基于BP神经网络数据融合的瓦斯监测系统

井下瓦斯监测系统为多传感器监测系统,它通过不同功能、不同精度、不同位置的传感器,对所需要的被测量进行多方位、多角度的测量。但是,目前对于多传感器所测的数据还没有一种通用的、行之有效的处理方法,井下瓦斯浓度的监测很难作到实时、精确。因此,文章提出了一种基于BP神经网络数据融合的瓦斯监测系统的设计方案,该方案采用改进的BP神经网络算法对多传感器数据进行融合,并采用两级融合的方式对数据进行处理,以得到井下环境特征。仿真结果表明,基于BP神经网络数据融合的瓦斯监测系统具有较高的测量精度,极大地提高了数据采集的可靠性、全面性和有效性。     

基于ARM嵌入式系统的数据融合监测系统设计

针对高危场所人工不方便现场监测、环境变化复杂、影响因素较多的问题,设计了一套基于ARM嵌入式控制台的多传感器网络节点的数据融合技术监测设备运行状况的系统。在高危场所组建监测节点传感器网络,融合多传感器网络数据,描述监测对象状态。在ARM嵌入式控制平台上通过MiniGui软件设计监测系统界面,开发监控系统软件以及研究数据融合算法完成监测系统设计。     

基于多传感器融合的无线感知状态监测

无线传感网络往往涉及多种传感器的应用,因此对基于多传感器融合的无线感知状态监测方法进行研究.在对D-S理论的基本理论和算法改进进行研究的基础上,针对无线感知状态监测,选用合适的D-S算法将各分离的传感器观测信息进行融合处理,从而提高整个监测系统的可靠性和灵活性.并通过实例分析,证实了算法的可行性以及将多传感器融合方法用...     

基于自适应分批估计的瓦斯监测多传感器数据融合研究

针对瓦斯监测中多传感器监测数据的融合问题,提出了一种多源数据自适应分批估计算法。利用各组传感器局部融合值与最终融合值的方差自适应地调节各组的权重,通过多步融合逐渐弱化误差较大传感器组对最终融合值的影响。仿真实验表明:相对于平均值法与分批估计算法,该算法能有效地提高数据融合精度,能够满足瓦斯监测对实时性和精确性的要求。     

无线传感器网络在机械振动监测中的应用

为了弥补目前基于有线连接机械振动监测系统中的线缆布设复杂、成本高、可维护性差、系统灵活性差等一些不足,把无线传感器网络引入机械振动监测中,并采用基于关系矩阵的数据融合算法解决机械振动监测中数据量大的问题。实验表明:关系矩阵数据融合算法可以在有效提高监测精度的同时减少传输的数据量。无线传感器网络可以实现对被监测设备的实时监测,使工作人员及早发现被监测设备的故障。     

基于CatBoost算法的多传感器信息融合可燃气体燃爆状态监测系统

设计了基于CatBoost算法的多传感器信息融合可燃气体燃爆状态监测系统，其中甲烷采集使用响应更快的催化燃烧传感器和测量范围更大的红外甲烷传感器进行配合采集，使其能在高浓度气体环境中快速检测甲烷浓度。首先将获取的传感器数据通过梯度提升树算法筛选出最能表征燃爆状态的特征；然后使用SMOTEENN算法对特征集进行类不平衡处理；最后通过CatBoost算法对数据进行分类训练得到预测模型。该模型对可燃气体燃爆状态的分类具有较高的准确率。     

一种基于数据预处理和卡尔曼滤波的 温室监测数据融合算法

温室具有空间大、无线传感器节点易受到干扰等特点,节点采集的数据波动性较大且易出现丢失现象.为了提高温室监测无线传感网的可靠性和数据融合的精度,提出了一种基于数据预处理和卡尔曼滤波的无线传感器网络数据融合算法.经过对各传感器数据进行预处理和卡尔曼滤波估计,再将数据发送到簇头节点进行基于状态补偿策略的加权数据融合.通过对温室湿度数据进行仿真,结果表明:数据预处理能明显减小数据波动,大幅减少网络数据传输量和能耗,提高抗干扰能力.另外,针对温室无线传感器网络容易出现丢包的现象,基于状态补偿策略的加权数据融合算法可以明显提高在数据丢包情况下的融合精度.     

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.     

无线传感器网络自适应预测加权数据融合算法

为提高无线传感器网络监测系统的可靠性及寿命,提出了一种基于分簇的自适应的预测加权数据融合(AFWDF)算法.AFWDF算法依据数据在时间上的相关性,建立预测模型.源节点与簇头利用前期监测数据的变化态势自适应调整预测模型参数对后期数据进行预测,源节点通过预测值与测量值比较提取特征值和剔除异常值,簇头根据特征值和预测值还原监测值,并计算监测值可信度和权重进行加权数据融合.通过性能分析及仿真,得出AFWDF可靠性较高,且在模拟环境下网络寿命周期比SAEMDA和BPNDA算法提高了15％左右.     

大坝安全监测中的数据融合算法研究

多传感器网络中采集的数据存在一定程度的误差,影响了大坝安全监测的可靠性.对此,将数据融合算法应用到大坝安全监测系统中,通过算术平均值和分批估计的方法,对多个传感器的测量值进行融合,得到更接近于真实值的数据,从而作出及时正确的评判和决策,指导大坝的安全运行.对水库水位的监测验证了该方法的可行性.     

基于代理和熵权的无线传感器网络数据融合

为了解决节点分布密集环境中网络数据融合能耗较大的问题,提出了一种基于代理和熵权的分组融合算法。该算法首先通过节点监测数据相似度的对比,摒除组内故障节点的影响;然后采用C/S模式对组内节点进行融合,以组融合数据代替节点数据参与融合;最后采用代理模式对各组融合数据进行熵权融合。仿真结果证明该方案能以较小的能耗代价获取准确的融合结果,有效减少了网络延迟。     

基于PDA 思想的分布式多传感器融合方法

在传感器观测噪声不一致或有异常数据存在的条件下,分布式数据融合因没有剔除严重偏离真实值的传感器估计值,从而影响下一步的融合估计．对此,利用概率数据互联的思想,设计以融合中心预测值为中心、传感器节点估计值为观测值的预测域,并引入定向概率数据互联,对进入预测域的传感器估计值分配权重．仿真结果表明,利用概率数据互联思想的多传感器有效地实现了数据融合,其融合精度较传统分布式融合有所提高;在异常数据明显的情况下,算法的效果更加显著．     

基于量测自适应辨识的多传感器数据融合算法

针对量测不确定条件下多传感器量测数据的合理利用和有效融合问题,提出了一种量测不确定下多传感器量测自适应数据融合算法。算法实现中考虑到传感器量测受扰动影响的具体情况,通过单个传感器的量测似然度的求解确认等效量测,并利用传感器量测数据间统计距离的构建完成对等效量测优化,进而实现不含扰动影响传感器量测数据的合理选择和融合。理论分析和仿真实验验证结果表明:新算法不仅有效改善扰动对于滤波精度的不利影响,并且相对于分布式融合方式降低计算复杂度。     

基于格拉布斯准则的DS证据理论在WSNs中的应用

为了延长无线传感器网络（ WSNs）的使用寿命,在确保数据的有效性和准确性的前提下,采用一种两层的数据融合算法来对数据进行处理,减小传输的数据量。通过联合使用这两种算法,格拉布斯和DS证据理论的联合来对数据进行加权和压缩处理。实验数据表明：算法的使用有效地减少了数据量传输,提高了数据的传输效率,节省了数据传输过程中耗费的能量。     

基于多传感器信息融合的果蔬仓库监测算法融合

适宜的仓库环境对于提高存储周期、减少腐坏率,起到至关重要的作用。将分组自适应加权融合算法与改进的BP神经网络算法相结合,应用到仓库环境监控系统中。通过使用分组自适应加权融合算法计算同类环境因素的估计值,再与异类传感器融合算法相结合,融合仓库中各种环境因子相互作用的影响,以提高输出结果的准确度。在仓库中收集温度,湿度,气味和二氧化碳浓度四个主要环境因素,并给出四类传感器数据融合处理的实时智能决策结果,从而实现对仓库环境的精确控制。结果表明,算法融合可以有效地提高数据处理精确度,节省各节点能耗,提高监测水平。     

基于振弦式传感器的大坝渗压监测系统设计

针对渗压自动化监测系统运行环境恶劣、可靠性要求高的特点,设计了基于振弦式传感器的大坝渗压自动化监测系统。该系统的硬件部分以LPC2368FBD为主控制器,集数据采集、数据存储、数据显示、电源管理于一体。阐述了振弦式传感器的工作原理与特性;介绍了大坝渗压自动化监测系统的硬件、软件结构和设计思想;详细分析了数据采集电路的设计原理与实现过程。将该系统样机在实验室进行了测试和试运行,频率测量精度达±1%;信号和电源防雷击和抗电磁干扰功能强;具有LCD液晶显示功能,可直接显示采集数据,且体积小、造价低,适应现场恶劣环境。     

基于物联网技术的矿井安全监控系统设计

针对传统矿井安全监控系统技术单一等缺点,设计了一种基于物联网技术的矿井安全监控系统。系统通过Zig Bee技术组网,利用温湿度传感器、瓦斯传感器和一氧化碳传感器对矿井环境参数进行检测,视频监控设备对矿井作业进行监控,然后将数据传到ARM服务器,服务器将接收到的数据进行解析并存入数据库中,并通过3G网络接入互联网,客户端计算机和智能手机通过互联网分别以B/S/S模式和C/S模式访问ARM服务器的数据。实验结果表明:系统稳定性好、可靠性强,为矿井安全监控提供了比较新的可靠的组合技术方案。     

基于多传感器数据融合的温室温度采集

温室具有空间大且温度场分布受多种参数影响大等特点。基于这些特点,本文提出了基于多传感器数据检测与数据融合技术的温室环境温度采集方法。在多传感器采集数据基础上,采用分布图法去除疏失误差,同时采用基于均值的递推估计融合的方法对采集的数据进行融合。仿真结果表明,采用这种方法可以提高温度采集的精度,同时有效地消除了由于传感器失效引起的误差。     

基于Zig Bee的无线传感器网络大气监测系统设计

大气污染问题突出且日益严重,对大气环境实时准确地监测具有重大社会意义。现有的监测手段实时性差、维护困难,难以满足实际需求。针对上述情况,设计了一种基于Zig Bee技术的大气监测系统,并详细阐述了系统的整体框架结构和实现方案。系统包括无线传感器网络和远程监测中心2个部分。其中无线传感器网络包括传感器节点和网关节点。传感器节点以CC2530为核心搭建,负责采集大气环境数据并通过多跳方式将数据实时发送至网关节点;网关节点以LPC2138为核心搭建,负责汇总传感器节点的数据并通过GPRS实现与远程监测中心的通信。远程监测中心使用在Microsoft Visual C++6.0环境下编制的监测软件,通过网络模块完成数据接收、显示及存储,为用户提供一个友好的人机界面。