多传感器数据融合中基于模糊逻辑和神经网络的传感器管理

在多传感器数据融合系统中,传感器的管理包括两个方面的问题,一是如何优化分配现有的传感器去更好地实现融合任务;二是如何消除外界环境变化或者某些传感器出现故障时带来的影响,针对这些问题,本文在给出多传感器数据融合系统矩阵表示的前提下,提出了一种基于模糊逻辑和神经网络的传感器管理方法。分析表明该方法较好地解决了多传感数据融合系统中传感器管理问题。     

机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

多传感器集成与融合概述

多传感器集成与融合是目前智能机器与系统领域的研究热点,具有广阔的应用 前景．本文结合国内外多年的研究成果,对多传感器集成与融合进行了全面地介绍,详细介 绍了其目前研究的主要问题以及解决的方法．并且对多传感器集成与融合所存在的问题以及 未来的研究方向进行深入地探讨．     

基于改进PSO算法的多传感器管理方法

多传感器信息融合中多源信息的融合问题.是典型的组合优化问题,其计算鼍随着维数的增加而出现指数爆炸现象,根据PSO算法解决组合优化问题的能力,提出了利用改进PSO算法解决问题的方法.通过对目前存在的传感器管理算法以及传感器自身特点的分析.建立了一个综合传感器信息增量和处理时间的目标函数.实验结果表明,改进的PSO算法能使融合在信息源的可靠性、信息的冗余度/互补性以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合.     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。     

测距传感器数据在线自适应加权融合

针对移动机器人的测距系统,采用了红外线传感器与超声波传感器共同测距,避免了因使用单个传感器进行多次测量而降低系统的实时性和产生信号串扰问题;应用自适应加权数据融合估计算法对实时测量数据进行在线融合估计,只对当前采样时刻的测量数据进行自适应加权融合,而各传感器的加权因子则通过传感器的测量数据进行方差在线学习估计以自适应方式进行调整,使融合结果的均方误差始终最小,实现两种传感器在功能上的互补;实验结果表明,该方法提高了整体测距精度,得到了被测距离更加准确的估计.     

基于证据理论的多传感器加权融合

多传感器数据融合多基于证据理论进行加权,但识别框架确定和基本可信度分配是关键.本文简述了证据理论并分析了总均方误差最小意义下加权融合的缺点,在引入抽象传感器的基础上,根据M函数的区间覆盖次数进行基本可信度分配,确定对历史数据和各个传感器的支持度,然后进行加权融合.仿真表明,这种基于证据理论的多传感器加权融合方法只需要很少的先验信息,但具有较好的融合效果和鲁棒性.     

移动机器人多传感器信息融合技术探讨

本文对移动机器人多传感器信息融合技术进行了分析,并采用自适应加权融合算法对多超声波传感器数据与红外传感器数据进行融合。     

改进的镍电解三段净化智能控制系统

利用各种传感器功能上的差异与互补建立多传感器系统，通过对各传感器提供的信息进行分析、综合，获得比任何单一传感更加稳定、可靠的信息，这就是愈来愈受到重视的多传感器信息集成与融合技术本文提出了多传感器集成与多传感器融合的概念，根据镍电解三段净化过程以及所检测的传感信号，给出了多传感器集成系统概率模型和黑板式控制结构．给出了多传感器信息融合的拓扑结构和融合方法。     

多传感器信息融合技术及其在机器人中的应用

多传感器信息融合技术是近年发展起来的一门新兴技术,在机器人领域有着广阔的应用前景。通过融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。主要论述了多传感器信息融合的一般方法,并对其在机器人领域的应用进行了介绍。最后指出多传感器信息融合技术在微传感器、智能传感器和自适应融合等方面的发展方向。     

高精度传感器信息采集中的误差消除算法仿真

在高精度的传感器信息采集中,不同传感器传回的数据在属性和格式上都存在较大差异,经过融合后,传感器采集得到的数据属性会发生变化,造成变化不可控和数据融合误差.传统算法多经过了传感器信息融合步骤,一旦多个传感器传回数据融合差异较大,会造成采集得到的最终信息残差增大,结果失真.为了避免上述缺陷,提出了一种多阶函数误差补偿算法的高精度传感信息融合误差消除方法.利用粒子群优化方法,能够对传感器测控数据进行收集和融合处理.利用多阶函数误差补偿方法,能够对传感器中的融合误差进行消除.实验结果表明,利用改进算法能够有效消除传感器数据采集中的误差,从而提高传感器数据采集数据的精度,为不同行业提供了准确的决策依据.     

基于视觉与电弧多信息传感的焊缝跟踪算法

随着焊接传感技术以及信号处理技术的快速发展,人们越来越注重对焊接过程质量控制的研究,而多传感器信息融合技术是焊接质量控制的一种重要的方法,采用该技术实现熔化极气体保护焊(MIG)脉冲焊接质量的自动控制。该技术采用了视觉传感器和电弧传感器将采集的不同的描述信息进行了有效的特征提取和传输,并运用多传感器信息融合算法进行焊缝的跟踪。视觉传感器利用工业电荷耦合元件(CCD)获取图像信息控制焊炬的横向偏差信息,电弧传感器利用数据采集卡获取电流信息控制焊炬的高度互补偏差信息和横向的冗余信息,将两种传感器得到的冗余信息和互补信息在特征层下进行融合实现焊接过程横向和高度的纠偏控制。冗余信息的融合可以实现视觉传感的图像去噪,而互补信息的融合可以进一步提高焊缝跟踪的精度。实验结果表明,所提算法能够较好地提高焊接的质量,从而也验证了算法的有效性和合理性。     

基于多传感器信息融合的移动机器人导航系统的设计与实现

概述多传感器信息融合技术的原理与方法，通过实例描述了多传感器信息融合在移动机器人导航中的应用。在能力风暴机器人平台建立了基于多传感器信息融合的导航体系结构，并通过具体的实验和结果表明了多传感器信息融合方法在导航中的有效性。     

果蝇算法和改进D-S证据理论的四轴飞行器障碍辨识

针对四轴飞行器对障碍辨识效果差,精度低的问题,研究了四轴飞行器障碍辨识的方法. 采用超声波传感器、红外测距传感器以及激光雷达传感器的多传感器信息融合的方法, 通过果蝇算法对传感器原始数据证据权进行优化,得到最优权值,按照各个传感器的最优权值,采用改进的D-S证据理论算法对多传感器的数据进行融合, 提高四轴飞行器的障碍辨识精度. 通过分别对单一传感器以及和其他数据融合算法实验对比,研究结果表明: 在相同条件下,本文提出的方法对障碍物的识别准确率更高,对障碍物的响应更加迅速.     

基于Android的多传感器信息融合技术应用

介绍基于Android的多传感器信息融合技术在气溶胶自动化检测中的应用。多个传感器采用统一接口方式组网,每一个独立传感器采集的数据通过蓝牙传输到网内的Android处理终端进行融合和分析。通过对5种传感器进行组网采集数据,结果证明多传感器信息融合技术的应用增强了信息处理系统的适应性,实现了传感器之间的数据互补,提高了系...     

一种提高不同类型指纹传感器匹配性能方法的研究

指纹传感器规格繁多,原理和设计各不相同,产品之间并不能兼容和协作,这导致了不同类型传感器的系统匹配性能大大降低。提出一种融合两类常用的指纹传感器(光学和电容传感器)的方法来提高系统的匹配性能。两类传感器分别采集两幅图像后通过预处理程序提取细节点后分别与模板指纹相匹配,得到2个匹配分数,然后,将这2个匹配分数通过融合规则得到最后的匹配分数,通过与单一传感器性能比较表明:融合后的结果对系统的性能有了很大的提高。     

一种基于移动机器人AIM的改进的MSIF技术

多传感器信息融合技术在移动机器人领域中有着重要的地位。本文针对AIM移动机器人的多种传感器分布．提出一种改进的信息融合算法。该算法回避了对障碍物进行直接的估计，通过融合红外传感器和超声波传感器提供的冗余、互补的信息．得到机器人能够前进的方向。仿真试验结果表明算法效果良好，可在AIM移动机器人躲避障碍物和路径规划中得到有效的应用。     

不同维状态的多传感器航迹融合􀀂

在多传感器环境下,多个传感器在同一区域观测目标,各传感器可能采用不同的目标模型处理各自的测量数据,形成各自的目标航迹送到融合中心.当多个传感器观测到同一目标时,融合中心则需要对源于同一目标的传感器航迹进行融合处理.通过建立状态之间的映射,提出了不同跟踪模型下的输出目标估计状态之间的融合算法.仿真试验表明了算法的有效.     

真实-虚拟多层传感器技术在煤岩识别中应用

将真实-虚拟多层传感器信息融合技术应用到煤岩界面识别系统中。采用由真实传感器层和虚拟传感器层组成的复合融合结构,并引用了多层传感器的复合融合估计算法,以解决在测量噪声干扰下的参数估计问题。通过实例仿真结果表明：采用此方法后,煤岩界面识别精度明显提高,从而使采煤系统的生产自动化程度得到进一步增强。     

多传感器数据融合系统闭环控制模式的构成与分析

本文从闭环控制的角度,通过对数据融合系统 功能的划分,提出了由传感器子系统、数据融合子系统、决策支持子系统和传感器管理子系 统构成的数据融合系统的闭环控制模式;然后分析了该控制模式中四个子系统的功能、构成 及采用的融合算法;最后论述了闭环控制模式的整体优化功能．