Multi-sensor measurement and data fusion technology for manufacturing process monitoring:a literature review

Due to the rapid development of precision manufacturing technology,much research has been conducted in the field of multisensor measurement and data fusion technology with a goal of enhancing monitoring capabilities in terms of measurement accuracy and information richness,thereby improving the efficiency and precision of manufacturing.In a multisensor system,each sensor independently measures certain parameters.Then,the system uses a relevant signalprocessing algorithm to combine all of the independent measurements into a comprehensive set of measurement results.The purpose of this paper is to describe multisensor measurement and data fusion technology and its applications in precision monitoring systems.The architecture of multisensor measurement systems is reviewed,and some implementations in manufacturing systems are presented.In addition to the multisensor measurement system,related data fusion methods and algorithms are summarized.Further perspectives on multisensor monitoring and data fusion technology are included at the end of this paper.

基于多传感器信息融合的结构损伤识别研究

针对结构健康监测系统中的传感器数量多、数据信息复杂的特点,从模式识别和局部控制、全局参与的思想出发,提出了多传感器信息融合方法对结构损伤进行识别。首先应用小波包变换对结构振动测试数据进行特征提取,通过不同传感器特征向量的合成完成数据层融合;然后建立三个耦合神经网络分别实现结构损伤的确认、定位及定量,并完成决策层的信息融合;最后进行了36个损伤工况的结构模型实验研究,验证了所提出的方法是可行的和有效的。从实验验证的结果来看,对损伤率在7.5%以上的结构,损伤识别精度较高;对于损伤确认和损伤定位,识别精度较高,而对于损伤程度识别有一定偏差。

基于多速率卡尔曼滤波方法的位移和加速度数据融合

为了尽可能地利用加速度传感器和位移传感器中的冗余信息、提高振动实测数据的精度,将结构同一位置的加速度和位移观测值进行数据融合处理,提出了一种基于维纳过程加速度模型的多速率卡尔曼滤波数据融合方法。首先给出了基于维纳过程的多速率卡尔曼滤波数融合模型;然后在加速度和位移观测值的基础上,通过多速率卡尔曼滤波数据融合得到位移、速度以及加速度的的最优估计,并对融合结果进行卡尔曼平滑处理,进一步提高了状态估计准确性;最后数值分析了不同噪声水平和采样频率比对融合算法的影响,而且与相关文献的结果作了对比分析。结果表明,本文方法合理有效且具有一定的噪声鲁棒性。

基于改进加权D-S信息融合的结构多损伤位置识别

将信息融合技术中的D-S证据融合理论应用于结构的多损伤定位问题,为了解决证据融合理论中的不同证据应具有不同的重要性的问题,提出了一种新的加权证据调整的方法。这种方法利用加权平均值和优先权的证据分布形态对证据进行了加权调整,调整后的证据保证了加权平均值不变以及优先权证据分布形态的稳定。仿真结果表明,采用了证据融合方法的多损伤定位,可以产生比单一信息源更精确、更完全的估计和判决,而基于改进加权证据融合技术具有更好的对多损伤定位的识别,优于基本D-S证据组合方法以及其它加权证据组合方法。

多信源信息处理结构研究

开发一个信息融合系统的基本问题是结构选取,对集中式、分布式、混合式和多级式等四种主要的系统结构模型进行了通信容量的需求、信息处理的复杂性、错误关联的程度分析,最终得出,在单平台环境下采用混合式信息处理系统结构具有比较大的优势。

基于多源系统融合的结构形态感知技术

针对薄壁结构零件在装配过程中由于装配状态变化存在的装配受力变形问题,结合数字孪生发展背景,提出一种激光跟踪、视觉测量、光纤监测多源系统融合的结构形态感知技术。首先,建立多源系统多站位坐标统一模型,实现坐标基准统一;其次,建立异构数据融合模型,完成光纤监测波长与空间点坐标异构数据统一,基于高斯过程实现多源数据融合,预测变形点云,实现产品结构形态感知;最后,以蒙皮薄壁结构为例,模拟装配变形实验。结果表明,融合方法所感知数据更好地反应实际变形,其平均相对误差为4.66%,绝对误差保持在0.016 mm。多源异构数据融合基于实测数据预测形变点云,可实现结构实时变形监测,从而简化视觉测量方式,提高了曲面信息保真度,为动态孪生模型构建提供新思路。

柔性触觉传感技术及其在医疗康复机器人的应用

柔性触觉传感器易于贴合皮肤等不规则表面,相比刚性传感器具有更强的信号感知能力、更高的精度和更佳的穿戴舒适性,在人机交互、医疗设备、可穿戴设备、健康监测等领域发挥着重要作用.鉴于此,从传感器不同工作原理出发,对柔性触觉传感器进行系统地介绍和对比,从结构优化的角度分析传感器性能优化方法,整理出微结构、结构疏松化、多模态测量等3种电磁原理中的共性设计方法.同时总结柔性触觉传感器在医疗康复机器人领域中的应用,整理机器人控制、人机交互、医疗器械和生理信息监测等4种具体应用场景,分析不同应用场景对传感器性能的不同需求,如机器人控制需要高精度、短响应时间;人机交互需要大面积、多模态等,并给出部分结构优化设计与应用之间的关联.最后简要介绍柔性触觉传感器信息提取和信息融合等智能信息处理方法,并对柔性触觉传感器的发展趋势进行展望.