信息化陆战场多传感器系统可靠性模型

信息化陆战场上,多个传感平台(装备)综合集成为多传感器系统以实施信息收集与融合,故需要对其可靠性模型问题进行探讨。采用将战术任务转化为技术体系结构的方法,从系统及其组成部分的工作原理和功能关系出发,提出了多传感器系统的作战体系结构和功能体系结构,并在故障描述的基础上,建立了其可靠性框图与可靠性数学模型。对多传感器系统进行的可靠性预计与分配,表明该可靠性模型可以应用于可靠性研究、分析和设计中。     

不确定车辆电子稳定控制系统传感器故障估计

针对车辆横摆角速度传感器故障问题,提出一种基于观测器的故障估计策略.首先,考虑由于轮胎侧偏刚度特性造成的不确定性以及系统中存在非线性干扰等因素,建立车辆四轮转向系统数学模型.然后,设计基于观测器的传感器故障估计策略,利用李雅普诺夫函数和线性矩阵不等式方法求解观测器增益.最后,通过Carsim与Simulink联合仿真验证所设计的传感器故障诊断策略的有效性.结果表明：在传感器发生故障时,该诊断策略能够对系统状态以及传感器故障具有良好的估计效果,能够为车辆安全稳定系统提供关键信息,并且对于下一步的传感器故障容错控制提供技术支持.     

用于焊缝跟踪的调制式红外光学传感器

叙述了一种以脉冲调制的红外光束为信号光源的焊缝跟踪传感器。通过对接 收信号的滤波及“自适应消噪”处理,可以有效地克服电弧光的干扰;利用光源的脉冲 驱动特性,加大了瞬时信号功率,改善了光学传感器对工件表面的适应性。传感器结构简 单、体积小、灵敏度高、能同时实现对焊缝在水平及高度两个方向的自动跟踪在埋弧 及明弧自动焊中均能准确地跟踪。     

信息物理融合系统及其应用

信息物理融合系统是一类将感控、计算和通信与物理对象在网络环境中高度集成的新型智能复杂系统,可以实现系统的实时性、自治性、鲁棒性和高性能等。介绍了CPS的基本概念、发展现状和系统架构,分析了CPS与嵌入式系统、无线传感器网络和物联网的联系与区别;重点研究了CPS在电力、交通、医疗和航空航天等领域的应用研究现状及面临的突出问题;对CPS的研究方向进行了总结与展望。     

无源传感器引导AESA雷达目标搜索

无源传感器引导有源电扫阵列(AESA)雷达完成目标搜索是机载多传感器协同探测的重要应用形式。综合了引导传感器的测角误差以及目标运动产生的偏差2种因素,建立目标指示成功概率模型。提出了一种满足时效性、指示成功率和误交接概率要求的最优搜索策略。采用分步优化的方法在多种场景下对搜索策略和性能指标进行了计算。仿真结果表明:提出的搜索策略与传统搜索策略相比在满足指示成功率要求的前提下,通过增加较少的搜索波位,较大幅度地降低了误交接概率,保证了引导条件下目标搜索的准确性。     

无线多媒体传感器网络自适应拥塞控制算法

针对无线多媒体传感器网络(WMSN)中多对一通信时产生的网络拥塞问题,提出了一种自适应的WSMN网络拥塞控制算法ACCP。通过结合速率控制和资源调度,并采用分簇的网络结构,根据簇首及簇内的拥塞指标,来分别启动对应的拥塞控制机制:当簇首发生短时间拥塞时,就启动属于资源调度的网络内存储管理机制,来暂时减缓网络内过多数据包;但当簇中的存储节点也无法容纳过量的数据包时,速率控制就启动,让流量减缓下来,并且只调整数据实时性要求较低的数据流的速率,以达到控制流量、减缓甚至消除网络拥塞的目的。仿真结果显示:ACCP在传送速率不同下,可以比InS、HCCP更有效的控制网络拥塞的情况,而在比较缓存容量不同的情况下,虽然ACCP只比HCCP能够稍微改善网络拥塞的情况,但却能够大幅度改善InS的数据包丢失率。     

差动变压器式位移传感器的三次设计

差动变压器式位移传感器是一种广泛应用于工业生产现场的传感器。由于影响这类传感器输出特性的结构参数较多,因此对其进行参数优化配置较为困难。应用三次设计方法对其进行优化设计,用正交选优方法确定一组优化参数,用容差设计得到以最佳性能价格比为目标的参数搭配。得出了各参数对传感器性能的影响程度,指出了提高其整体性能指标的方法。     

多绳摩擦提升机钢丝绳张力在线监测传感器

介绍一种新型矿用多绳摩擦提升机动态张力监测传感器,采用圆平面压力弹性膜作为变极距差动电容信号输出,传感器弹性敏感元件与转换电路休成一体化全封闭设计制造,具有良好的抗振动和抗冲击性能,适用于井下恶劣工作环境。     

传感器建模及其相关问题

该文综述了传感器建模的３种方法,这３种方法以概率方法为基础,包括依赖于传感器本峰物理特性的观测模型,描述多传感器中传感器信息动态特性的相关模型以及说明传感器观测与传感器状态之间关系的状态模型。     

多维位置数据最优融合方法

本文给出了一种多传感器多维位置数据融合的方法。这种方法基于多维位置数据的鲁棒估计和最小方差结合法。每个传感器用鲁棒估计得到自身数据的位置估计和方差估计,把这些估计融合为一个最优估计,即传感器系统的估计。