基于神经元的多传感器数据级融合研究

在不知道先验知识的条件下,从含有观测噪声的多传感器测量数据中估计出方均误差最小的数据融合值,并作为神经元融合系统训练样本,因而解决了多传感器测量系统数据级融合的标定问题。研究结果表明,融合数据在精度、容错性以及动态响应方面均优于单传感器测量。     

智能仪表中的一种数据融合方法

智能仪表中，由于工业过程的各种干扰，严重地影响了测量精度，提出一种基于普遍采用的单传感器系统数据融合方法，通过对传感器测量数据的分批估计得到误差和主差均较小的融合结果，并以实验表明这种方法优于目前广泛应用的算术平均值方法。     

测量系统分析在称重传感器研发制造中的应用

随着对称重传感器精度的要求越来越高,对研发制造称重传感器的测量系统也随之提高。本文简单地介绍了测量系统的几个特性及其判定准则,主要是针对计量型数据的测量系统进行分析,并列举如何对称重传感器制造过程中测量ZTC的测量系统进行分析、改进。     

基于数据融合的动态称重传感器布局研究

动态称重是汽车在高速路行驶中获取汽车真实重量的有效方法,文中介绍了压电传感器的原理以及简化的动态称重模型.在使用压电传感器的基础上应用数据融合的方法,对传感器进行合理布置,用Gass-newton法来求动态轴重信号模型,得到更接近真实轴重的值.在不同初始相位下,对不同速度时的误差进行仿真,结果显示该方法精度较高.     

基于神经网络的大直径测量多传感器数据融合

多传感器数据融合技术可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率。本文将BP神经网络应用于大直径测量系统的特征层数据融合,得到准确的测量结果。     

多传感器数据融合技术在车辆动态称重中的应用

针对车辆动态称重系统的结构和特点,采用一种基于神经网络的多传感器数据融合技术处理方法,并将其应用到动态称重系统中。通过对融合前后的数据进行比较分析,可有效地提高车辆动态称重系统抗干扰能力,以保证参数检测的可靠性和准确性。     

多传感器测量数据的切尾加权融合算法

为了对随机扰动环境中得到的管道壁厚测量数据进行稳健融合估计,提出了一种多传感器测量数据的切尾加权融合算法.利用数据探测技术中的切尾均值概念构造最优加权因子,从而求得多传感器测量数据的稳健融合估计值.融合实例表明,该算法能有效地提高系统测量的稳健性,且具有精度高、运算简单的特点.     

油管壁厚测量数据的一致性加权融合估计算法

在随机拔动环境中采用漏磁场法在线测量油管壁厚时，每个磁性传感器只能得到环境的部分信息。为了对各传感器的局部测量值进行稳健融合估计，提出了油管壁厚测量数据的一致性加权融合估计算法。利用改进的数据探测技术中的分布图方法对各个传感器的一致性进行检验，并采用简单加权平均法求得一致性传感器测量数据的稳健融合估计值。融合实例表明，该算法能有效地提高系统测量的稳健性，且具有精度高、运算简单等特点。该算法适用于多传感器测量数据的实时高精度融合估计。     

压力信号干扰抑制的质量流量数据融合研究

质量流量测量精度受压力的影响,且随着压力的增大其测量精度变差。采用多个质量流量传感器进行多处测量,对质量流量测量数据进行自适应加权融合。在此基础上,为了消除压力对流量测量值的影响,采用BP神经网络进行压力干扰抑制的质量流量数据融合研究。研究结果表明,BP神经网络质量流量融合值的精度较自适应加权融合值的精度大大提高,且附加动量法获得的BP网络融合精度最高,自适应学习速率调整法次之,梯度下降法最差。     

测距传感器系统的测距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红外线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算法对实时测量数据进行在线融合估计,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。     

基于朴素贝叶斯的重力感应电子秤定载荷点选择

针对重力感应电子秤荷载点选择受校准数据信号影响，定载荷点概率计算准确性低，导致电子秤定载荷点选择效果差，提出基于朴素贝叶斯的重力感应电子秤定载荷点选择方法。以电子秤平放和标定为基础校准重力加速度传感器，并缓存记录一组传感器上传的数据，校准过程中存储这组数据，依据存储数据校准传感器的上传数据。采用朴素贝叶斯分类求解校准后的数据信号，精准计算电子秤各类定载荷点概率，依据最大概率识别电子秤定载荷点类别。利用多源融合技术将载荷点类别信息互补去杂，实现电子秤定载荷点选择。实验结果表明，该方法对重力感应电子秤定载荷点选择效果佳，且具有较高的重力感应信息融合效率和分类精度，可有效提高电子秤的称量效果。     

Design of multisensor fusion-based tool condition monitoring system in end milling

Recent advancement in signal processing and information technology has resulted in the use of multiple sensors for the effective monitoring of tool conditions, which is the most crucial feedback information to the process controller. Interestingly, the abundance of data collected from multiple sensors allows us to employ various techniques such as feature extraction, selection, and classification methods for generating such crucial information. While the use of multiple sensors has improved the accuracy in the classification of tool conditions, design of tool condition monitoring system (TCM) for reduced complexity and increased robustness has been rarely studied. Therefore, this paper studies the design of effective multisensor-based TCM when machining 4340 steel by using a multilayer-coated and multiflute carbide end mill cutter. Multiple sensors tested in this paper include force, vibration, acoustic emission, and spindle power sensor for the time and frequency domain data. In addition, two feature selection methods and three classifiers with a machine ensemble technique are considered as design components. Importantly, different fusion methods are evaluated in this paper: (1) decision level fusion and (2) feature level fusion. The experimental results show that the design of TCM based on the feature level fusion can significantly improve the accuracy of the tool condition classification. It is also shown that the highest accuracy can be achieved by using force, vibration, and acoustic emission sensor together with correlation-based feature selection method and majority voting machine ensemble.     

数据融合技术在大容量种子催芽机中的应用

介绍了一种大容量种子催芽机控制系统的软件及硬件设计方法。该方法采用DS18B20温度传感器进行多路温度采集,用分布图法剔除疏失误差,然后采用基于均值的分批估计的融合方法对采集的数据进行处理,提高了数据采集的精度,同时有效地消除了由于传感器失效引起的误差。这种数据融合方法计算简单,易于编程,可以获得比有限多个传感器的算术平均值更准确的测量结果,具有较高的可靠性,可以用于其它测量结果具有正态分布特性的多传感器测量系统。     

多传感器融合技术在加湿节能控制器中的应用

介绍了一种多传感器数据融合技术在加湿节能控制器系统中应用的方法.该方法首先采用分布图法剔除疏失误差,然后采用基于均值的分批估计的融合方法对采集的数据进行处理.提高了数据采集的精度,同时有效地消除了由于传感器失效引起的误差.这种数据融合方法计算简单,易于编程,可以获得比有限多个传感器的算术平均值更准确的测量结果,具有较高...     

Deep Learning Based Data Fusion for Sensor Fault Diagnosis and Tolerance in Autonomous Vehicles

Environmental perception is one of the key technologies to realize autonomous vehicles.Autonomous vehicles are often equipped with multiple sensors to form a multi-source environmental perception system.Those sensors are very sensitive to light or background conditions,which will introduce a variety of global and local fault signals that bring great safety risks to autonomous driving system during long-term running.In this paper,a real-time data fusion network with fault diagnosis and fault tolerance mechanism is designed.By introducing prior features to realize the lightweight network,the features of the input data can be extracted in real time.A new sensor reliability evaluation method is proposed by calculating the global and local confidence of sensors.Through the temporal and spatial correlation between sensor data,the sensor redundancy is utilized to diagnose the local and global confidence level of sensor data in real time,eliminate the fault data,and ensure the accuracy and reliability of data fusion.Experiments show that the network achieves state-of-the-art results in speed and accuracy,and can accurately detect the loca-tion of the target when some sensors are out of focus or out of order.The fusion framework proposed in this paper is proved to be effective for intelligent vehicles in terms of real-time performance and reliability.     

基于B/S模式的运检业务集约数据高质量识别方法

传统的监控运维方法缺乏有效的信息整合和监视,无法实现集约数据高质量识别。为提高数字电网运检业务集约数据识别和监控能力,结合B/S模式,提出基于B/S模式的运检业务集约数据高质量识别方法。结合一体化安全生产管理系统和GIS平台,采样运检业务集约数据的大数据特征,构建运检业务集约设备在线监测模型。结合雷电定位、覆冰监测、电压监测等子系统完成运检业务集约数据的传感信息采样和融合处理。在B/S体系下融合运检业务集约数据,并对其进行集成处理。结合“云大物移智”等技术实现运检业务集约的多源数据融合、分析以及应用处理,将其通过智能网关传输至物联网平台,完成运检业务集约数据高质量识别。实验结果验证了所提方法具有更高的识别精度,提高了电网设备状态在线监测效率和运检业务信息的分析能力。     

基于多传感器融合信息的故障诊断

研究了多传感器信息融合技术应用于复杂设备系统状态监测和故障诊断的方法。简述了多传感器信息决策层融合及 Dempster- Shafer证据理论的基本内涵 ,研究了基于 Dem pster- Shafer证据理论的决策层信息融合进行状态监测和故障诊断的算法 ,利用这一方法对柴油机的工作过程多种故障进行了诊断识别应用 ,其分析结果表明 ,该方法可有效地提高柴油机故障诊断的准确性和可靠性。     

一种基于多方法的多传感器数据融合算法研究

提出了一种基于多方法的多传感器数据融合算法,分批估计融合求得单传感器最优估计值,然后依据权值最优分配原则进行分组自适应加权融合处理.通过对多热电偶测温的实测数据分析表明,与算术平均值法、单传感器分批估计和自适应加权相结合的算法以及单传感器分批估计和多传感器分批估计相结合的算法相比,绝对误差分别降低3.52℃,1.28℃和1.227℃,相对误差分别降低0.294％,0.107％和0.102％.     

时间配准在多传感器数据处理中的应用

在应用多传感器进行数据采集的系统中,需要对源于同一目标、同一时刻的不同传感器数据进行融合处理,但由于各传感器的工作方式、传输时延等原因造成数据不同步的问题。因此,在对多传感器数据融合前,应该对多传感器数据进行时间配准。本文提出了采用内插、外推时间配准法解决多传感器时间配准问题,通过仿真验证,该算法可以较好的解决问题。