机器人中的多传感器信息融合技术

针对单一传感器在信息采集时所受的限制,该文利用多传感器信息融合的特点,分析了该技术在机器人中的应用。     

基于多传感器信息融合的机器人故障诊断

提出一种新型的多传感器信息融合方法,并将此方法与支持向量机相结合,针对生产装配线上机械手在向抓握物体位置行进时遇到的机械手受阻、前方碰撞、除前方外其他方向碰撞3种故障形式进行诊断;通过适当融合向量的选取、支持向量机模型参数的寻优,成功地对3种故障进行了诊断;同时,对多传感器信息融合方法中的融合向量属性数量的选择进行了分析.结果表明,在传感器测量数据一定的条件下,融合数据属性数量的选取对融合向量样本的数量、分类的准确率均有影响.     

AS-UII足球机器人多传感器信息融合研究

为了提高足球机器人的运动性能,本文分析了AS-UII足球机器人多传感器数据融合技术,介绍了系统所选用的碰撞、红外、光敏、麦克风、光电编码器等传感器。     

基于神经网络的多传感器信息融合技术在移动机器人中的应用

基于模糊神经网络的多传感器信息融合,提出了一种简单、有效的分区算法来确定障碍物的距离和方位。采用BP神经网络对障碍物环境进行分类以及模式识别,为移动机器人的导航和避障提供了一种有效的方法。     

多传感器融合组合导航技术研究

该文对民用飞机组合导航系统多传感器器技术进行了研究,提出了一种在飞行管理系统内按照各种导航设备定位精度的顺序,实现包括了全球导航卫星系统（GNSS）、惯性基准系统（IRS）、甚高频全向信标（VOR）、测距器（DME）等机载设备的多传感器融合方法,为国产民机机载航电系统研制提供参考。     

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。     

多传感器组合导航中的数据融合

目的 通过估计误差方差阵,对多传感器组合导航系统中不同的融合数据进行定位精度比较.为系统定位提供选择数据的依据.方法 基于递推加权最小二乘法研究多传感器组合导航系统中的数据融合,讨论估计误差方差阵的推导过程及系统定位精度的计算.结果 仿真结果表明,由于采用的递推加权最小二乘法比最小二乘法更能反应实际测量过程,可更有效地组合多个数据,系统定位性能要好.结论 为多传感器组合导航系统提供了一种有效的数据融合方法,对工程的预研和实施有非常重要的意义.     

基于多传感器数据融合的火灾报警系统设计

介绍了基于嵌入式的多传感器数据融合火灾报警系统的硬件及软件设计方案,并利用数据融合算法,对用于探测火灾信息的多传感器的数据进行处理,使火灾的判断具有较高的准确性和快速性。     

基于区间卡尔曼滤波的多传感器信息融合

目标运行建模过程中,存在系统参数不确定的情形．将基于标准卡尔曼滤波的多传感器信息融合算法由系统参数确定的情形推广至参数不确定的情形,给出了基于区间卡尔曼滤波的多传感器信息融合算法,解决了系统参数不确定情形下系统状态估计的融合问题．给出的状态估计不再是目标的状态点估计,而是目标状态的区间估计．     

基于多传感器信息融合技术

笔者根据多年的跟踪研究,将多传感器信息融合作为一种信息处理技术来理解,阐述了信息融合的概念,融合的方式、方法,重点介绍了D-S证据理论和Bayes方法,并总结了信息融合存在的问题以及信息融合技术的研究发展方向。     

基于强化学习的多机器人编队导航

针对多机器人系统在未知环境编队导航过程中遇到较长障碍物时,顺时针绕障和逆时针绕障的不同选择会给导航效率带来很大影响的问题,提出了一种三层强化学习方法。由高层的基于“条件-行为对”的在线学习适应环境障碍物的动态变化,中层采用角色交叉包含式控制结构保持队形,底层采用离线式常规强化学习机制获得避碰规则。仿真实验结果表明,由于只在高层保持在线学习,使学习空间得以缩小,学习时间得以缩短。该方法为复杂环境下的多机器人编队导航提供了一种有效的自主学习策略。     

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。     

基于嵌入式多传感器的信息融合模型的研究

针对目前煤炭企业生产安全监控系统的结构特点,分析了单一传感器信息采集存在的问题,提出了基于嵌入式智能代理的多传感器信息融合的方法来提高系统信息的精确性和可靠性。在智能代理技术的基础上,确定了煤矿多传感器信息融合的结构模式,建立了多级信息融合的模型。该模型有效地构成了智能分布式监控系统,对于提高煤炭安全生产具有重要意义。     

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。     

基于多传感器信息融合的故障诊断方法

为了获得更多的故障信息,全面了解故障特征,采用多个不同的传感器共同监测是一种有效的方法途径.而实际现场工业设备运行环境非常复杂,使得传感器采集到的信息包含很多来自自然环境或人为的干扰噪声,导致采集到的故障信息冲突.针对这一问题,提出了一种基于多传感器信息融合的故障诊断方法.首先求得各证据之间的证据距离,根据证据距离值的大小再修改证据,然后利用D-S证据理论进行信息融合,提高了诊断的可靠性和准确度.实验验证了该方法切实可行.     

多传感器信息融合的结构及其算法

文章介绍了多传感器信息融合的四种结构及其算法.并阐述了各自的优缺点,集中式最大的优点是信息损失最小,但计算负担重;分散式结构,系统的可靠性和容错性高,计算和通信负担比集中式要轻;分级融合结构,其计算和通信负担介于集中式结构和分散式结构之间.     

基于多传感器融合的移动机器人自引导

利用模糊控制原理融合了三种传感器数据，设计了模糊控制器来实现自引导车对磁条的跟踪以及当小车距离方形障碍太近时对障碍的跟踪，主要是通过对模糊控制器输入的切换来实现以不同目标的跟踪，最后用Matlab的Simulink对模糊控制器进行了仿真，并给出了仿真结果。     

多传感器集成与信息融合原理

现代监控系统需要检测工作环境多个物理参数,因单个传感器难以提供比较全面环境信息,多传感器配置成为现实、可行的选择.在阐述多传感器集成与信息融合出现的历史背景、含义、特点的基础上,系统地阐述了多传感器系统研究的主要内容,核心研究内容包括拓扑结构与融合模型.