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。     

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。     

基于最优加权的大面积金刚石膜衬底温度数据融合研究

为保证大面积金刚石镀膜衬底温度均匀,采用多只温度传感器多点测量衬底表面温度。为滤除测量噪声,采用最优加权融合方法对每一时刻多只传感器测量的温度进行数据融合,并分别采用最小二乘、Bayes估计、递推最小二乘法进行第二步数据融合,以进一步提高温度测量的精度。研究结果表明：最优加权与最小二乘结合算法、最优加权与Bayes估计结合算法的温度数据融合结果精度很高,在温度测量受各种扰动时均表现出良好的稳健性;最优加权与递推最小二乘结合算法温度测量数据融合的精度和稳健性相对较差。     

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％.     

基于噪声方差估计的稳健融合算法

给出一种基于噪声方差估计的稳健融合算法.针对集中式多传感器融合结构,利用随机逼近算法分析了各传感器权的最优分配原则,并给出了一种基于方差估计的权的自适应调整算法.结合多传感器融合跟踪系统,为了提高非线性系统的跟踪性能,滤波算法采用了非线性逼近能力更好的Unscented卡尔曼滤波算法.通过计算机仿真实验,获得了良好的融合效果.与经典的加权方法相比,在相同仿真航路条件下,融合精度和跟踪精度都得到了显著提高.     

基于AFKF的多传感器加权融合算法

为实现对被测物体在匀速、匀加速以及变加速运动状态下的动态位置进行精确测量,提出一种基于自适应渐消卡尔曼滤波的多传感器加权融合算法,将各子传感器测量数据进行自适应渐消卡尔曼滤波,并由获得的均方误差阵实时为位置测量的估计值自适应分配权重,最终进行加权融合。通过算法的实例应用验证,与传统的MSIF-SKF算法相比,该算法具有更高的动态位置检测精度。     

多传感器数据融合新算法及在诊断学中的应用

着眼于复杂装备系统诊断实践中多传感器数据融合需求,提出了一种基于模糊贴近度的数据融合新算法,通过计算各个传感器测量值与估计值之间的模糊格贴近度,确定它们在测量中的权重,从而实现多传感器诊断参数数据融合.结合该算法原理,还设计了它的诊断数据融合应用软件.应用实例表明该算法体现了稳定性强、可靠性高的传感器在数据融合中的"优越性",运算过程简洁、快速,运算方法可行、有效,便于发动机诊断中实现时环境测量与数据处理.     

多传感器数据融合新算法及在诊断学中的应用

着眼于复杂装备系统诊断实践中多传感器数据融合需求,提出了一种基于模糊贴近度的数据融合新算法,通过计算各个传感器测量值与估计值之间的模糊格贴近度,确定它们在测量中的权重,从而实现多传感器诊断参数数据融合.结合该算法原理,还设计了它的诊断数据融合应用软件.应用实例表明:该算法体现了稳定性强、可靠性高的传感器在数据融合中的"优越性",运算过程简洁、快速,运算方法可行、有效,便于发动机诊断中实现时环境测量与数据处理.     

多传感器数据融合结构性能分析

本设计主要对分布式多传感器数据融合结构性能展开研究。分析了多传感器数据融合的主要融合结构并对两种常见的分布式数据融合算法：简单凸组合融合算法、BarShalom-Campo融合算法进行理论分析。最后利用MATLAB软件对简单航迹融合（SF）和协方差加权航迹融合（WCF）算法进行仿真并对仿真结果进行简单的分析来说明分布式融合结构的性能和特点。     

基于最优分组原则的多传感器分组加权融合算法

多传感器对某一状态进行测量时,将多传感器分组后进行加权融合处理,可实现对待测状态较为准确的估计,但多传感器的组合方式不同,估计效果的差异很大.本文针对分组融合算法中如何选择传感器的分组组合方式进行了研究,依据分组中传感器的个数和各组间传感器测量方差的大小关系,提出了使融合估计值最优的分组原则.并将这些原则加以数学抽象,从理论上证明了基于最优分组原则的分组融合算法的最小方差特性.最优分组原则为评价和选择传感器的分组组合方式提供了一个理论依据.实例分析表明:该分组原则极大地缩小了寻找最优分组组合方式的范围,有效地解决了在如何分组问题上的盲目性,从而使得多传感器测量时的在线优化分组得以实现.