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 。

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。

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。

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。

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.

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．

多传感器数据融合的车辆旋转部件振动仿真研究

研究了多传感器、多测试系统采用卷积分离技术提取车辆旋转部件震动特征值的可行性。针对车辆旋转部件振动信号的特点生成仿真信号,采用限值交叉残余误差控制准则的数据融合分离方法,对混合信号进行分离,实验结果验证了准则的有效性。之后,将该方法应用于车辆旋转部件振动信号瞬态成分的提取中,实现了混合震动信号的分离。

多传感器数据融合在猪舍环境中的应用

针对多变量耦合的猪舍环境,采用自适应加权算法和D-S证据推理算法相结合的方法,提出一种适用于猪舍环境监测的分布式多传感器体系结构和二级融合模型,对多传感器采集的温度、湿度和光照度信息进行融合,克服了单传感器带来的不确定性和不稳定性,增强了多传感器信息融合系统的鲁棒性。结果表明,这种方法提高了猪舍环境检测的准确度。

防空C^3I多传感器数据融合仿真系统设计

根据防空武器系统数据融合的特点 ,构造数据融合仿真系统研究平台 ,进行仿真系统软硬件设计 ,并在仿真平台基础上 ,提出了数据融合评估的数学模型 ,给出了评价准则 ,从而赋予数据融合仿真系统研究平台以灵魂。

多传感器数据融合机动目标跟踪算法

机动目标的运动特性具有复杂性、多变性、无先验性。多传感器信息融合的机动目标跟踪问题可以描述为数据关联和状态估计两个相关功能的最优化问题。本文分析了运用于多传感器数据融合机动目标跟踪的数据关联和状态估计算法,得出了高效费比的模糊数据关联算法(FDA)和变结构多模算法(VSMM)。此外,并分别介绍了模糊数据关联算法和相似模型集的变结构多模算法。将模糊数据关联算法和变结构多模算法结合起来,从而提高对机动目标跟踪的性能。

基于多传感器数据融合技术的瓦斯监测系统

瓦斯灾害是煤矿中最严重的灾害之一。最近几年瓦斯事故发生频繁,瓦斯爆炸夺走了许多矿井工人的生命,给国家造成了重大经济损失。对矿井瓦斯预测预报和对瓦斯进行控制,就能大大地减少瓦斯爆炸事故和矿工的伤亡。为此采用多传感器数据融合方法,对瓦斯、温度、风速等信号数据采样,提取它们特征量,对数据进行数据融合,实现对矿井瓦斯进行实时监测、预测控制,为矿井安全生产提供了有力的保障。并经过实验已取得较好的效果。

多传感器数据融合分散估计算法

本文基于最优估计理论 ,提出了一种多传感器分散估计融合算法 ,以解决测量噪声干扰下参数估计问题。该方法不要求知道测量数据的先验知识 ,在减少测量误差方面比传统的集中估计方法有明显的改善 。

多传感器数据融合中的数据预处理技术研究

数据预处理是进行多传感器数据融合的基础,也是多传感数据无误差坐标转换的必不可少的处理过程。阐述了数据空间对准技术和时间对准技术,介绍了基于该方法的技术在实际应用中取得的效果,提高了融合数据的一致性、准确性和可靠性。