基于神经网络的点目标多光谱信息融合识别方法

为了解决动态红外点目标多光谱模式识别问题,提出了一种利用神经网络并行子网作为前级处理,证据理论于后级融合的多周期模式识别推理模型。由于并行子网的引入,该模型避开了识别过程中采用单一神经网络所带来的大样本训练问题,用带有加性噪声的点目标红外光谱作为识别模型的目标数据源进行了算法验证,计算结果表明该算法对多周期不确定性证据有很强的证据聚焦能力。     

基于BP神经网络和D-S证据理论的火灾报警系统

将BP神经网络与数据融合理论中的D-S证据有机融合,提出一种决策级火灾报警识别方法.通过模拟实际输入信号的仿真结果发现,将BP神经网络和D-S证据理论相结合的多传感器数据融合技术,可以显著提高火灾的识别能力,有效降低火灾误报率,而且该系统具有良好的适应性,达到了预期效果.     

D-S证据理论在气固流化床流态判别中的应用

基于D-S证据理论,并结合模糊数学的知识,给出了一种流化床流态判别的数据融合方法.通过差压传感器和电容层析成像传感器分别采集信号,利用提取的特征值对各传感器的信任度函数进行分配,再利用D-S证据理论进行目标融合,得到最终流态判别结果.通过单传感器判别结果与融合的判别结果比较,说明了这种方法具有一定的优越性.     

基于多源信息融合的往复式压缩机故障诊断方法

往复式压缩机结构复杂,振动激励源多,故障关联性较强,需要依靠多种类型的传感器所采集的信息来对往复式压缩机故障进行诊断。在融合往复式压缩机多种类型传感器采集的特征信息基础上,提出一种基于多源信息融合的往复式压缩机故障诊断方法,构建信息融合诊断框架。利用往复式压缩机多种类型传感器所采集的数据信息构建特征证据体,使用径向基神经网络对每个证据体进行初步诊断,根据加权证据融合理论融合各个证据体初步诊断结果,得到最终诊断结果。使用提出的方法对往复式压缩机3种工况的试验数据进行融合诊断,诊断结果表明：使用加权证据融合理论融合多源传感器信息的诊断结果可信度高,不确定性小,能够准确对往复式压缩机故障状态进行诊断识别。     

基于信息融合技术的气固流化床流型辨识

基于多传感器信息融合技术,提出了一种新的气固流化床流型判别的方法.利用差压传感器和电容层析成像传感器分别采集压力和空隙率信号,提取特征值并进行各自的判别.对两个传感器的判别结果采用D-S证据理论进行决策级目标识别数据融合,得到最终的流态判别的结果.实验结果表明所提出的新方法是有效的,提高了流型判别的准确性.     

改进的D—S数据融合方法在车辆目标识别中的应用研究

为了解决车辆目标识别的数据融合问题,本文引入了Dempsgter-Shafer证据理论方法作为数据融合方法,并提出了时空数据融合的思想,把D－S方法与时空数据融合的思想相结合,得到了时间域、空间域和时空域D－S数据融合的方法,并用于目标识别中,通过实验得以经过融合后的识别结果比单传感器的识别结果要好,证明了上述方法的有效性。     

基于粗糙集和ART2 神经网络的多传感器信息融合

神经网络是信息融合的一种重要方法,粗糙集理论是处理不完备信息的一种技术。本文提出了一种基于粗糙集和ART2神经网络的多传感器信息融合方法。ART2网络是一种无监督神经网络,能够实现对输入的任何模式信号自动识别和分类。而对信息融合中常遇到的数据超载问题,提出采用粗糙集与神经网络结合的方法解决。文章给出了基于粗糙集理论的组合神经网络的模型结构,最后用一个脱机手写体数字识别的实例验证了该方法的有效性。     

基于D-S证据理论和集成神经网络的磨粒识别

针对磨粒的识别问题，利用数字磨粒图像分析方法，结合D-S证据理论和BP神经网络，建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法。首先对磨粒图像进行处理，并利用统计分析方法和傅立叶分析方法对处理好的磨粒图片进行分析得到磨粒特征；然后基于统计分析方法和傅立叶分析方法建立对应的两个BP分类子神经网络，利用典型的磨粒样本对BP子神经网络进行训练，得到初步的诊断结果；最后用D-S法对子神经网络诊断结果进行融合，得到最终的诊断结果。算例分析结果表明，基于D-S证据法和集成神经网络的磨粒融合诊断方法比单个诊断方法具有更高的准确性。     

基于PCA神经网络和D-S决策的瓦斯传感器故障辨识

针对瓦斯传感器故障诊断时,存在提取的样本数据空间维数大、诊断实时性差、诊断结论的识别能力低和存在不确定性的问题,提出了一种基于主元分析(PCA)-神经网络和D-S证据理论集成的故障诊断策略。使用主元分析方法对高维故障样本空间数据进行降维,再结合神经网络分类器进行故障模式识别。并且运用DS证据理论对神经网络分类器的故障诊断结果进行数据融合。仿真实验表明:该诊断方法改善了神经网络对瓦斯传感器故障诊断准确率的同时提高了诊断速度,并且降低了故障结论的不确定性以及提高了结论的识别与决策能力。     

非规则结构表面多声源近场声全息方法

为了提高非规则结构表面多声源声场的全息精度,提出基于目标深度识别与球面波叠加逼近的非规则表面多声源近场声全息方法。该方法使用声源空间深度识别理论,确定结构体上各声源的空间位置,在各声源处分别使用球面波的叠加描述空间声场分布,然后结合现有单原点球面波叠加近场声全息法重构声场。为了验证方法的可行性,首先使用所述方法和现有单原点球面波叠加声全息法,分别对径向脉动球与横向振动球组成的不同声场进行全息重构。结果表明,当声源集聚分布时,所述方法与现有方法均能有效全息重构声压分布,重构误差在5%以下;当声源离散分布时,现有方法失效,所述方法能够较准确地给出重构面的声压分布,主要频段内的全息重构误差小于20%。进一步的对比实验表明,在全息重构多扬声器非规则空间分布声场时,使用所述全息方法的重构误差平均下降14.08%,显著提升了多声源非规则空间分布声场的全息精度。     

Prediction of pulsed GTAW penetration status based on BP neural network and D-S evidence theory information fusion

This paper used multi-sensor information fusion technology in pulsed gas tungsten arc welding. Arc sensor, visual sensor, and sound sensor were used simultaneously to obtain weld current, voltage, weld pool image, and weld sound information about the pulsed gas tungsten arc welding process, and special algorithms were designed to extract the respective signal features of different sensors’ information. Then D-S evidence theory was used to fuse the different signal features to predict the penetration status about the welding process. Aimed at the difficulty of obtaining basic probability assignment in D-S evidence theory, back-propagation (BP) neural network was used to obtain the basic probability assignment. Experiments were done to obtain data for training the BP neural network and test the prediction reliability of D-S evidence theory information fusion, and comparison results showed that D-S evidence theory could effectively use the information obtained by different sensors and obtain better prediction result than single sensor.     

应用近场声全息方法对噪声源的实验研究

本文介绍了可视化空间声场和定位噪声源的一种强有力工具———近场声全息技术,对理论研究方法进行了概括阐释,并通过试验研究的方式高精确的辨认来源以及邻近声场。最后精确的将声压,质点振速以及声强矢量等声学信息绘制到3D图像中,对声场进行重建。     

基于单全息面三维声强测量的声场分离技术

在测量全息面三维声强和均方声压的基础上，根据平面上二维切向有功声强与复声压相位间的关系来间接获取复声压的相位，结合测得的均方声压，得到全息复声压；根据全息面上微粒法向振速的叠加原理和波数域的Euler公式，推导出基于单全息面三维声强测量的声场分离公式，将全息面两侧声源各自在全息面上产生的声压分离开来。在全息面两侧均有声源的情况下，实现噪声源的识别与定位，克服了近场声全息(NAH)和基于声强测量的宽带声全息(BAHIM)的应用局限性。数值仿真的结果证明了该技术的可行性和有效性。     

近场声全息试验用于医用制氧机噪声控制

为了降低家用制氧机的运行噪声,采用了近场声全息技术进行制氧机噪声场数据采集和声场重建.根据声压频谱图、声压辐射云纹图、声速频谱图、空间声速分布图以及时间/频率/声压图谱等可视化信息,选择了针对声源、传播途径的隔声罩、涂敷阻尼胶、石膏板吸声和加装部件减振胶垫等简单有效的噪声控制措施.试验表明,近场声全息技术是一种有效地进行噪声源控制和声辐射特性研究的重要工具.     

基于多源信息融合的行驶工况识别及其在整车转矩分配中的应用

传统的行驶工况判别方法多采用单参数或者双参数进行判别,为提高工况识别精度,针对混合动力汽车双动力源的特点,提出一种多源信息融合的汽车行驶工况识别方法,基于Daubechies小波对多传感器采集到的时间序列进行分解,利用单支小波重构的方法获得每个传感器不同频段下分解信号的数据特征信息,然后基于变属性权重的模糊C-均值聚类方法将不同传感器不同频段的数据特征信息进行一次聚类识别;最后对不同频段下同一工况的隶属度值加权,采用SOM自组织映射网络进行二次聚类融合实现最终的行驶工况识别。将本文所提方法应用于混合动力汽车整车转矩分配中,不同工况下调用不同的转矩分配三层前馈神经网络模型,以提高整车的经济性能。试验结果验证了本文所提方法的有效性。     

基于BP网络的GIS局部放电声电联合检测故障定位方法

如何快速定位GIS放电位置,是局部放电在线检测的关键。基于超声波和超高频多传感器信息融合局部放电联合定位方法,是将来自放电位置这一目标的多源信息加以智能合成。声电联合定位检测系统采用到达时间差TDOA法,利用BP神经网络对超声波和超高频法的传感器采集数据进行融合。最后通过仿真验证,得出其定位准确率较单一方法大大提高。     

基于信息融合技术的旋转机械故障诊断

简要介绍了多传感器信息融合技术，并结合旋转机械振动故障诊断系统的要求与特点，探讨了信息融合技术用于故障诊断系统的基本层次结构。将信息融合的层次与故障诊断的功能相对应，提出了旋转机械振动故障诊断的信息融合模型。神经网络和证据理论相结合应用于故障诊断的新方法，提高了故障诊断系统的灵活性、效率和准确性。     

一种三维质点振速传感器灵敏度测量方法

一种基于近场声全息技术的质点振速传感器灵敏度测量方法,在没有任何特殊声源或声学设备的前提下,通过测量或重建声场中的声压和法向质点振速来计算声阻抗,实现质点振速传感器的灵敏度测量。将该方法扩展至三维质点振速传感器的灵敏度测量,在测量或重建法向质点振速的同时,也测量或重建切向质点振速,实现三维声阻抗的估算,从而同时测量计算3个方向质点振速传感器的灵敏度,并通过实验验证了所提方法的有效性。