冻结壁原始冻胀力的分析与计算方法

进行冻结壁厚度设计时，通常采用永久地太值作为外荷载，往往导致设计的冻结壁厚度不足，本文通过粘土冻胀的成因分析，得出需用原始冻胀力这一被动地压值作为设计冻结壁厚度外荷载的结论，并用理论推导的方法得出原始冻胀力的求算公式。     

冻结壁厚度的计算

在冻结施工中,冻结壁厚度对施工顺利进行以及工程费用和施工期限有着很大影响,冻结壁厚度不够会造成片帮、湧砂、甚至井壁坍塌等严重事故,冻结壁厚度过大会增加不必要的工程费用和延长施工期限。     

深井冻结壁变形计算的理论分析

本文根据国家七·五攻关项目(75—12—04—04)“冻结壁强度及其参数研究”的实验结果及现场实际情况,采用理论分析法,推得冻结壁的变形公式。利用公式计算,所得结果与其它现有公式计算结果相比较,更接近试验值,表明更为合理,可作为深井冻结壁设计的又一理论依据。     

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。     

手爪中多传感器数据融合技术的研究概况

多传感器数据融合技术是传感器技术、模式识别、神经网络、控制理论、人工智能和模糊理论等学科相交叉的一门新兴学科 ,它被美国列为 2 0世纪 90年代重点研究开发的 2 0项关键技术之一 ,已被广泛地应用于军事和非军事领域中。而在机器人手爪中应用多个传感器 ,采用数据融合技术进行传感器信息处理 ,是赋予机器人更高智能的关键之一。该文介绍了日本营救机器人手爪中的多传感器集成和数据融合技术及操作控制 ,美国早期的多传感器手爪系统和国内机器人手爪研究的主要情况 ,对我国机器人的研究发展具有一定的借鉴意义。     

国外手爪中多传感器数据融合技术的研究概况

近年来 ,多传感器数据融合技术已引起世界范围内的普遍关注 ,成为一个新兴的技术方向 ,并已成功地应用在军事系统、交通系统和智能机器人等研究领域。手爪是空间智能机器人的关键部件之一 ,它集成了视觉、触觉和力觉等多种传感器。为了能进行灵活和自适应的操作 ,机器人手爪必须要采用多传感器数据融合技术。该文介绍了机器人手爪中多传感器集成和数据融合技术的研究概况 ,对我国机器人的研究发展具有一定的借鉴意义。     

煤矿救援蛇形机器人环境建模方法研究

煤矿救援机器人的研究对煤矿救灾工作的顺利开展有着重要的现实意义,简要分析了煤矿救援机器人在环境建模方面的研究现状,针对煤矿事故发生后,救援蛇形机器人如何在恶劣的井下进行环境识别和建模,提出了一种变结构模糊神经网络的多传感器数据融合算法。重点讨论了该算法的原理,结合煤矿井下的特殊环境和蛇形机器人自身结构特点,采用超声波传感器、红外测距传感器、激光雷达传感器组来获得障碍物的距离、位置信息及环境类型信息,然后,利用模糊神经网络对这些信息进行融合,采用改进的BP算法对网络进行学习,通过对结论网络权值的调整,择优选取模糊规则,从而自动的调节模糊神经网络的结构。以机器人在靠近障碍物时的八类典型环境标志为依据,通过模糊神经网络识别出障碍物的形状,完成环境的建模。利用实验获得的一组数据进行了仿真,结果表明该算法实现了在不同环境中模糊隶属函数的自动生成和模糊规则的择优提取,适用于复杂的非线性系统,对于煤矿救援蛇形机器人的环境识别和建模是一种行之有效的方法。     

多传感器信息融合方法与仿真

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。     

冻结壁的有限元分析

本文指出了以往冻结壁设计所存在的问题,认为用有限元法求解冻结壁应力和位移比较恰当。介绍了冻结壁有限元分析的基本理论、计算成果及其分析。提出了水平不动面的概念,并据此求冻结壁的绝对位移值。提出了用有限元法与现场观测相结合的办法推算冻土物理力学性质、并根据所求出的冻土物理力学性质进行冻结壁设计或予测未来井筒的井帮位移值。     

数据关联方法研究

在杂波环境的目标跟踪系统当中,使用的数据关联算法会直接影响到目标跟踪的效果。由于实际跟踪平台的限制,系统不仅对采用的跟踪算法有精度上的要求,还有计算复杂度上的限制。本文分析了几种数据关联方法,在不同跟踪环境下对所提及算法对比说明。为目标跟踪系统中数据关联算法的选取提供了依据。     

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。     

多传感器数据融合技术与单平台火控系统

分析了多传感器数据融合技术的优越性和单平台火控系统的不足，应用数据融合技术，不仅可以提高目标的探测和分类能力，亦可提高目标跟踪精度，给出单平台火控系统数据融合结构和功能图；指出应用神经网络融合方法优于其它算法。     

一种基于障碍物群的移动机器人数据融合方法

首先给出了一种通过融合多个超声波传感器和一台激光全局定位系统的数据建立机器人环境地因的方法，并在此基础上，首次提出了机器人在非结构环境下识别障碍物的一种新方法，即基于障碍物群的方法．该方法的最大特点在于它可以更加简洁、有效地提取和描述机器人的环境特征，这对于较好地实现机器人的导航、避障，提高系统的自主性和实时性是至关重要的．大量的实验结果表明了该方法的有效性．     

多传感器融合实现机器人精确定位

提出采用超声波距离扫描传感器和视觉传感器数据融合技术实现室内环境复杂特征角和半平面的提取,以便更精确地重构环境特征.利用与坐标无关的对称扰动模型建立超声波扫描的环境特征模型、改进的扩展卡尔曼滤波估计求解.以马氏距离作为特征融合判定的依据,并且在传感器校准时,采用基于局部强度和消逝线的摄像机自动校准方法,提高了水平边界点的校准精度,从而使得角的精确度得到大幅改善,较为精确的二维多边形环境地图得以重建,为最终实现机器人的准确定位奠定了基础.     

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.     

数据融合技术在农业专家系统中的应用

简述了多传感器数据融合结构和方法及D S证据理论的基本内涵,并将这种方法同农业专家系统相结合,针对农业环境和资源监测的具体实际,构造了基本概率分配函数,获得了精确的测量结果。实践证明,该法可有效提高农业专家系统的决策准确度,更好的指导农业生产。     

采用数据融合处理技术提高传感器的可靠性

对非目标参量敏感的传感器性能（如可靠性和精度）通常是比较低的。文中提出采用数据融合处理技术检测影响传感器性能的诸多非目标参量,降低传感器对温度、湿度以及电原电压波动等非目标参量的交叉灵敏度,提高传感器的可靠性与精度。     

基于分布式结构的判决反馈数据融合算法

提出了一种新的分布式结构下的故障检测算法·在该算法中,不仅用于故障检测的多传感器数据被传送到数据融合中心,而且上一时刻的判决输出也反馈到融合中心·从理论上分析了应用此算法时全局判决概率的动态收敛性能,并证明了在平稳环境中,融合中心DFC(datafusioncenter)的判决以概率1收敛·该算法处理动态问题优于传统的无反馈的融合算法·     

基于视触数据融合的多模态细分类系统

随着自动化时代的到来,机械臂已经越来越多的应用到了工业生产以及人们的日常生活中,利用机械臂进行物体的分类抓取更是广泛应用于有害物分拣、航天探索等重要领域,然而实现对物体的分类目前还存在着一些不足,如大部分的分类系统主要依靠机械臂结合视觉来实现,这种单一视觉的分类系统在光线不足或物体外观相似但分属不同的工作环境并不能起到很好的效果。针对多种外观类似物体的精细分类开展研究,通过深度相机与压敏传感器综合获取物体的外观、材质等信息,然后将这些信息数据传输到具有双输入的卷积神经网络模型,借助机械臂实现对具有相似外观不同材质物体的细分类。结果表明：所述系统在实际机械臂测试环境下对物体的正确识别率达到了98.5%,相较于AlexNet与VGG16两种传统的单一视觉分类模型分别提高了35.7%和24%,可见融合物体的视觉与触觉信息的神经网络模型能够完成物体的细分类任务。     

基于Dempster-Shafer证据理论的数据融合技术研究

系统地研究了Dempster-Shafer（D－S）证据推理的数据融合技术,分析了传感器基本概率分配函数（basic probability assignment-BPA)的构造方法,分别对双传感器随参数分布的几种情况进行了检测融合,利用红外场景生成器生成的3－5μm和8－12μm双通道的红外背景及目标的序列图像,仿真了融合对探测操作特性（receiver operating character-ROC)曲线的性能改进,对AGEMA THV900型双通道红外热像仪的小目标图像也开展了实验处理,均取得了预期的结果。