基于最优信息融合卡尔曼滤波的预测控制算法

针对噪声环境下的线性时不变系统,给出了基于最优信息融合卡尔曼滤波的预测控制算法.运用线性最小方差意义下的最优信息融合卡尔曼滤波方法获得状态估计,进而得到输出的N步超前预测值,最后通过最小化二次性能指标获得基于信息融合状态估计的控制输入.仿真实例验证了算法的有效性.     

油藏预测中的贝叶斯网络融合方法

针对油藏分布预测的问题,提出了一个贝叶斯网络融合模型并设计了相应的算法.数据预处理时,为消除对地质、测井、钻井等多个专业和领域的数据分类所产生的误差,采用了数据聚类分析中k-平均算法,并针对专业领域数据的特点对算法进行了扩充与优化.最后,融合中心将贝叶斯网络输出的客观概率知识与领域专家知识进行主观融合,得出结论.实验表明,这一方法解决了油藏问题研究中传统方法(单一神经元网络模型方法)设计困难,训练周期长、速度慢,分类结果不精确等缺点,可以满足油藏分布预测的要求.     

基于神经网络信息融合的盾构施工故障诊断

针对人工检查盾构施工故障存在施工安全等问题,提出一种基于盾构掘进参数神经网络信息融合的盾构施工故障诊断方法。将多个盾构掘进参数信息引入各子神经网络进行局部融合诊断,再将各局部诊断信息引入决策融合网络进行全局融合,最终诊断出各种施工故障并给出可信度评价。研究结果表明:所建立的诊断系统结构合理,融合方法有效,诊断结果可靠。研究结论可为设计基于盾构掘进参数的盾构施工故障实时诊断系统提供有益指导。     

基于模糊模型的大范围预测平均控制器

将预测控制思想推广到模糊模型，导出一一类基于模糊模型的大范围预测平均控制算法，仿真结果表明，当被控对象为一复杂动态过程时，此类算法明显优于单独模糊控制器和单独的预测控制器。     

基于神经网络信息融合技术的应用

本文在简述信息融合技术和BP诊断神经网络的基本概念之后，进行了BP神经网络信息融合故障诊断的应用研究，并将其应用到电路板元件故障诊断之中。从结果看，信息融合技术能较好地解决故障诊断的不确定性问题，是可行的和有效的。     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用D-S（Dempser Shafer）证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

基于信息融合的刀具剩余寿命在线预测方法

针对加工中心刀具剩余寿命预测的实际需求,提出了一种基于信息融合的刀具剩余寿命在线预测方法.通过在加工中心主要功能部件上安装传感器,实时采集加工中心运行过程中的动态信号,经信号预处理和特征参数提取,采用皮尔逊相关系数和残差分析相结合的方法进行特征降维,获得最优的特征参数集.建立基于自适应神经模糊推理系统的刀具剩余寿命预测模型,在线预测刀具剩余寿命.实例分析结果显示:该预测方法的预测结果平均准确率为95.21%,可以满足实际需求.同时,将该预测方法与BP神经网络及其变异模型进行了对比,发现该预测方法预测精度更高.     

多传感器矩阵加权信息融合预测控制算法

针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.     

基于Dempster—shafer理论的多个神经网络分类器融合算法

用遗传算法优化神经网络分类器的连接权系数，避免采用BP算法存在易于陷入局部极值，使每个神经网络分类器的分类接近于理想状态，由于每个分类器的特征输入不同，不能被一个分类器识别的模式，却可能被另一个分类器识别，为了提高模式识别的精度，可将一个模式识别问题由多个分类器来完成，将每一个分类器的输出结果作为一条证据，确定各分类器的基本概率指派函数，再用证据组合理论融合证据信息，可以提高分类的精度和避免某一个神经网络遭到破坏而使整个系统陷于瘫痪状态。     

基于信息扩散近似推理的年径流量预测模型

通过分析年径流时间序列的特性,利用信息扩散近似推理描述年径流量间的复杂非线性关系,建立起基于信息扩散近似推理的年径流预测模型。信息扩散近似推理将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可以将矛盾模式转换成兼容模式。通过与传统预测方法相比较,发现该模型能够很好地光滑样本数据以及能够较好地发掘知识,有较高的预测精度和推广应用价值。     

基于IE 和AG 的小波图像融合方法

为客观评价几种小波融合图像算法的优劣, 采用了基于信息熵(IE: Information Entropy)和平均梯度(AG: Average Grads)的融合图像质量评价方法。首先选取了两组不同的源图像, 其中一组为曝光度不同的两幅图像, 另一组是焦距不同的两幅图像。然后对图像进行4 层小波分解, 低频系数全部采用像素点平均值法进行融合, 高频系数分别运用区域绝对值最大法、像素点绝对值最大法、区域最大梯度法以及像素点平均值法4 种小波系数融合规则进行小波图像融合, 最后分别比较了4 种融合图像的IE 和AG 值。实验结果表明, 将4 种小波融合方法进行比较, 基于像素点的最大绝对值法IE 和AG 值最大。对于曝光度不同的两幅图像, 其IE为7. 206 5 bit, AG 为5. 983 7 10^-5 , 对于焦距不同的两幅图像, 其IE 为7. 130 8 bit, AG 为4. 794 3 10^-5 。可见, 4 种融合规则相比较, 基于像素点的最大绝对值法融合效果最好, 从而验证了该方法的有效性。     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域,但在处理高度冲突的证据时,可能会出现反直觉的结果.为解决这一问题,本文提出了差异信息量的概念及融合方法.首先,通过信息熵表明证据的相对重要性,采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量,经过计算获取数据的最终权重,并将其作为D-S证据理论中的基本概率...     

基于模糊神经元网络的信息融合模型

神经元网络应用于一般工业过程建模比较有效,但对于对象是庞大数据的复杂的工业生产过程就明显力不从心,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,以获得精确的聚类个数和隶属度,基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。     

基于小波-Contourlet变换的区域能量加权图像融合算法

为了消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出了一种基于小波-Contourlet变换的图像融合算法.该算法采用了不同的窗口函数计算图像高频分量和低频分量的区域能量;以区域能量计算的归一化权值对各小波-Contourlet系数进行加权,得到融合小波-Contourlet系数.实验结果和均值、方差、熵与交叉熵等客观评价数据表明,在相同融合规则下,小波-Contourlet变换能够取得比Contourlet变换更好的结果;在相同变换条件下,基于不同窗口函数的区域能量融合规则的融合效果好于基于均值窗口函数的区域能量融合规则和低频采用均值与高频取最大值的融合规则.     

基于梯度和能量的图像融合算法

针对梯度算法在图像融合的过程中往往只考虑图像高频信息的变化程度,忽略了高频信息的丰富程度而造成融合结果的信息量损失这一问题,在小波变换的基础上提出了一种新型的基于梯度和能量的图像融合算法.算法兼顾高频分量的变化和高频分量丰富程度,有效地保证图像的信息量.当两幅图像高频系数变化较大时,采用梯度取大决策;当两幅图像的高频系数变化较小时,采用图像高频信息的丰富程度(能量)取大决策.实验证明了该算法的有效性.     

基于信息融合的支撑座早期松动故障诊断

采用基于信号分析的无模型检测方案和信息融合技术,对支撑座早期松动故障进行检测诊断.针对支撑座松动的小波包变换特征和功率谱特征进行特征融合与决策融合,同时采用基于熵度量的无监督特征约简方法对功率谱特征进行约简,有效地减少了特征数目,加快了融合和诊断速度.特征融合与决策融合采用分层神经网络实现,该网络综合了局部融合和全局融合的优点,具有很高的故障确诊率和很好的抗噪性能,无噪声样本综合确诊率达94.3%,有噪声样本综合确诊率达88.6%.     

基于神经网络组合模型的能源消费量预测研究

为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991～2007年安徽省能源消费总量进行检验仿真,结果表明组合预测模型的误差较小,精度较高,预测结果更接近于实际情况.     

并发故障信息DSmT融合算法的应用研究

针对主冷却泵长期工作在高温、高压及高辐射的恶劣工作环境中,其并发故障存在较高概率并难以诊断,提出一种DSmT决策级融合算法,构建了泵主轴转子不平衡、泵主轴转子不对中及主轴损坏的DSmT辨识理论框架,由实测采集数据综合确定DSmT故障特征信度赋值,利用DSmT对多个独立证据源进行决策判断得出主冷却剂泵故障及并发故障的诊断结果.实验结果表明该方法能有效识别主冷却剂泵并发故障特征,具有一定的理论基础及工程应用价值.