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。

基于多传感器数据自动融合的配电房能耗远程监控系统

为了全面、准确地监测配电房能耗,设计了基于多传感器数据自动融合的配电房能耗远程监控系统。硬件上,采用A1101R04C霍尔传感器、DC 0~20 V电压传感器、SINAEX P530功率传感器及DHT11温湿度传感器设计传感器模块,并选择STM32F407ZGT芯片作为微处理器。软件上,采集配电房传感器监测数据,基于多传感器数据自动融合算法进行不同传感器监测数据的融合,获取配电房能耗监控结果。结果表明,配电房能耗远程监控数据的误差在±1%范围内,具有较高的监测精度和稳定性。

两级融合的多传感器数据融合算法研究

针对智慧工厂监测环境中多源数据融合精度问题,提出了一种两级融合的多传感器数据融合方法,旨在提高多源数据融合的准确性和可靠性。该方法分为一级数据融合和二级决策融合,首先采用卡尔曼滤波结合自适应加权平均对同类型传感器进行数据降噪融合处理,其次利用人工兔优化算法(ARO)优化ELM神经网络进行决策融合。实验结果表明,基于ARO优化ELM神经网络的多传感器数据融合算法在融合精度方面优于其他先进算法。经验证,所提出的两级融合多传感器数据融合方法具有更好的融合性能,有效提升感知系统的可靠性和鲁棒性,实现更加准确和可靠的监测和预测。

基于协方差交叉融合的多传感器数据融合研究

为提高多传感器数据融合的精度和速度,结合凸组合融合算法与协方差交叉融合算法,并采用果蝇优化算法优化协方差交叉融合算法的融合系数,提出一种改进协方差交叉融合算法,实现了多传感器数据的快速、精确融合。仿真结果表明,所提算法在x轴和y轴上的数据融合均方根误差约为3 m,融合的时间约为0.44 s,相较于多贝叶斯估计、模糊聚类、极大似然估计等数据融合算法,具有明显优势,提高了多传感器数据融合的精度和速度。

基于多传感器数据融合的近岸海域生态环境智能监测

传统近岸海域生态环境智能监测方法未对近岸海域生态环境监测指标进行制定,监测效率低。提出基于多传感器数据融合的近岸海域生态环境智能监测。制定近岸海域生态环境监测指标,构建海域生态环境监测模型,设计智能监测流程,基于多传感器数据融合实现近岸海域生态环境智能监测,实验结果表明,该研究方法可以减少近岸海域生态环境智能监测开销,监测效率更高。

基于多传感器数据融合的造纸厂污水排放监测系统研究

随着环境保护意识的不断提高,造纸厂等企业的污水排放监测越来越受到重视。传统的监测方法往往采用单一传感器实施测量,存在数据波动大、准确性低等问题。为了解决这些问题,提出一种基于多传感器数据融合的造纸厂污水排放监测系统。在数据采集与传输模块中,由传感器连续测量造纸厂污水排放的各项指标,将监测数据记录黑匣子作为远程数据终端,将传感器信号转换成数字信号,通过互联网与GPRS网络发送至终端监测中心站,实现造纸厂污水排放远程在线监测。对于设计的五种传感器,通过多传感器数据融合模块实施各种传感器的数据融合处理,以获得更加精准的污水排放监测结果。监测中心站配备了储存容量大、功能强大的上位机,无线电台以及打印机等。实验测试结果表明,设计系统在监测几种项目时误差均较低,在一个月的测试中未出现数据异常波动的情况。

基于模糊推理原理的多传感器数据融合方法

利用模糊推理方法融合具有不确定性的多传感器数据 ,将传感器的测量值作为模糊系统的输入 ,要计算的结果是模糊系统的输出 ,利用三角形隶属函数表示测量的不确定性 ,在输入变量所确定的区间内 ,不断改变输出变量的位置 ,计算输出与输入的兼容度 ,则兼容度最大的位置 ,就是最后要得到的结果。给出了一个多个传感器数据融合的计算实例 。

多传感器数据处理的人流量监测系统

为了对楼宇内人流量进行监测,设计了基于嵌入式系统、光电检测技术、超声测距技术相结合的新型人流量监测系统。系统采用多传感器数据处理方式,由两对对射式红外传感器、两对反射式超声传感器组成。对射式红外传感器、反射式超声传感器同时工作,由对射式红外传感器判断人员的进出方向,反射式超声传感器判断人员通过时每排的人数,每个传感器采集后得到的数据通过串口输出方式传送至嵌入式微处理器即系统主控制器,主控制器进行数据处理并显示其结果。通过测试,系统较精确地实现了人流量的检测,特别是针对2人并排进出情况下的监测可以得到准确数据,具有实用性和广泛性。

两轮自平衡机器人多传感器数据融合方法研究

为了对机器人运行状态进行有效的识别,提出一种基于支持向量机的多传感器数据两级融合方法,从分类的角度实现了运行状态识别,解决了识别正确率较低的问题。将此方法应用于两轮自平衡机器人进行运行状态识别实验,当每种状态采集的独立样本数超过20个时,正确率可以达到98%以上.实验结果表明应用该方法可以对两轮自平衡机器人的运行状态进行有效、可靠的识别,能够满足两轮自平衡机器人快速机动过程中的实时性要求.

基于区间证据理论的多传感器数据融合水质判断方法

针对传感网测量水质数据过程中存在的必然不确定性和随机不确定性,提出了一种基于区间证据理论的多传感器数据融合水质判断方法。考虑传感器精度误差以及测量数据异常等问题,将每个传感器测量的水质数据用区间数表示,通过计算水质数据与每个水质等级特征值之间的距离,得到判断水质等级的区间证据。按照区间证据组合规则将多传感器的区间证据融合成综合区间证据,最后根据决策准则,由综合区间证据判断水质等级。实验表明,该方法能够从不确定水质数据中准确判断水质等级。

多传感器数据融合的风电齿轮箱性能衰退评估

针对风电齿轮箱传动结构复杂、所处工况恶劣,难以提取有效振动信号特征进行性能衰退分析的问题,提出多传感器数据融合的风电齿轮箱性能衰退评估方法。该方法将自适应完全集合经验模态分解(CEEM-DAN)、核主分量分析(KPCA)和Hotelling T2统计量相结合,先对风电齿轮箱全寿命的非线性、非平稳振动信号进行CEEMDAN-KPCA降噪处理,再利用KPCA对降噪后的多组振动信号进行融合分析,提取连续的T2值(C-T2)及其时域特征作为评估指标,建立风电齿轮箱性能衰退模型。实验结果表明,该方法对风电齿轮箱振动信号降噪效果显著,C-T2特征有效解决了多组振动信号特征维数膨胀问题,且C-T2时域特征模型比振动信号时域特征模型能更准确地评估风电齿轮箱性能的衰退过程。

基于多传感器数据融合的液压支架高度测量方法

针对综采工作面液压支架高度测量困难和测量结果不准确等问题,以两柱掩护式液压支架为例,推导了利用倾角传感器所测液压支架姿态角度计算液压支架高度的表达式。为减小倾角传感器角度测量误差造成的液压支架高度测量累积误差,提出了一种基于多传感器数据融合的液压支架高度测量方法,即利用分批估计算法和自适应加权算法将分别通过掩护梁和前连杆处倾角传感器所测角度计算得到的液压支架高度数据进行融合。实验结果表明,该方法对于623.2mm高液压支架样机的高度测量误差不大于0.3mm,与单一倾角传感器测高相比,精度提高了1mm。

基于多传感器数据融合的回转窑烧结温度检测和控制方法

烧结带火焰温度检测是工业回转窑控制的关键和难点 ,基于图像处理的温度检测又容易受到现场粉尘和烟雾的干扰。据此提出一种利用模糊技术进行多传感器数据融合的温度趋势判别方法 ,并结合现场实际归纳了进行融合的数据种类 ,建立了实时专家系统控制策略。工业实践表明 ,该方法鲁棒性强、准确率高 ,具有很强的实用性。

多传感器数据的处理及融合

针对多传感器数据的多样性,提出一种改进的数据融合算法.首先,利用小波技术消除已收集数据的高斯白噪声并对数据进行压缩;其次,对处理后的数据进行分层,并对系数进行Kalman滤波,同时利用Mallat快速重建算法重构数据;最后,利用最大、最小贴近度计算传感器数据的信噪比,并通过信噪比进行数据融合.基于实际采集的多传感器数据对比实验结果表明,该数据融合算法在稳定性上优于简单加权数据融合、小波数据融合和Kalman滤波融合等算法.

多传感器数据融合在矿井安全监测中的应用

针对矿井安全监测数据不准确、安全评判不可靠的问题,提出了一种基于多传感器数据融合的两级数据融合方法。一级融合先利用分批估计算法对单个传感器数据进行处理,提高数据采集的准确性,再采用自适应加权算法对同类多个传感器数据进行处理,获得矿井各环境参数的融合值;二级融合将矿井各环境参数的融合值与矿井安全标准特征向量进行灰色关联度分析,得到矿井安全状况的一致估计。实例验证了该方法的可行性和有效性。

基于多传感器数据融合的机动目标跟踪自适应学习方法

考虑到传感器对目标的观测都存在有偏差,同时针对雷达系统检测中存在漏检的现象,提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达/红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例,给出了一个完整的多传感器数据融合和目标跟踪自适应方法。该方法简单易行,鲁棒性强,通过对红外成像和雷达系统的数据融合和目标跟踪的数字仿真,表明该方法有效。另外,该方法同样适用于多于两个的多传感器系统。

基于多传感器数据融合的准静态校准数据处理方法

静态标定后的电子测压器靶场实测时存在测不准和测试精度不高的问题,为了提高系统的可靠性和测试精度,提出了基于模拟膛压发生器的模拟应用环境的准静态校准方法。为了提高校准工作效率,提出了基于多传感器数据融合的准静态校准数据处理方法。文中详细论述了多传感器数据融合理论以及标准压力曲线上升沿校准法的合理性。用上述方法校准后的电子测压器进行靶场实测,测试数据精度高,可靠性强。

用于车辆自主导航的多传感器数据融合方法

提出了一种用于车辆自主导航的多传感器数据融合方法。首先分析了车辆自主导航过程的态势与威胁,建立了车辆行驶某时刻场景模型。然后综合现有各数据融合模型的优势,运用混合、分层的融合结构改进自主行驶的有效性和准确性。最后将该方法集成到湖南大学自主研制的无人驾驶汽车测试平台上。在城市道路的实际场景中,初步实现了基于路线和交通锥形标的自主导航和行驶任务,车辆自主行驶的融合决策准确率可达到97.5%,表明该方法具有可接受的性能。

多传感器数据融合技术及其应用

针对多传感器融合技术，依据中心分布式判决和非中心分布式判决理论，采用加权融合估计算法，以实现多参数的复杂系统．多传感器融合技术的使用，具有降低噪声干扰、减少信息冗余性、提高精度等优点．为多参数测量的复杂系统提供了有效手段．

光学头部姿态跟踪的多传感器数据融合研究

精确的头部姿态跟踪是室内增强现实系统实现高精度注册的关键技术之一.本文介绍了使用传感器数据融合原理实现高精度的光学头部姿态跟踪的新方法.该方法使用多传感器数据融合中的扩展卡尔曼滤波器和融合滤波器,将两个互补的单摄像机Inside-out跟踪和双摄像机Outside-in跟踪的头部姿态进行数据融合,以减小光学跟踪传感器的姿态误差.设计了一个典型实验装置验证所提出的算法,实验结果显示,在静态测试下的姿态输出误差与使用误差协方差传播法则计算得到的结果是一致的;在动态跟踪条件下,与单个Inside-out或Outside-in跟踪相比,所提出的光学头部姿态数据融合算法能够使跟踪器获得精度更高、更稳定的位置和方向信息.