利用多种传感器分别采集刀具加工过程中的机床变频器输入电流信号、工件三向振动信号和声信号,然后对采集到的信号进行时域、频域和时频域处理分析。系统自动识别提取出其中与刀具磨损程度相关性较高的敏感特征变量,并利用马氏距离法对敏感特征向量进行分析计算,确定刀具不同状态下的阈值,并据此判断刀具的磨损状态。最后基于上述原理利用QT开发平台研发一套完整的数控机床刀具磨损状态智能监测系统。试验结果表明,该系统能够实时准确地监测出刀具的磨损状态。

基于多传感器信息融合的机床测量数据自动补偿系统

机床测量数据自动补偿能够减少加工误差,为提高机床加工精度,设计基于多传感器信息融合的机床测量数据自动补偿系统。首先设计温度传感器、单片机主控与补偿脉冲发生装置,获取机床运动数据,然后采用多传感器融合算法融合采集信息,对信息中误差处理,采用粗糙集理论寻找最佳补偿值,实现机床测量数据自动补偿。实验结果表明,该系统能够有效减少加工误差,可以满足实际应用要求。

多传感器融合技术在智能交通系统中的应用

阐述多传感器融合技术在高速公路智能交通中的应用,包括对路面传感器数据、视觉传感器数据、环境传感器数据的融合和分析。探讨多传感器融合技术在高速公路智能交通中的优化方法。

基于多传感器信号的主轴回转误差在线回归预测方法研究

通过对主轴回转误差形成机理分析,基于多传感器信号构建了主轴回转误差回归预测模型。首先,使用LMD分解方法和皮尔逊相关系数算法对主轴回转误差密切相关的主轴前轴承振动信号、主轴电流信号和前轴承声发射信号进行特征量提取和寻优降维,克服了以往机床主轴回转误差预测中原始信号类型过于单一的问题。其次,针对各监测信号与机床主轴回转误差之间的非线性问题,利用支持向量机模型特有的RBF核函数实现多输入量下的非线性预测、找到数据之间的复杂关系,但模型中宽度系数σ、惩罚因子C和不敏感损失系数ε的有效确定是建立其RBF核函数的难题,为此建立了基于粒子群算法的支持向量机模型对主轴回转误差进行回归预测。再次,为评价该模型的有效性,提出了基于均方误差、平均绝对误差和决定系数的主轴回转误差回归预测模型评价方法。最后,使用i5m4数控加工中心对上述预测模型进行了实验研究,结果表明:该PSO-SVM回归预测模型的均方误差为0.19%,平均绝对误差为4.58%,决定系数为0.9237,相对于优化前模型,该PSO-SVM回归预测模型可准确有效实现主轴回转误差的预测。

结合时空特征的多传感器刀具磨损监测

针对传统深度学习方法监测刀具磨损状况时,相关特征提取繁琐,数据隐含信息提取不全面导致识别精度较低等问题,提出了结合时空特征的多传感器刀具磨损监测模型。首先,将不同传感器采集的波形信号经简单预处理后作为输入,再使用多通道1D卷积神经网络(MC-1DCNN)提取输入数据的空间特征;然后,利用双向长短时记忆网络(BiLSTM)提取时序特征;最终,由全连接层和Softmax层对特征进行分类。仿真结果表明,监测模型流程简单、识别准确率高,具备较强的可适用性。

基于IQPSO-EKF的多传感器融合姿态测量方法研究

为解决自动化竖井掘进设备的定位调姿精度对竖井、孔桩挖掘效率与质量的影响,提出了一种基于改进量子粒子群(IQPSO)-扩展卡尔曼滤波(EKF)的姿态测量算法,以提高微机电系统(MEMS)传感器测量精度。首先,对MEMS传感器数据进行了预处理(除噪、滤波、校准等);然后,参考现有飞行器的坐标系,建立了姿态解算模型,通过姿态角数学模型及运动学分析,构建了EFK状态方程,针对EKF方法参数估计不准确的问题,以分段混沌映射优化初始种群,引入平均位置最优值来避免陷入局部最优的IQPSO-EFK算法,优化EKF的系统、测量噪声的协方差参数;最后,对改进算法和三组姿态误差估计进行了对比实验。研究结果表明:对比三种典型目标函数,IQPSO-EFK相较于普通粒子群算法(QPSO-EFK)具有更强的寻优能力与收敛精度;对比三组旋转速度姿态测量误差,基于IQPSO-EKF算法的姿态测量方法在测量误差时比真实测量误差减少了约86.3%,比扩展卡尔曼滤波减少了约68.7%,比普通粒子群算法减少了约28.2%,证明该算法有效地提高了MEMS传感器测量精度。

基于CNN-SE-LSTM和多传感器数据的轴向柱塞泵故障诊断

轴向柱塞泵是液压系统中的核心部件,其状态监测和故障诊断是保证液压系统安全可靠运行的关键。然而,由于轴向柱塞泵结构复杂,工作环境恶劣,采集的信号中往往夹杂着强烈的噪声,利用单传感器数据监测其健康状态往往达不到预期效果。为此,提出一种基于通道注意力机制的卷积神经网络-长短期记忆网络(CNN-LSTM)和多传感器数据(MSD)的轴向柱塞泵故障诊断方法。改进CNN中卷积核的尺寸来优化CNN-LSTM结构参数,提高模型抗噪性能,并引入通道注意力机制模块SENet提升模型的表征能力,然后将2个不同位置的振动传感器数据进行数据端通道融合作为输入,最后将融合后的数据输入改进CNN-SE-LSTM中并通过Softmax层输出诊断结果。实验结果表明:在不添加噪声的情况下,所提方法故障诊断准确率达100%,具有较好的准确性和快速性;在不同信噪比的噪声干扰下,所提方法相比多层感知器(MLP)、首层宽卷积核深度卷积神经网络(WDCNN)等模型具有更高的故障诊断准确率,鲁棒性更好。

优化的ID3算法在多传感器安防系统中的应用

针对实物保护系统(Physical Protection System,PPSY)中单一传感器报警准确率较低的问题,提出了一种基于改进ID3的CAC-ID3(Confidence And Correlation-ID3)算法在多传感器实物保护系统中数据融合的新方法。与传统的单一传感器数据信息处理相比,多传感器数据融合能够更加准确、全面的得到被测对象的数据信息,有效地利用多传感器资源。CAC-ID3算法首先在ID3的基础上引入属性置信度重新计算期望熵,解决属性和价值不对等的问题,克服多传感器数据分类时多值偏向的缺点,其值由经验和相关领域知识决定。然后通过引入属性间的相关度来调整信息增益值,提高分类精度。实验结果表明:基于CAC-ID3的决策树算法的多传感器PPSY能有效提高报警准确率和可靠性,防止敌对分子入侵,提高传感器对PPSY的检测的效能,且该算法的分类精度高于ID3算法。

混合动力汽车转向稳定性多传感器融合控制技术

为了满足汽车行驶稳定性要求,当前依托于单一传感信息进行转向控制,容易忽略很多影响因素,使得控制后汽车转向质心侧偏角依旧较大。因此,混合动力汽车提出转向稳定性多传感器融合控制技术。考虑混合动力汽车转向过程中的动态特性,构建转向动力学模型,并计算出车辆理想横摆角速度。深入分析横摆角速度、滑移率对车辆转向稳定性的影响,得出期望的横摆力矩和滑移率调整力矩。将汽车转向稳定性控制问题看作二次规划问题,结合BP神经网络和常规PID控制器,设计转向稳定性控制算法,利用车辆转向参数的理想值、实际值和偏差值推算出稳定性控制参数。结合融合多传感器实时采集信息,推算出汽车转向姿态误差代入控制结构中,给出优化后的控制参数。实验结果表明:新提出的控制技术应用后,车辆转向的质心侧偏角不超过±0.012 rad/s,满足了混合动力汽车转向行驶要求。

面向分布式多传感器的FOA大数据融合算法研究

分布式多传感器融合能够获得更好的数据监控效果,构建一种分布式多传感器数据融合模型以解决数据融合中出现的时序偏差问题。该模型通过对多个传感器测量的数据值进行综合分析,基于相对梯度值剔除冗余干扰以改善数据融合的精度,并基于FOA优化算法模拟果蝇找寻食物的过程,在全局范围内寻找最优解,解决了传感器系统参数优化和选择时遇到的局部早熟问题。实验结果表明,采用FOA算法的多传感器融合效率更高、时间更短,随着数据源数量的增加,算法的融合精度衰减较慢。

多传感器融合的火灾监测机器人设计

针对目前火灾报警系统不能应用在城市中非密闭空间的问题,提出一种适用于非密闭空间的多传感器融合的火灾监测机器人。该机器人采用履带式结构适应多地形移动,根据城市内非密闭下空间火势初期主要特征参数确定采集模块的搭建;利用D-S证据理论对多传感器火灾数据进行融合检测,以降低单个传感器的误报率,来提高对非密闭空间火灾事故的精确判定,并对火灾进行现场警报与远程回传。实验表明,与单一传感器判断相比,引入D-S证据理论的火灾监测机器人的火灾检测不确定性下降,检测精度得到了提高。

基于STM32多传感器检测系统的设计与研究

为检测影响人们身体健康的生活环境状况,开发一种基于STM32单片机,以环境温度、湿度、可燃气体、有害气体等为检测对象,设计具有数据检测、显示及报警功能的设备。设备主要工作是通过多个传感器获取所在空间空气质量的参数信息,当参数浓度超过设定值时,单片机控制蜂鸣器报警,同时在OLED显示屏和手机用户端显示检测对象和当前浓度值,设计的目的是为人们的健康安全环境带来便利。

“多传感器信息融合技术”研究生课程案例库建设与教学实践

案例教学是推动研究生培养模式改革的重要手段。文章以“多传感器信息融合技术”课程作为切入点,在与学科前沿紧密结合的基础上,进行了课程案例库的建构与内容设计,通过在教学环节中复现实际的工程情境,促进研究生对具体问题进行主动思考和深入分析,进而实现知识和能力的充分融合。实施效果调查显示,案例教学有利于拓宽研究生的科研视野,提升研究生的创新能力和工程实践能力。

基于多传感器融合的模糊PID采煤机截割路径自适应控制方法

截割路径自适应控制是提高采煤机生产效率和质量的重要手段,但现行方法控制精度较低,在实际中,截割路径RMSE、MAE均比较高。针对现行方法存在的不足和缺陷,提出基于多传感器融合的模糊PID采煤机截割路径自适应控制方法。采用多传感器融合技术感知采煤机截割运动学模型中位置及状态信息,并对多传感器数据融合处理,根据采煤机截割运动学规律得到采煤机截割路径,模糊化截割路径偏差,利用PID控制器调控比例、积分、微分3个参数,修正采煤机截割路径偏差,实现基于多传感器融合的模糊PID采煤机截割路径自适应控制。实验证明,设计方法应用下的采煤机截割路径RMSE和MAE得到了明显降低,为采煤机截割路径自适应控制提供了一定参考。