基于Bayes估计理论的数据融合方法

本文研究了多传感器数据融合技术的一种方法。融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真。这种数据融合方法计算简便,可以获得比有限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,可用于测量结果具有正态分布特性的多传感器测量系统。     

基于Bayes估计的多传感器最优融合

本研究了多传感器数据融合技术的一种方法融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真,这种数据融合方法计算简便,可以获得比有限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,可用于测量结果具有正态分布特性的多传感器测量系统。     

小波去噪和数据融合及在线监测系统中的应用

准确测量电力设备的各种运行参数,是电力设备在线监测系统进行故障诊断的重要前提,为了从被噪声干扰的各个传感器测量中获得更准确的测量结果,文中提出了一种基于小波去噪和数据融合的多传感器数据重建算法,数据重建的结果更精确地描述原信号,且算法具有计算量少、速度快等特点,并首次将红外测温仪应用于测量变压器绕组的温度在线监测系统中,现场数据的处理验证了该算法的正确性。     

智能检测系统中的数据融合技术

介绍了一种数据融合方法在智能仪表多传感器系统中的应用，它时测量值进行一致性检测和分批估计．得出融合值。实验数据分析结果表明，使用此算法处理的数据有更小的误差和方差。这种实时数据处理方法采用有限次等精度测量，具有计算量小，计算机编程容易等特点，适用于缓变量智能检测系统。     

基于改进自适应加权的多传感器融合监测

针对加注系统多传感器测量数据融合,为满足融合的可靠性与准确性需求,提出了一种改进的自适应加权融合算法。加权融合算法的关键是如何准确判定测量数据权重值,在总结分析当前权重值判定方法优缺点的基础上,将证据理论中的修正证据距离引入测量数据间距离计算,生成融合权重值,完成传感器数据融合。通过一般算例与加注系统典型算例,对所提融合算法进行验证,结果表明算法融合效果较好、鲁棒性强,具有一定的理论意义和较好的工程实用价值。     

移动机器人多传感器高精确度数据融合的算法研究

基于模糊贴近度数据融合算法,研究了移动机器人使用的多传感器高精度数据融合算法。模糊了测量值和估计值,同时计算了模糊格贴近程度,在测量中各传感器的权重通过格贴近度进行描述,借助于融合公式求出融合的具体结果。该算法能够提高机器人导航系统的测量技术,使其通用性、可靠性和测量稳定性更强。     

多传感器自适应加权融合算法及其应用研究

多传感器数据融合可以获得比单一传感器更多、更准确的信息,本文提出了一种多传感器自适应加权融合算法,该算法无需传感器测量数据的任何先验知识,利用传感器所提供的测量数据,即可融合出总方差最小的数据融合值,仿真和应用实例均表明该算法的有效性。     

基于分段信号假设检验的方差估计算法

针对传感器测量噪声变化导致加权数据融合精度下降的问题,提出一种新的方差估计算法.方差估计采用自适应移动数据窗,窗口长度由多元假设检验的结果决定.假设检验环节首先应用信号分段处理方法与中心极限定理,使得检验统计量满足正态分布,简化了后续计算与理论推导.然后根据马尔可夫状态转移理论和最大后验概率准则,实现测量噪声方差变化的快速检测.通过与典型算法的仿真对比,验证所提算法克服了典型方法的局限性,能够保证加权数据融合具有更高精度.     

数据融合算法在煤自然发火实验系统中的应用

煤自燃是矿井的主要灾害之一,煤自然发火实验台的建造为煤自然发火的实验模拟提供了有效的解决方案;实验中温度数据的准确、可靠测量是目前亟待解决的技术问题。对煤自然发火实验台的温度数据采用改进的一致性数据融合算法进行处理,该方法的应用使融合结果有更高的精度,更强的抗干扰能力。     

三相电气参量快速和高精度的测量算法

提出了一种快速富里叶变换FFT算法来测量电力系统基波频率和其它谐波频率的实时值,进而计算出三相电压和电流的有效值与相位的实际值。由于电力系统参数随时都在变化,非正弦信号的系统基波频率不可能是一个确定的值,采用未确定的系统基波频率来采样和测量非正弦信号变化的三相电压和电流将引起很大的误差。因此,提出先准确测量非正弦信号的系统基波频率,然后,采用准确的系统基波频率来采样三相电压和电流,进而再计算三相电压和电流的有效值与相位的实际值、有功功率与电能、无功功率与电能等。这种算法不仅大大缩短计算时间,而且提高了测量的精度,测量精度可以达到0.1%或更高。实例计算的仿真结果及实际应用系统的运行数据都证明:这种算法的可靠性、准确性和快速性。     

基于多传感器数据融合技术的电子设备故障诊断

针对电子装备故障诊断中单一类型故障特征量和诊断方法无法完成诊断任务,导致故障诊断率不高的问题,将多传感器数据融合技术应用于多注速调管发射机装备故障诊断。构建故障诊断模型,提出把故障诊断过程分为两个层次。首先,借助不同的神经网络实现多输入信号的函数变换的功能,获得各种故障基本概率分配值;然后,在决策层利用D-S证据理论的合成法则将各神经网络诊断结果融合起来统一判决,得到最终综合诊断结果,通过实例仿真,并与初步诊断结果进行比较,结果表明早期故障识别率大大提高。     

基于传感器数据融合的航空发动机电子控制器

提出了一种基于矩阵奇异分解法的传感器数据融合方法及其在某型航空发动机电子控制器设计上的应用。试验结果表明:该传感器数据融合算法简单有效,分别消除了发动机中进口空气温度T1传感器近7.8℃和涡轮后燃气温度T4传感器近19.2℃的测量误差,提高了发动机电子控制器工作的可靠性,并适应于未来航空发动机分布式控制的发展方向。     

基于多传感器数据融合的转向参数测量仪设计

针对目前场（厂）内机动车方向盘转向参数测量仪装夹机构复杂、测量结果误差大的问题，提出一种基于多传感器技术的转向参数测量仪方法。通过加速度传感器、地磁计对陀螺仪角速度进行补偿，采用四元数融合算法对9轴MEMS传感器采样数据进行融合，修正因方向盘倾角对转向角测量结果的影响。通过设计转向参数测量仪硬件平台验证算法的可行性，实验结果表明融合算法能够提高转向角的精度。     

自适应模糊[C]均值聚类的数据融合算法

针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足,为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题,提出了一种自适应模糊[C]均值聚类的数据融合算法,主要是把自适应模糊[C]均值聚类应用到数据融合中。该算法首先在改进的模糊聚类中通过引入自适应系数以发现不同形状和大小的聚类子集,使得融合结果更精确;其次将卡尔曼滤波原理和基于多层感知机的神经网络预测法应用到误差协方差估计中,提高了融合可信度。实验结果表明,与7种经典数据融合算法进行对比,该算法在4个模拟数据集与真实数据集上融合结果较好,特别在判别函数与融合误差方面优势更为明显。     

靶场末区多传感器数据配准研究

从工程应用观点出发,研究靶场末区多传感器数据融合系统设计,通过分析各传感器的特点,给出了一种具有全天候和可靠测量的靶场末区融合系统结构,主要研究了融合系统中光电经纬仪时间和空间的数据配准方法,并给出靶场末区多传感器数据融合处理的主要步骤。试验结果证明:该融合系统能够提高落点测量的可靠性和精度。     

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。     

基于参数估计的数据融合算法研究

研究了有关分批估计、自适应加权和方差估计算法在多传感器数据融合中的有效性、准确度和实时性。通过实例在对几种算法进行仿真比较的基础上,说明了上述几种算法的有效性及其融合精度的差异,其结果表明:按测量方差值并采用自适应加权算法的融合效果最佳,有效地提高了融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合。