多传感器数据融合在切割机器人系统中的应用

为了对造船中所用型材变形进行在线检测，在高精度划线切割机器人系统中，建立了多传感器检测系统，引入基于小波变换和虚拟噪声自适应卡尔曼滤波的多分辨率最优多传感器数据融合方法，实现了对噪声统计量缺乏先验知识和模型参数不确切的多分辨率多传感器的数据融合。实验结果表明，多传感器数据融合可以有效地实现变形型材的在线检测，提高系统的测试精度和可靠性。     

多传感器系统最优决策融合的熵方法

根据多传感器最优决策融合的信息模型提出了多传感器决策融合熵的概念；推导了多传感器系统最优决策融合的熵规则，分析了该方法对融合系统的可行性和虚警率的影响，表明该方法对提高融合系统品质具有重要意义。     

基于多传感器信息融合的智能仪表研究

针对智能仪表多传感器系统中存在的信息处理复杂、不可靠等问题,提出了利用智能仪表中的多传感器信息资源,融合多传感器信息,提高智能仪表检测精度和可靠性的方法。结合矿井瓦斯监测、井下煤的自燃监测等实例,介绍了智能仪表中多传感器信息融合的模式,以及智能仪表研究设计中应注意的问题。将多传感器信息融合技术应用于智能仪表之中,可大大提高智能仪器仪表的精度、可靠性和容错能力。     

多传感器融合系统的可靠性模型研究

为有效评价多传感器融合系统硬件的可靠性,提出了一种新的三模冗余结构(TMR)半马尔可夫过程模型.该模型以系统单元寿命服从负指数分布、系统单元修复时间服从广义任意分布(修复率是时间的函数)为前提,通过引入补充变量,可以转化为马尔可夫过程模型进行求解,从而获取系统有效性和可靠性的一些重要指标.理论分析和数值结果表明,传统可靠性建模的方法可以作为新模型简化的特例,利用新模型的TMR冗余结构多传感器融合系统与无冗余的单传感器系统相比,系统的平均无故障时间(MTBF)提高了两个数量级.因此,提出的新模型可以准确地描述系统的实际工作状况,为有效评估多传感器融合系统可靠性提供了理论依据.     

基于多帧信息的多传感器融合三维目标检测

为提高三维目标检测中多传感器融合的效果,并利用前后帧之间的特征关联,提高目标检测的准确率,提出了一种基于多帧信息的多传感器特征融合三维目标检测网络.首先通过基于指导点的特征映射模块,将图像相机视角特征转换为鸟瞰图特征,并通过自适应融合模块对点云特征和图像特征进行融合;之后利用历史帧跟踪信息,融合多帧特征;最后采用基于CenterPoint检测头进行目标检测.在nuScenes数据集和实车上对三维目标检测网络进行了测试,试验结果表明该网络具有更高的精度和实时性.     

基于分数阶微分的多传感器检测数据融合算法

为了解决制造系统中各生产信息采样节点设备性能和工作环境的不同带来的检测数据间差异性,直接影响着制造管理系统工作可靠性与决策科学性的重要问题,提出应用基于分数阶微分算子的多传感器检测数据融合算法融合生产信息测量误差的新理念。选择检测仪器性能或工作环境作为检测数据的影响因子,应用分数阶微积分理论推导出基于分数阶微分的多传感器检测数据的融合处理算法模型,并应用物联网下的多传感器检测数据的融合处理实例验证了算法的可行性和优越性。实验结果表明:与动态的加权算法和平均值算法相比,本文算法不仅具有融合精度更高、融合值稳健性更好的优点,还具备增强检测信息强度提升系统工作可靠性的功能。     

基于多传感器数据融合瓦斯浓度监控系统研究

在瓦斯浓度监控系统中采用多传感器数据融合方法,弥补了单一传感器带来的缺陷。通过对失效数据的剔除和对有效数据进行融合,提高了监控系统的精度。通过试验表明,该系统监控瓦斯浓度准确、可靠。     

矿井瓦斯监测多传感器信息融合模型

分析了矿井瓦斯监测中存在的对传感器的影响因素多等单个传感器本身所不能解决的问题,提出了利用多传感器信息融合技术来增加系统的信息利用率、提高整个系统的精度、可靠性和容错能力的方法。在讨论矿井瓦斯监测的信息源的基础上,确定了瓦斯监测多传感器信息融合的结构模式,利用状态空间方法对此结构模式进行了描述,建立了瓦斯监测系统多传感器信息融合的状态空间模型。采用人工智能方法,建立了多传感器信息融合的模糊神经网络算法模型,实验结果表明,该模型是有效的。     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

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。     

Multiscale Multisensor Data Fusion and Application in High Precision Marking and Cutting Robot System

The multisensor online measure system for high precision marking and cutting robot system is designed and the data fusion method is introduced,which combines augment state multiscale process with extend Kalman filter.The technology measuring the three-dimensional deforming informatioin of profiled bars is applied.The experimental result shows that applying the multisensor data fusion technology can enhance the measure precisioin and the reliability of measure system.     

多传感器数据融合系统结构设计规范研究

为了提高多传感器数据融合系统的重用性,从软件开发系统工程的观点出发,提出一个数据融合系统结构设计的标准方法与步骤,采用UML对数据融合系统体系结构设计进行描述,并用着色Petri网对融合系统的信息流进行动态分析.以此为基础的结构设计,大大提高了系统的通用性,增强了系统设计人员之间以及设计人员与用户之间理解的一致性,达到充分利用系统资源和发挥系统性能的目的,为多传感器数据融合系统的设计提供了一个具有参考价值的设计框架.     

机载火控系统多传感器航迹数据融合

为研究机载火控系统多传感器数据融合的方法。采用了多用于多目标多传感器航迹数据融事的改进的卡尔曼滤波算法，运用假设检验理论，充分考虑了位置互联的正确性和目标信号的历史信息，使其性能不随目标数目的增大而变差。计算机仿真表明：所建立的系统运行可靠；所采用的算法具有处理速度快、精度高等优点。     

数据挖掘在安钢电极预测建模中的应用

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果.     

带未知模型参数的自校正集中式融合信息滤波器

对于带未知模型参数和噪声统计的多传感器系统,通过系统辨识方法,能够获得模型参数和噪声统计的在线估值,然后把它们代入到基于信息矩阵的最优集中式融合滤波器,得到自校正集中式融合Kalman滤波器。应用动态误差系统分析（DESA）方法,证明了自校正集中式融合Kalman滤波器收敛于最优集中式融合Kalman滤波器,因此它有渐近全局最优性。应用于信号处理的仿真例子说明了其有效性。     

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。     

Dynamic prediction of building subsidence deformation with data-based mechanistic self-memory model

This paper describes a building subsidence deformation prediction model with the self-memorization principle.According to the non-linear specificity and monotonic growth characteristics of the time series of building subsidence deformation,a data-based mechanistic self-memory model considering randomness and dynamic features of building subsidence deformation is established based on the dynamic data retrieved method and the self-memorization equation.This model first deduces the differential equation of the building subsidence deformation system using the dynamic retrieved method,which treats the monitored time series data as particular solutions of the nonlinear dynamic system.Then,the differential equation is evolved into a difference-integral equation by the self-memory function to establish the self-memory model of dynamic system for predicting nonlinear building subsidence deformation.As the memory coefficients of the proposed model are calculated with historical data,which contain useful information for the prediction and overcome the shortcomings of the average prediction,the model can predict extreme values of a system and provide higher fitting precision and prediction accuracy than deterministic or random statistical prediction methods.The model was applied to subsidence deformation prediction of a building in Xi’an.It was shown that the model is valid and feasible in predicting building subsidence deformation with good accuracy.     

多传感器信息融合在水环境监测中的应用

将多传感器信息融合技术应用于水环境监测系统，提出了采用分散化滤波方案的系统融合结构模型，并讨论了向量卡尔曼滤波算法和单隐层3层前向神经网络。实践表明，融合效果良好。