共查询到17条相似文献,搜索用时 125 毫秒
1.
基于Bayes估计理论的数据融合方法 总被引:6,自引:0,他引:6
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。 相似文献
2.
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。 相似文献
3.
4.
5.
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。 相似文献
6.
7.
多传感器自适应加权融合算法及其应用研究 总被引:3,自引:0,他引:3
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。 相似文献
8.
9.
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。 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
13.
14.
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。 相似文献
15.
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。 相似文献
16.
基于BP神经网络数据融合的瓦斯监测系统 总被引:3,自引:1,他引:2
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。 相似文献