一种模糊传感器数据融合的方法

基于模糊传感器数据相关的特性，给出了一种模糊传感器数据融合的方法．该方法从传感器的重要度，各个传感器对模糊命题支持度的一致度，以及传感器重要度对数据融合结果的复合作用3个方面分析了它们对模糊传感器数据集成的影响．定义了一个一致性系数综合反映了这3个因素．基于该一致性系数实现了模糊传感器的数据融合，并将该方法用于工件识别中．     

考虑自支持度和互支持度的多传感器一致性测度算子

针对传感器观测结果可能存在虚假甚至错误信息从而影响数据融合估计的问题,研究了一种度量多传感器观测结果一致性的测度算子.在进行数据融合估计之前,首先对多传感器的观测结果进行一致性检验,从而识别并剔除失效传感器的观测结果,最终获得一致性估计.该一致性测度算子基于Hampel粗差鉴别思想,同时考虑传感器的自支持度和传感器之间的互支持度,经过综合后给出传感器观测结果的一致性测度信息.仿真实验结果表明,该方法简单有效,能够准确识别传感器的虚假和错误观测结果,剔除失效传感器,同时能够给出传感器观测结果的质量评价,为数据融合估计提供可靠的一致性传感器组.     

基于灰色关联分析的多传感器数据融合方法

提出了一种基于灰色关联分析的多传感器数据融合方法，计算多传感器测量数据的灰色关联矩阵，进行灰色优势分析，然后进行数据融合。此方法考虑了各传感器测量数据的精确度，而且删除了测量比较差或测量不到的数据。仿真结果表明，应用该方法可进一步提高多传感器的测量精度和可靠性，适用于多传感器的数据融合。     

基于动态层次聚类分析的多传感器一致性融合算法

为了提高集中式多传感器一致性数据融合的精度,在数据融合过程中,必须考虑从各传感器获得的数据可信度.为了克服现有一致性数据融合算法中定义的距离矩阵和关系矩阵存在的不对称性和主观性等缺点,本文定义了概率距离矩阵和基于统计置信度的关系矩阵,然后讨论了多正态分布共同均值的极大似然估计的统计性质和递推特性,并根据估计量的方差统计性质提出了一种基于动态层次聚类的多传感器一致性数据融合处理的方法,数据实验的计算结果表明,该算法优于现有的多传感器一致性数据融合方法.     

一种阵列式传感器数据融合方法的研究

提出了一种基于支持度和自适应加权的阵列式传感器数据融合方法。其特点是通过关联融合多组测量信号序列以降低静态数据的随机测量误差。对单传感器测量信号序列,采用支持度方法计算每个测量数据的综合支持度和加权因子,然后对测量信号序列进行加权融合。对阵列式传感器多组测量信号序列,基于单传感器数据融合,利用自适应加权方法,在总均方误差最小意义下进行多组测量信号序列数据融合。仿真结果表明,该阵列式传感器数据融合方法是有效的。     

基于信任度的多传感器数据融合及其应用

针对多传感器信息采集系统中的数据不确定性问题,提出了一种基于信任度的多传感器数据融合方法.该方法首先定义一个模糊型指数信任度函数,对两传感器测得数据间的信任程度进行量化处理,并通过信任度矩阵度量各传感器测得数据的综合信任程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合.分析土壤含水率的数据融合结果可知,应用所提出方法使融合结果的标准差降低至0.0084,随机干扰下变化幅度仅为0.0027%,不仅达到了比传统方法更高的融合精度,而且具有良好的抗干扰性.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

同类多传感器自适应加权估计的数据级融合算法研究

针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.     

Ω焊缝多通道涡流检测定量方法研究

本文在数据融合理论基础上采用改进的一致性算法,编程实现了Ω焊缝多通道涡流检测信号融合,最后结合试块缺陷示意图综合分析检测到的缺陷,从而对Ω焊缝缺陷做出定量分析.结果表明:改进的一致性算法融合多传感器的测量数据,克服了一致性算法中两个传感器在测量精度不同时置信距离不同的缺点,对支持矩阵进行模糊化处理,避免了人为定义阈值而产生的主观误差.     

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。     

基于SVM的多传感器信息融合

针对现代工业生产采用大量不同传感器来监测和控制生产过程,被测量之间存在较大模糊关系,提出了一种基于SVM理论的多传感器信息融合方法.通过“对电弧炉炼钢供电曲线进行优化”表明,该方法对解决小样本、高维特征空间和不确定条件下的多传感器信息融合问题,具有较好的融合效果.     

模糊数据融合在目标跟踪中的应用

在目标跟踪滤波算法的基础上,提出利用模糊理论进行数据融合的算法。应用模糊理论,对双传感器的滤波数据进行特征提取,并在一定的隶属函数和模糊规则下对其进行模糊推理,得到随目标机动情况自动调节加速度方差的系数调节值,使之保持对目标机动的快速响应。分析中采用蒙特卡洛仿真方法,对融合前后的滤波结果进行比较。模糊数据融合利用领域专家总结的相关知识,将融合结果反馈给单传器,以提高各单传感器的跟踪精度。     

基于神经网络的多传感加权融合算法的研究

数据融合技术是无线传感器网络的一个关键的技术,能减少传感器的传输量,从而明显提高网络的感知性能,延长网络生命周期,减少时间延迟.多传感器的数据融合可以获得比单一传感器更多,更准确的信息.针对从含有噪声的测量数据中估计出监测变量,对自适应加权融合算法进行改进,基于信任度方法对测量数据进行数据预处理,然后基于神经网络误差修正的方法实现各传感器权重的自适应匹配,从而得到较为准确的估计值.通过对比仿真实验,本文算法的融合结果在精度、容错性方面均优于均值估计算法和自适应加权融合算法;能够更好地适应当今大数据环境下对数据精确度的要求.     

基于小波去噪和数据融合的多传感器数据重建算法

为了从被噪声干扰的各个传感器测量值中获得更准确的测量结果,提出了一种基于小波去噪和多传感器数据融合的传感器数据重建算法,仿真和实验的结果都表明：由该算法重建得到的各个传感器的重建数据的方差低于传感器测量值的方差,可以认为多传感器数据重建算法给出了对每一个传感器的更为准确的测量结果。     

数据融合技术在车辆动态称重系统中的应用

为了提高车辆动态称重的抗干扰能力,设计了包含压力传感器和加速度传感器的称重板,并依据此系统的结构和特点,提出了三种数据融合计算方法:同一传感器多测量周期的数据融合、同类传感器的多传感器数据融合和异类传感器数据融合,以保证参数检测的可靠性和准确性。试验证明,该系统的测量精度较高,并能满足系统的实时性要求。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

考虑可信度评价的多传感器一致性鲁棒测度方法

针对多传感器一致性测度的研究多集中于对某一时刻多传感器观测结果的判断,并未考虑时间序列的影响,导致某一时刻的一致性测度结果并不可信的问题,在传统的一致性测度基础上,采用一致性测度结果队列的中值作为测度结果的鲁棒估计,采用一致性测度结果队列的方差描述测度结果的稳定性,实现对一致性测度结果进行可信度评价,从而获得对传感器观测结果可靠性更好、可信度更高的评估.仿真实验表明,通过对多传感器观测数据的一致性测度结果进行可信度加权,可以显著提高一致性测度的鲁棒性,可以消除由于传感器性能不稳定带来的影响,有效识别出性能不稳定的传感器并将其剔除,为数据融合提供一致性传感器组.     

基于证据理论的电机故障诊断方法研究

在DS证据理论的基础上,结合模糊集合论,给出了多传感器数据融合一般化方法,并将其应用于电机故障诊断。通过数据融合诊断结果与单传感器诊断结果的比较,说明多传感器数据融合能明显提高故障诊断的准确率。     

基于MLP传感器的非线性校正

电涡流传感器在测量工作时,容易受环境温度等非目标参量的影响,使得测量精度大大降低.采用多层感知器网络算法进行数据融合消除温度对测量精度影响,研究结果证明该方法的有效性和可行性.