多模型多传感器标量加权信息融合

随着生产系统越来越复杂,多传感器的应用也越来越广泛。本文基于标量加权的线性最小方差最优信息融合算法,针对多模型多传感器离散线性随机系统,给出了一种分布式标量加权信息融合Kalman滤波器。它只需要计算标量加权系数,可减小在融合中心的计算负担,并通过仿真例子验证算法的有效性。

基于标量加权信息融合的智能故障诊断方法研究

为了满足生产过程中越来越复杂的系统,多传感器逐渐被引入到了故障诊断系统中,多个传感器的应用,使得故障诊断更加及时迅速。本文基于标量加权的线性最小方差最优信息融合算法,对多传感器离散线性随机系统,给出一种分布式标量加权信息融合Kalman滤波器,并在故障诊断中应用,通过仿真例子验证算法的有效性。

多模型多传感器信息融合Kalman平滑器

基于标量加权的线性最小方差最优信息融合算法,对多模型多传感器离散线性随机系统,给出了一种分布式标量加权信息融合固定滞后Kalman平滑器.它只需计算加权标量系数,可减小在融合中心的计算负担.当各子系统存在稳态滤波时,又给出了标量加权信息融合稳态平滑器,它计算量小,便于实时应用.并给出了两个子系统之间的平滑误差互协方差阵的计算公式.仿真例子验证了其有效性.