一种任意相关噪声异类传感器测量融合算法

基于测量融合理论提出了一种任意相关噪声异类传感器非线性系统目标跟踪算法。该算法在构造跟踪滤波器时，在增益阵中引入了测量噪声与系统噪声相关以及测量噪声之间相关项，增加了描述多传感器融合系统的信息量。仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，测量融合算法比噪声不相关融合算法具有更好的跟踪性能，并且航迹跟踪的精度得到了改善。     

基于动态测量不确定度理论的最佳线性数据融合算法

本文提出一种基于动态测量不确定度理论的最佳线性数据融合算法。本算法构建过程中充分考虑了多传感器系统的动态特性,可用于处理工作环境复杂、性能可能随时间发生变化的多传感器系统的测量数据问题。同时,本算法具有实时监控各传感器性能和实时检出并剔除失效传感器的能力;测量不确定度的引入,使实时评价融合结果的质量成为可能;通过采用分级融合算法,又使得由截断误差引起的测量不确定度明显减小。     

基于SVM的微生物发酵过程软测量建模研究

微生物发酵过程中支持向量机(SVM)软测量模型的预测精度主要取决于SVM参数和输入变量优化选择.提出了一种新的SVM参数选择与输入变量选取方法,将SVM参数的选择和输入变量的选取看作组合优化问题,构造了基于赤池信息准则(AIC)的组合优化目标函数.为提高优化效率,采用遗传模拟退火算法(GSAA)来搜索最优的目标函数值.通过与网格算法、遗传算法等方法对比仿真研究表明,所提SVM微生物发酵过程软测量建模方法在微生物发酵过程的软测量建模中具有优良的性能.     

基于卡尔曼滤波的多温度传感器数据融合系统

设计了一种基于卡尔曼滤波的多温度传感器数据融合系统,其中采用多个温度18B20单总线数字传感器对同一点温度实施监测,对采样结果采用卡尔曼滤波数据融合算法计算得到温度估计值.实测数据仿真分析表明,卡尔曼滤波数据融合算法具有较高的计算精度和容错性,能够明显改善温度估计精度,显著提高测温系统的可信度,并具有实时融合的动态性能.     

信息融合的油液监测系统介绍

文章主要论述了多传感器信息融合的基本理论,给出了集中式、分布式和混合式三种模型结构,并比较它们的优缺点;融合层次对多传感器信息融合性能有重要的影响,给出数据层、特征层、决策层三种融合层次的性能对比结果;对融合系统算法进行了分析;最后给出了基于多传感器信息融合的油液监测系统,并对系统的融合过程和油液监测分布组件对象进行了剖析。     

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。     

基于改进支持向量机的目标威胁估计

针对信息融合中目标威胁估计的特点,分析了传统目标威胁估计方法和支持向量机(SVM)的不足。采用粒子群算法(PSO)对SVM中惩罚参数c和核函数g进行优化,建立了改进的SVM(PSO_SVM)目标威胁估计模型及算法。介绍了粒子群算法和支持向量机的原理,建立了一种新的PSO_SVM目标威胁估计模型;基于该模型,实现了PSO_SVM目标威胁估计算法。为适应该算法,对数据进行了预处理,包括数据量化和归一化。交叉验证寻找最佳参数时,采用PSO算法进行优化。采集75组原始数据用于仿真实验,其中60组作为训练集,15组作为测试集。仿真实验表明,该算法预测误差为0,达到了预期目标。实验结果真实、准确地反映了实际情况,证明了该方法的有效性。     

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.     

基于最小二乘原理的多传感器加权融合算法

以存在随机扰动环境中的不同参数多传感器为研究对象，基于最小二乘原理，提出了一种加权融合算法，推导出各传感器的权系数与测量方差的关系。并且根据测量信息，提出了一种方差估计学习算法，实现对各传感器测量方差的估计，从而对各传感器的权值进行合理的分配。该算法简单，能快速、准确的估计出待测物理量的状态信息。     

多传感器信息融合技术的研究进展

介绍了多传感器信息融合技术出现的背景,给出了多传感器信息融合的定义、原理、框架、模型,着重归纳了信息融合技术的算法和应用,指出了信息融合技术的不足以及今后的发展方向．     

基于MI-LSSVM的水泥生料细度软测量建模

针对水泥生料细度软测量模型难以建立的问题,考虑到输入变量选择易受时延的影响,提出一种基于互信息和最小二乘支持向量机(MI-LSSVM)的软测量建模方法。该方法采用互信息表征变量间的相关性,进而解决水泥生料细度软测量建模中的时延问题,并在此基础之上,提出双向选择算法获取输入变量,将得到的输入变量应用于最小二乘支持向量机中,建立水泥生料细度软测量模型,最后应用水泥厂的实际数据对基于互信息和最小二乘支持向量机的水泥生料细度软测量模型进行仿真。结果表明该方法预测精度高、泛化能力强。     

一种可穿戴式跌倒检测装置设计

跌倒造成的人身意外事故,尤其是老年人跌倒造成的意外伤害,引起人们的极大关注.通过对跌倒行为特性的研究,设计了一种基于压力传感器的便携装置,进行跌倒检测.装置采用薄膜式压力传感器,将传感器安置于鞋垫,用于采集人体运动中的脚底压力信息,采用阈值分析与支持向量机算法相结合的方法对脚底压力值进行数据处理,判断人体是否跌倒.本装置通过实验测试验证,判断跌倒具有较高的可靠性和准确性.     

磷虾群算法优化支持向量机的威胁估计

为提高目标威胁估计的预测精度,在传统支持向量机优化方法的基础上,提出了采用磷虾群算法优化支持向量机的威胁估计方法。介绍了磷虾群算法和支持向量机的原理,并基于此采用磷虾群算法对支持向量机中的惩罚参数和核函数参数进行优化,寻找最优的惩罚参数和核函数参数;建立磷虾群优化支持向量机的目标威胁估计模型,并实现基于该模型的目标威胁估计算法。采集90组原始数据组成训练集、30组数据组成测试集,对该目标威胁估计算法进行仿真实验。实验结果显示,磷虾群算法优化支持向量机的预测误差为0.002 91,小于采用粒子群算法或萤火虫算法优化的支持向量机。结果表明,磷虾群优化支持向量机的目标威胁估计方法可以有效地完成目标威胁估计。     

Vehicle detection and classification by measuring and processing magnetic signal

This paper presents novel vehicle detection and classification method by measuring and processing magnetic signal based on single micro-electro-mechanical system (MEMS) magnetic sensor. When a vehicle moves over the ground, it generates a succession of impacts on the earth’s magnetic field, which can be detected by single magnetic sensor. The magnetic signal measured by the magnetic sensor is related to the moving direction and the type of the vehicle. Generally, the recognition rate using single sensor detector is not high. In order to improve the recognition rate, a novel feature extraction algorithm and a novel vehicle classification and recognition algorithm are presented. The concavity and convexity areas, and the angles of concave and convex parts of the waveform are extracted. An improved support vector machine (ISVM) classifier is developed to perform vehicle classification and recognition. The effectiveness of the proposed approach is verified by outdoor experiments.     

基于混合建模的磨煤机一次风量预测算法研究

针对直接拟合得到的磨煤机一次风量黑箱软测量模型收敛性差、预测准确度较低的问题,在对风量测量进行机理特性分析的基础上,建立了一种以黑箱建模为主的结构逼近式混合软测量模型。黑箱模型部分采用最小二乘支持向量机(LSSVM)算法,并将机理特性融入到LSSVM模型中,经过输入变量类变换层的整合,将辅助变量中的压力信号转换为差压类、压力与温度的比值作为密度类、与一次风管路阻力相关的测点信号转换为风门风阻类,作为LSSVM模型的输入变量。应用电厂实际运行数据对一次风量进行预测,与直接拟合的预测效果相比,所建立的混合软测量模型收敛性好、预测精度高(引用误差波动0.54%),可为电厂生产中控制合理的风煤配比关系提供准确度更高的一次风量预测值。     

基于最小二乘支持向量机的疲劳裂纹扩展预测

根据腐蚀疲劳裂纹在扩展过程中受到多种环境因素影响,裂纹扩展预测难精确的特点,本文提出了基于遗传算法参数优化的最小二乘支持向量机方法来预测结构腐蚀疲劳裂纹扩展。该算法采用遗传算法优化最小二乘支持向量机的模型参数,从而避免了算法陷入局部最优解,实现了精确度高、泛化能力强的裂纹扩展预测模型。最后通过对已有文献的某试件裂纹扩展的实验数据进行建模分析。结果表明:基于遗传算法的最小二乘支持向量机预测方法优于神经网络算法、蚁群算法,预测误差较小,具有很好的预测能力。     

基于SVM和集群思想的多类分类算法

利用支持向量机和集群的基本思想,提出一种多类分类算法,并在纸质卷材复合过程中对边缘破损的类别进行了试验测试,具有良好效果。     

基于RVM的多功能自确认水质检测传感器

提出了一种多功能自确认水质检测传感器功能模型,可以同时测量水的温度、盐度和pH值,并可对自身工作状态进行自确认.提出了一种基于相关向量机的多功能自确认传感器故障诊断和数据恢复方法,在二分类机基础上利用层次扩展方法得到基于相关向量机的多分类机,对传感器进行故障诊断;利用水质检测过程中多个参数之间的相关信息,解决了非线性、小样本条件下的传感器故障数据恢复问题.构建了多功能自确认水质检测传感器实验平台,实验结果表明故障诊断识别率达到98％,数据恢复相对误差在士4％以内,提高了传感器的可靠性.     

滚动轴承早期故障的多源多方法融合诊断技术

为了使滚动轴承故障的诊断效果更好,提出基于振动信号的滚动轴承多源多方法融合诊断技术。在融合方法中考虑小波分析、时延相关解调法和希尔伯特-黄变换(HHT)3种方法,采用3个传感器测试轴承座加速度,得到多源振动数据。利用3种方法得到的滚动轴承故障特征值,研究了9种融合方案,并利用支持向量机(SVM)进行了特征融合,讨论了不同方法和数据融合的诊断效果。经过实验验证和融合方案比较,表明了融合诊断方法的可行性和有效性     

基于SVM的船舶动力定位系统预测控制

支持向量机(SVM)是基于统计学习理论的新一代机器学习技术。基于预测控制思想,利用支持向量机回归进行非线性系统辨识,并将支持向量机模型应用到船舶动力定位(DP)预测控制,提出一种基于支持向量机的非线性系统预测控制策略。仿真实验表明,支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力,预测控制效果良好。