多传感器信息融合的轴承故障迁移诊断方法

在重型装备低速、重载、强噪声环境下,采用单一传感器难以全面获取轴承的故障诊断信息,导致故障识别率低、识别不稳定,致使变工况下轴承故障迁移诊断失效。针对以上问题,提出了一种多传感器信息融合的轴承故障迁移诊断方法。首先,结合传感器的通道数,构建了堆叠卷积神经网络(MCNNs)提取各个通道的故障特征;然后,在MCNNs中引入最小绝对收缩与选择算子(Lasso),并通过网络反向传播完成了特征权值的更新,从而获得了多通道特征的融合;最后,利用源域数据对模型进行了训练,提取了故障特征,并完成了特征融合,采用损失函数完成了模型参数的优化,将源域训练得到的模型结果作为目标域的初始模型,利用目标域样本对初始模型的参数进行了微调,从而完成了模型迁移;并进行了信息融合效果、方法对比以及传感器信息采集属性的性能实验。研究结果表明:传感器的安装位置对信息融合影响较大,MCNNs+Lasso方法具有较好的特征融合效果,平均迁移诊断精度为99.03%,部分精度可达99.97%,在多个变工况的迁移任务中表现出较高迁移精度和良好的泛化性能。

基于多传感器信息融合的深基坑作业一体化监控系统设计

为提高深基坑一体化监控系统性能,提出基于多传感器信息融合的电力施工深基坑作业一体化监控系统。使用视频服务器和监控云台解码器为系统提供硬件支持,利用编码感知路由,计算监控数据传输的平均延时,通过设置监控信息传输延时的控制参数,融合处理深基坑作业一体化监控信息,结合深基坑作业一体化监控算法设计,实现电力施工深基坑作业一体化监控。测试结果表明系统可以保证作业正常运行,通过将告警推送最大时延和监控数据存储覆盖率分别控制在1 s以内和85%以上,使系统性能满足设计要求。

基于多传感器信息融合的农作物生长信息监测系统

常规农作物生长信息监测系统主要使用Logger Net软件进行编译解析,易受数据整合作用影响,导致部分信息采集异常,因此基于多传感器信息融合设计全新的农作物生长信息监测系统。测试表明,设计的基于多传感器信息融合的农作物生长信息监测系统的运行状态良好,有效采集不同时刻的农作物的生长信息,有应用价值。

一种1D-CNN与多传感器信息融合的液压系统故障诊断方法

针对液压信号复杂且难以诊断的难点,提出一种多尺度一维卷积神经网络与多传感器信息融合的深度神经网络模型(MS1D-CNN-MSIF)对液压泵与蓄能器进行故障诊断。在提出方法中,采用不同大小的卷积核对故障信号进行多尺度特征提取;然后使用多传感器信息融合策略将多个传感器的特征信号进行融合,最后使用Softmax进行分类识别。诊断蓄能器压力状态与液压泵泄漏状态的实验结果表明,与支持向量机、堆栈自编码、深度置信网络比较,提出模型具有更好的故障诊断性能,蓄能器识别精度可达99.50%,液压泵识别精度可达99.73%。

基于多传感器信息融合移动机器人导航定位研究

移动机器人的导航及定位是机器人自主导航的关键技术之一。为提高移动机器人的导航及定位能力,提出以多种导航定位传感器组合为融合单元,设计扩展卡尔曼滤波算法,将陀螺仪、里程计和电子罗盘采集的数据进行融合。设计模糊神经网络对所融合的数据进行训练处理,提高数据处理的精度和效率,实现对移动机器人精确的控制。并进行了仿真分析,结果证明:所提出的多传感器信息融合算法既可使移动机器人在复杂环境中自主定位,又实现有效避障,有实际参考价值。

基于CatBoost算法的多传感器信息融合可燃气体燃爆状态监测系统

设计了基于CatBoost算法的多传感器信息融合可燃气体燃爆状态监测系统,其中甲烷采集使用响应更快的催化燃烧传感器和测量范围更大的红外甲烷传感器进行配合采集,使其能在高浓度气体环境中快速检测甲烷浓度。首先将获取的传感器数据通过梯度提升树算法筛选出最能表征燃爆状态的特征;然后使用SMOTEENN算法对特征集进行类不平衡处理;最后通过CatBoost算法对数据进行分类训练得到预测模型。该模型对可燃气体燃爆状态的分类具有较高的准确率。

多传感器信息融合技术及其在温度控制领域的应用发展

介绍多传感器信息融合技术的研究背景和意义,列出其主要算法和应用领域。重点说明了多传感器信息融合技术在温度控制领域的应用,比较多传感器与传统单一传感器的优劣。多传感器信息融合技术将在温度控制领域有着极大的发展潜力。

基于多传感器信息融合的海底测绘机器人导航系统设计

测绘机器人海底巡检可以解决人工作业的安全威胁,面对复杂的海底作业环境,设计了基于多传感器信息融合的海底测绘机器人导航系统。通过对巡检机器人的功能板块划分,构建海底测绘机器人导航控制系统框架,划定机器人测绘的频率范围,设计多端反馈信号处理电路,基于多传感器信息融合方式选择主要和局部滤波器的状态向量,对应机器人海底测绘图像;以特征识别技术搭建海底导航模型,描述海底测绘目标物位置。实验结果表明:该文系统在海底测绘过程中,经度、纬度和高度定位误差,可以控制在1.25 m之内。东向、北向和天向速度误差在0.8 m/s内,具有较好的实际应用效果。

基于多传感器信息融合的铝合金冶炼生产安全监测方法

铝合金冶炼生产过程中存在许多安全隐患,必须采取科学的手段对生产安全进行监测,保证铝合金冶炼生产安全,为此提出基于多传感器信息融合的铝合金冶炼生产安全监测方法。利用多种无线传感器采集铝合金冶炼生产设备、环境、技术以及人员四个监测指标信息,通过多传感器信息融合确定铝合金冶炼生产安全系数,对铝合金冶炼生产安全定量与定性评价,并确定生产安全预警等级,对生产安全预警监测,以此完成基于多传感器信息融合的铝合金冶炼生产安全监测。实例分析结果表明,应用设计方法,铝合金冶炼生产过程中未发生安全事故,能设计方法在该方面具有良好的应用前景。

基于多传感器信息融合的大型船舶机械通风设计和制造

基于多传感器信息融合的方式,对大型船舶机械的通风设计进行改良。为了能够使大型船舶的通风更加具有安全性和稳定性,在多传感器信息融合的背景下,对大型船舶的机械通风机故障诊断进行探讨。应用单个传感器诊断故障的结果往往不够全面,而使用多个传感器可获得振动信号。通过小波分析及处理得到故障值,借助反向传播(BackPropagation,BP)神经网络,使用D-S证据理论将其融合,从而实现对大型船舶机械通风机的故障诊断,提高了诊断的准确性,有利于大型船舶机械的通风设计。

基于无线多传感器信息融合的火灾检测系统

传统的火灾监控系统往往采用基于单传感器的有线信息检测与传输系统,布线不方便,环境适应性和抗干扰能力较差。本文提出了一种基于ZigBee无线多传感器网络的火灾监控系统,运用包括烟雾、温度、CO气体等多传感器感知火燃烧状态,对是否发生火灾分配不同信任度函数,利用D-S证据理论融合3种传感器信息以判断火灾状态。本文详细阐述了系统工作原理、多传感器信息、D-S证据理论等关键技术,并给出了多传感器响应燃烧实验的曲线图,理论分析和实验结果表明,该无线传感器火灾监测系统能更准确地检测火情,减少误报率,提高系统的可信度。

多传感器信息融合的智能交通控制系统研究

针对城市道路交通网络的交通信号控制 ,构造了一种基于多传感器信息融合技术的智能交通控制系统 .相对于传统的基于单一车辆传感器信号控制系统而言 ,该系统具有信息的完整性、统一性、多样性和容错性等优点 .在多传感器信息融合的基础上 ,讨论了多种可行的智能控制方案 .通过对城市区域交通的多方位控制 ,达到全面提高控制效果和有效疏导交通的目的 .

多传感器信息融合及其应用综述

多传感器数据融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器数据融合技术的概念、处理模型、融合层次等问题 ,综述了近年来多传感器融合技术的研究进展和应用 。

基于多传感器信息融合的输电线路巡检机器人自主越障方法研究

针对550 kV架空输电线路巡检机器人在运行过程中对线上金具识别不稳定及自主越障效率低等问题,基于多传感器信息融合的方法,结合机器人在线越障过程的特点,提出了一种基于多传感器信息融合自主越障方法与策略,并进行了在线自主越障实验。结果表明:以巡线机器人为平台,基于多传感器信息融合的机器人自主越障策略是可行的,提高了机器人越障运动的准确性和灵活性,保证机器人安全可靠的运行。

多传感器信息融合在轮式机器人运动控制中的应用

分析了多传感器信息融合模型的建立和实现的过程,并利用多传感器信息融合技术中的信息协同和信息互补来完成对轮式机器人的运动控制。运行结果表明机器人可以半径范围为40 cm～100 cm的圆周上自主运行并能够灵活调整轨道半径;当机器人接近擂台边缘约5 cm时会自动检测边缘位置并根据自身的姿态情况及时调整运动方向。该系统运动控制性能稳定,能够在给定的测试环境下实现轮式机器人运动路径的准确控制。

基于多传感器信息融合的机器人故障诊断

提出一种新型的多传感器信息融合方法,并将此方法与支持向量机相结合,针对生产装配线上机械手在向抓握物体位置行进时遇到的机械手受阻、前方碰撞、除前方外其他方向碰撞3种故障形式进行诊断;通过适当融合向量的选取、支持向量机模型参数的寻优,成功地对3种故障进行了诊断;同时,对多传感器信息融合方法中的融合向量属性数量的选择进行了分析.结果表明,在传感器测量数据一定的条件下,融合数据属性数量的选取对融合向量样本的数量、分类的准确率均有影响.

基于KELM和多传感器信息融合的风电齿轮箱故障诊断

为提高风电齿轮箱的运行效率,降低风电场的运行维护成本,结合时域统计特征分析和多传感器信息融合技术,提出了一种基于灰狼优化核极限学习机(GWO-KELM)的风电齿轮箱状态监测新方法。首先,计算原始振动信号不同的时域统计特征参数,并采用并行叠加的方式对特征级和数据级进行信息融合以得到融合数据集。其次,利用融合数据集,建立了基于GWO-KELM的故障分类识别模型。最后,运用所提方法对QPZZ-Ⅱ旋转机械振动试验台齿轮箱实测数据进行状态监测,实例结果表明了该方法的有效性和可行性,与其他同类方法相比,所提方法具有最佳分类性能。

基于多传感器信息融合的水轮机导轴承故障诊断方法

本文将多传感器信息融合方法引入水轮机导轴承故障诊断中 ,通过采用多传感器系统综合监测水导轴承的多项参数 ,用Dempster Shafer证据理论进行融合 ,实现对水导轴承的融合诊断 。

基于多传感器信息融合的仿人机器人跌倒检测及控制

仿人机器人在行走过程中,需要及时检测到是否要摔倒,从而阻止摔倒或通过保护动作在摔倒过程中减少机器人损伤.文中基于姿态传感器(包括加速度传感器和陀螺仪)、力感应传感器(FSR)及步行阶段建立了多传感器信息融合模型,采用模糊逻辑决策方法建立了机器人跌倒检测的综合判定方法,并设计相应的控制器,该控制器可检测到仿人机器人运动时是否会摔倒,若无法避免摔倒,则采取相应的保护动作;若可避免摔倒,则通过控制髋关节阻止机器人摔倒.最后在SCUT-I仿人机器人上进行实验,结果表明,文中方法能及时检测到机器人在运动过程中发生跌倒的时刻,并及时通过稳定控制器阻止摔倒或通过倒地控制器产生保护动作,减少机器人的损伤.

基于多传感器信息融合的轮胎压力监测系统

为了提高轮胎压力监测系统的精度, 运用贝叶斯方法建立了其多传感器信息融合的数学模型。该模型融合了轮胎的温度和压力这两种互补信息, 相对于传统的轮胎压力监测系统而言, 具有信息的完整性、统一性、多样性和容错性等优点。实验表明该系统可以达到全面预警爆胎的作用, 为监测轮胎压力和温度提供了一个行之有效的方法, 功能可靠, 适于推广。