基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

基于D_S证据理论和模糊数学的多传感器数据融合算法

本文提出了一种基于模糊数学和 D- S证据理论的多传感器数据融合技术的故障诊断系统 ,该系统选用以决策层为主、特征层为辅的方法。通过比较基于多传感器数据融合进行故障诊断的结果与单传感器进行故障诊断的结果 ,说明了此种算法的优越性 ,它避免了单一传感器的局限性 ,减少了各传感器不确定的影响。     

基于D—S证据理论和模糊数学的多传感器数据融合算法

本文提出了一种基于模糊数学和Ｄ－Ｓ证据理论的多传感器数据融合技术的故障诊断系统,该系统选用以决策层为主,特征层为辅的方法。通过比较基于多传感器数据融合进行故障诊断的结果与单传感器进行故障诊断的结果,说明了此种算法的优越性,它避免了单一传感器的局限性,减少了各传感器不确定的影响。     

基于多传感器数据融合技术的自动控制系统状态估计

给出了基于多传感器数据融合技术的自动控制系统状态估计的结构与算法。仿真实验表明，应用多传感器融合技术有利于提高系统状态估计的性能。     

利用数据融合技术提高甲烷传感器的性能

本文介绍了多传感器数据融合的概念,设计了基于多传感器数据融合结构的智能甲烷传感器,提出降低甲烷敏感元件对温度、湿度等非目标参量影响的数据融合算法.试验表明,该算法提高了传感器的性能.     

精准农业中多传感器数据融合技术的研究

多传感器数据融合技术现今已在军事、导航系统及电子商务等领域中广泛应用。该文主要是针对精准农业中多传感器数据融合技术进行研究,提出一种更系统的数据融合的结构模型。其中包括4级处理,并对这4级处理中的关键技术进行研究以及实现基于Matlab的状态分析。     

模糊数学和自适应加权平均在多传感器数据融合中的比较研究

进行了多传感器测量值无效数据剔除,介绍了基于模糊贴近度理论和基于自适应加权平均理论在多传感器数据融合中的应用,并以4种无线压力传感器检测复进机初压值为算例。结果表明,采用模糊贴近度融合相对采用自适应加权平均融合获得的融合值更接近真实值。     

两级融合的多传感器数据融合算法研究

针对智慧工厂监测环境中多源数据融合精度问题,提出了一种两级融合的多传感器数据融合方法,旨在提高多源数据融合的准确性和可靠性。该方法分为一级数据融合和二级决策融合,首先采用卡尔曼滤波结合自适应加权平均对同类型传感器进行数据降噪融合处理,其次利用人工兔优化算法(ARO)优化ELM神经网络进行决策融合。实验结果表明,基于ARO优化ELM神经网络的多传感器数据融合算法在融合精度方面优于其他先进算法。经验证,所提出的两级融合多传感器数据融合方法具有更好的融合性能,有效提升感知系统的可靠性和鲁棒性,实现更加准确和可靠的监测和预测。     

多传感器支持度和自适应加权时空融合算法

针对多传感器测量数据中含有的噪声,提出一种基于多传感器支持度和自适应加权时空融合算法。时空融合算法将数据融合分解为时间和空间两次融合估计,先采用支持度和基于时间的递推估计进行第一次融合,再通过自适应加权估计在空间上进行第二次融合。该算法不需要知道传感器测量数据的任何先验知识,只利用空间位置中多传感器的方差变化,通过调整参与融合的各传感器的加权系数,使融合系统均方误差始终最小。     

基于数据融合技术的多传感器目标跟踪系统

数据融合技术是集多种学科于一体的前沿技术.多传感器目标跟踪是数据融合技术在目标跟踪领域的应用范例,它将多个传感器信息有机合成,估计目标的运动状态,产生比单一传感器更优越的跟踪性能,在此,阐述了数据融合技术及其在多传感器目标跟踪系统中的应用.