基于模糊神经网络的分布式多传感器多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

基于模糊神经网络的分布式多传感多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式多传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

基于神经网络的多传感器信息融合

将传统神经网络结构的中间隐层用子网络代替,提出了一种陈列神经网络进行信息融合的结构模型,针对传感器信息融俣的特点,用子网络实现信息的分化与融合,不仅对神经网络的结构设计有一定意义,而且从理论到实便说明了这种方法确能改善神经网络信息融合的效果和速度。     

变结构模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的变结构模糊神经网络方法,并对其进行仿真．仿真结果表明,该融合算法的有效性是一种比较实用的融合方法．     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法．该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策．利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性．     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法.该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策.利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性.     

B样条模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的B样条模糊神经网络方法,并对其进行仿真,实验结果表明,该融合算法具有较强的学习能力和抗干扰能力,是一种比较实用的融合方法。     

基于神经网络的多源信息融合在发酵产物效价预测中的应用

利用神经网络对影响发酵过程的多源信息进行融合,得到发酵产物的效价预测.通过应用,比较了BP网络和RBF网络的融合预测效果.实例结果表明,RBF网络的预测结果略好于BP网络,预测结果准确,方法可行.     

基于信息融合技术的航空电子设备故障诊断研究

提出一种基于模糊神经网络局部诊断和D-S融合决策的航空电子设备故障诊断方案。首先将设备故障特征信息进行有效组合,构建多个子模糊神经网络完成故障的局部诊断,以获得彼此独立的证据;然后应用Dempster-Shafe证据理论对各个证据进行决策融合,最后根据构建的诊断框架特点用局部诊断输出值及其正确率来获取基本概率赋值。该方案应用于某型号机载电台的仿真结果表明,经过信息融合多级处理后,诊断结论的可信度明显增加,故障识别的正确率得到有效提高。     

基于神经网络信息融合的乳化器故障诊断系统

该文在分析、归纳了以往乳化器故障产生的原因及特征的基础上,着重研究了神经网络信息融合技术在乳化器故障诊断当中的应用。对采集到的乳化器多个关键部位振动信号进行处理、融合,最后根据融合后的信息得出诊断结果。仿真结果表明,该乳化器故障诊断方法诊断过程相对简单,诊断准确度较高。     

Sensor Registration Based on Neural Network in Data Fusion

The contents of sensor registration in the multi-sensor data fusion system are introduced, and some existing methods are analyzed. Then, one approach to sensor registration based on BP neural network is proposed. Here the measurements from radar are transformed from the polar coordinate system to the Cartesian coordinate through a BP neural network. With this approach, the systematic errors are removed as well as the coordinate is transformed. The efficiency of this method is demonstrated by simulation, and the result show that this approach could remove the systematic errors effectively and the DAR are closer to real position than DBR.     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

Neural Network Based Algorithm and Simulation of Information Fusion in the Coal Mine

The concepts of information fusion and the basic principles of neural networks are introduced. Neural net-works were introduced as a way of building an information fusion model in a coal mine monitoring system. This assures the accurate transmission of the multi-sensor information that comes from the coal mine monitoring systems. The in-formation fusion mode was analyzed. An algorithm was designed based on this analysis and some simulation results were given. Finally,conclusions that could provide auxiliary decision making information to the coal mine dispatching officers were presented.     

电火花线切割故障诊断中基于神经网络的数据融合技术

在电火花切割加工的过程中,准确判断中单个放电脉冲的放电状态是十分必要的。为此提出了基于神经网络的多传感器数据融合技术用于放电状态的判断,利用模糊神经网络作为多传感器数据融合的工具,降低了检测系统的成本,提高了检测的准确性,将其应用于自行开发的电火花线切割加工放电状态的预报系统的检测部分,在SCX－Ⅱ型数控线切割机床上证明该方法是有效和可行的。     

基于模糊神经网络融合技术的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中.选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的监测范围.系统采用基于模糊神经网络多传感器融合技术,增强了系统报警输出的灵敏度和可靠性,实现了提前预警的目的.     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.