模糊扩展DSmT在移动机器人环境感知中的应用

通过考虑模糊理论中的不同模糊T-模算子扩展dezert-smarandache理论(DSmT),发展了一种更一般、更灵活的组合规则来融合不同信息源;并把这种方法与δ领域轮廓匹配方法相结合应用到移动机器人的环境感知中,通过比较不同T-模算子在地图创建中的效果,找到了解决环境感知中不确定信息融合的有效途径.     

基于信息融合的配电柜故障电弧预警系统研究

针对目前配电柜故障电弧预报警系统存在预警准确性差、误报率高等问题,结合信息融合技术在故障检测诊断中应用,提出了基于信息融合技术的配电柜故障电弧预警系统的一般模型。该模型以燃弧前的弧声信号为预警信号,运用贝叶斯最小风险准则进行融合计算;进而得出故障电弧燃烧前的预警判决信号。并用仿真结果证明了该算法的有效性。     

一种基于分层信息融合技术的故障检测方法

针对常规故障检测方法中,传感器本身出现故障将会导致误检或漏检的问题,提出了一种基于分层信息融合技术的故障检测方法,该方法无需关于检测数据以及传感器统计特性的先验知识,可以有效地提高征兆变量的可靠性,从而提高故障检测系统的可靠性.     

电力系统故障检测中信息融合技术应用研究

电力系统故障可产生各种故障信息,对故障信息全面分析和综合处理能提高故障检测的精度和鲁棒性.为实现对各种传感器检测到的多源故障信息进行有机综合处理,需研究信息融合技术.文章论述了信息融合技术应用于电力系统控制的可行性与必要性,总结了信息融合框架,把信息融合技术应用于电力系统故障检测,对故障信息进行综合处理以提高故障检测的可靠性,并提出了信息融合故障检测的模型.     

D-S算法在信息融合中的研究与实现

多传感器的信息融合处理需要对目标进行有效识别仍是目前备受关注的问题之一,D-S证据理论作为一种重要的融合算法已被广泛应用。本文对D-S算法在目标识别问题中进行了较全面深入的研究,并从信息融合角度对D-S证据理论进行了实现和验证。     

用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器雅息融合算法-后验概率检测算法.在该算法中,融合中心将各个传感器送入的识别结果进行综合处理,得出最终的决策.仿真结果表明多传感器系统探测目标的性能优于单传感器系统,该算法运算量小,适于进行快速的实时处理.     

基于多信息数据融合滤波的坡度识别算法

为了对大坡度、大坡度变化率路面的坡度值进行准确快速识别,提出一种基于多信息数据融合滤波的坡度识别算法.分析了目前不同坡度识别算法的优劣,分别建立了基于动力学、考虑坡度变化率的加速度传感信息坡度识别模型、基于GPS的坡度识别模型.应用交互多模型卡尔曼滤波算法(I MM-KF),将3种坡度识别模型进行联合滤波估计,在不同运...     

面向信息物理融合的建筑信息模型扩展方法

提出了一种面向信息物理融合的BIM(building information modeling,建筑信息模型)扩展方法,重点从面向信息物理融合的BIM扩展总体框架、BIM信息物理融合实体的定义与构建等方面开展研究,可为高效构造基于BIM的建筑运维动态管控、增强现实人机交互等新型系统提供技术支撑。原型系统构建试验结果表明,该方法开发基于BIM的工程运维系统时具有模块化程度高、易于理解等优点。     

基于SVM信息融合方法的人脸表情识别

提出一种基于支持向量机(SVM)的信息融合方法进行人脸表情识别．该方法首先对 预处理后的人脸图像进行局部特征和整体特征的提取;然后用最小距离分类器、最近邻距离 分类器、最大相关分类器、径向基函数(RBF)神经网络分类器进行表情识别;最后构造一 个三阶的多项式支持向量机对多个分类器的输出进行决策融合以达到人脸表情识别的目的．     

信息融合技术的方法与应用研究

信息融合是现代信息技术与多学科交叉、综合、延拓产生的新的系统科学研究方向,在军事和民用领域已经展现出的有效与广阔的理论和应用前景。文章在对信息融合技术应用现状研究的基础上,介绍了信息融合的定义、功能、实现步骤,阐述了信息融合常见算法及其优缺点,最后指出了信息融合技术存在的问题和发展趋势。     

信息融合技术在机械故障诊断中的应用

针对目前机械故障诊断过程中存在的不足,考虑信息融合技术在机器故障诊断中的应用,以有效进行机器故障诊断．对目前应用的基于神经网络、贝叶斯理论和D-S理论的信息融合方法作了比较详细的论述．并以例子说明了信息融合技术在机器故障诊断分析中的有效性．     

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.     

基于信息融合技术的机械系统故障诊断框架研究

通过基于信息融合技术的机械系统故障诊断框架的分析,结合故障诊断的一般过程,建立了一个通用的贯穿整个故障诊断过程的、基于信息融合的机械系统故障诊断框架,并通过分析对比证明了此框架的优越性、可行性和有效性。最后成功地将此框架应用于某型自行火炮发动机故障诊断。     

基于通信故障的多传感器系统融合估计算法研究

在实际多传感器动态系统中,气候、机械故障以及人为等因素都可能使系统中某些传感器以及线路出现故障,从而导致正常的融合算法(本文是指通信正常情况下的无反馈层次结构融合算法)无法正常运行．本文对某些传感器出现通信故障的多传感器动态系统进行了研究,通过改进现有的系统框架,提出了一种新的融合估计算法．该算法能够自动地对发生故障的传感器进行实时跟踪和检测,并做出相应的处理,从而保证系统能够继续正常工作．新算法具有很高的灵活性和实时故障处理能力,最后计算机仿真证明了该算法的有效性．     

多传感器信息融合技术在液压设备故障诊断中的应用

为了克服液压设备传统诊断技术上的不足,提出了多传感器信息融合技术的故障诊断模型.该模型充分利用液压设备上能够携带故障特征的多类信息,并对这些信息在不同的层次上通过神经网络、贝叶斯理论、D-S证据进行有效的融合和计算,从而提高液压设备故障诊断技术的准确度.详细分析了多传感器信息融合技术的结构层次和一般方法,并讨论了信息融合技术理论在液压设备故障诊断模型中的原理和功能.达到了对液压设备典型故障的准确诊断.     

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...     

基于信息融合的集成小波神经网络故障诊断

以非线性Morlet小波基作为激励函数,形成神经元,结合小波变换与神经网络各自的优点,建立了集小波分析与神经网络于一体的紧致型小波神经网络,并给出了具体的算法·基于信息融合技术的思想,从设备故障诊断的实际出发,建立了基于信息融合技术的集成小波神经网络故障诊断系统,即通过故障特征信息的有效组合,用各种子小波神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果进行决策融合·给出了系统的实现策略和子网络的组建原则·从诊断实例中可以看出,此诊断系统充分利用了各种特征信息,可以有效提高确诊率·     

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%.     

信息融合熵在机械故障诊断中的应用

详细介绍信息融合熵理论在机械故障诊断中的应用,为复杂的机械故障诊断提供一种新的方法.利用信息论熵的相关理论和D-S证据理论,分别研究机械特征参数提取和机械故障诊断的信息融合问题.用机械健康度定量度量机械状态的优劣,给出机械特征参数提取和机械故障诊断时信息融合的计算方法.最后,以柴油机的故障诊断为例,论述实际故障诊断应用中该方法的具体实施过程,并将该诊断方法与传统的故障诊断方法进行比较,分析该诊断方法的特点.研究结果表明基于信息融合熵的机械故障诊断方法具有良好的容错性和稳定性,能够提高机械故障诊断的准确性和可靠性.