改进的镍电解三段净化智能控制系统

利用各种传感器功能上的差异与互补建立多传感器系统，通过对各传感器提供的信息进行分析、综合，获得比任何单一传感更加稳定、可靠的信息，这就是愈来愈受到重视的多传感器信息集成与融合技术本文提出了多传感器集成与多传感器融合的概念，根据镍电解三段净化过程以及所检测的传感信号，给出了多传感器集成系统概率模型和黑板式控制结构．给出了多传感器信息融合的拓扑结构和融合方法。     

多传感器信息融合技术及其在机器人中的应用

多传感器信息融合技术是近年发展起来的一门新兴技术,在机器人领域有着广阔的应用前景。通过融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。主要论述了多传感器信息融合的一般方法,并对其在机器人领域的应用进行了介绍。最后指出多传感器信息融合技术在微传感器、智能传感器和自适应融合等方面的发展方向。     

机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

一种基于移动机器人AIM的改进的MSIF技术

多传感器信息融合技术在移动机器人领域中有着重要的地位。本文针对AIM移动机器人的多种传感器分布．提出一种改进的信息融合算法。该算法回避了对障碍物进行直接的估计，通过融合红外传感器和超声波传感器提供的冗余、互补的信息．得到机器人能够前进的方向。仿真试验结果表明算法效果良好，可在AIM移动机器人躲避障碍物和路径规划中得到有效的应用。     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。     

多传感器信息融合在移动机器人上的应用

多传感器信息融合技术在科研领域已迅速发展起来 ,它包含了控制理论、信号处理、人工智能和数理统计等方面的知识。在机器人领域的应用越来越多 ,使得机器人更加智能化。文中对多传感器信息融合的方法进行了概括 ,并列举了近年来其在移动机器人领域的应用。最后展望了多传感器信息融合的发展     

基于视觉与电弧多信息传感的焊缝跟踪算法

随着焊接传感技术以及信号处理技术的快速发展,人们越来越注重对焊接过程质量控制的研究,而多传感器信息融合技术是焊接质量控制的一种重要的方法,采用该技术实现熔化极气体保护焊(MIG)脉冲焊接质量的自动控制。该技术采用了视觉传感器和电弧传感器将采集的不同的描述信息进行了有效的特征提取和传输,并运用多传感器信息融合算法进行焊缝的跟踪。视觉传感器利用工业电荷耦合元件(CCD)获取图像信息控制焊炬的横向偏差信息,电弧传感器利用数据采集卡获取电流信息控制焊炬的高度互补偏差信息和横向的冗余信息,将两种传感器得到的冗余信息和互补信息在特征层下进行融合实现焊接过程横向和高度的纠偏控制。冗余信息的融合可以实现视觉传感的图像去噪,而互补信息的融合可以进一步提高焊缝跟踪的精度。实验结果表明,所提算法能够较好地提高焊接的质量,从而也验证了算法的有效性和合理性。     

移动机器人多传感器信息融合测距系统设计

介绍了用于移动机器人运动导航的多传感器测距系统的硬件组成和数据融合方法.测距系统由超声波测距模块、红外测距模块和数据融合模块组成,超声波测距模块和红外测距模块分别检测机器人周围环境中障碍物的距离,数据融合模块则通过SMBus总线收集两个模块采集到的距离数据,并采用自适应加权数据融合算法对这些数据进行处理,以获得可信的距离信息.实验表明,所设计的测距系统可靠性高、配置灵活,能够满足机器人自主导航中的避障要求.     

多传感器信息融合概述及其应用

多传感器数据融合广泛应用于自动目标识别、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器信息融合技术的概念,对信息融合的算法进行了概述,提出了基于粗糙集理论的多源信息融合算法,最后对多传感器融合技术的研究动向进行了展望。     

多传感器融合技术在蟑螂机器人控制中的应用

多传感信息融合对于蟑螂的运动灵活性具有重要作用,为了模拟蟑螂腿毛的功能,提出采用多传感器信息融合技术开发了一种信息实时采集系统;该系统利用廉价鼠标作为传感器,在蟑螂机器人的腿上安装若干光电传感器来模拟蟑螂运动过程中腿毛的触觉,从而解决机器人位姿识别和避障的问题,为实现实时控制和智能控制提供保障;为了简化鼠标的安装,通过在蟑螂身体上安装鼠标传感器来检测位姿的方法,验证了算法的正确性,说明了模拟腿毛的功能;应用结果表明,该系统稳定性好,价格低廉,有一定的实用性与推广价值.     

多传感器信息融合技术在智能机器人环境感知中的研究进展及应用

多传感器信息融合技术是一种有别于经典数据处理技术的高级处理方式,主要目的是为了让智能设备在越来越复杂的工作环境中有更好的表现,使其能有更强的感知能力和操作精准度;在对传感器技术、人工智能、机器人技术、多传感器信息融合技术及常见多传感器信息融合的应用进行了系统的整理和研究后,针对目前的多传感器数据融合技术进行全面地介绍,并简要阐述多传感器信息融合的一般结构,重点分析不同融合算法的特点和优劣势,明确不同融合模型之间的差别以及对数据处理策略上的影响,充分列举现国内外发表的关于多传感器数据融合技术的重要研究及应用,并对多传感器数据融合技术的发展与展望做检验阐述,为多传感器数据融合技术研究提供重要理论依据。     

多分辨力传感器信息融合中的 故障检测与恢复

首先建立了一个具有故障检测与隔离功能的分散式滤波器结构，讨论了传感器及局部滤波器的故障检测与隔离算法，然后研究了系统重构与故障恢复方法。在此基础上，通过引入小波变换提出了一种多分辨力传感器信息的动态融合方法。     

多传感器信息融合技术

系统地介绍了多传感器信息融合技术的理论、模型和应用,并对多传感器信息融合的几种主要算法进行了全面的阐述和归纳,指出了信息融合研究中存在的主要问题,最后对信息融合技术的未来研究方向进行了展望。     

多传感器信息融合及其应用综述

多传感器信息融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器数据融合技术的概念、处理模型、融合层次等问题,综述了近年来多传感器融合技术的研究进展和应用,预测了未来的发展趋势。     

基于多传感器信息融合技术在灭火机器人系统的设计

提出一种通过多传感器信息融合技术来提高灭火机器人的火焰、距离检测的准确性,设计了由超声波、红外测距模块和数据融合模块组成的测距避障子系统;由红外火焰检测模块、数据融合模块组成的火焰检测子系统,在此基础上,采用自适应加权数据融合算法分别对多传感器检测的距离和火焰信息进行融合,以提高对火源目标判断的准确度;实验结果表明,设计的智能灭火机器人传感器软硬件系统测量相对误差小,能很好的反映火灾现场信息,满足火情探测和灭火需要,具有很强的使用价值。     

多传感器信息融合基本原理及应用

全面系统地阐述了多传感器信息融合技术的信息融合理论、模型、算法和应用,并对目前信息融合在机器人、故障诊断、图像处理等领域的应用现状进行了剖析。信息融合技术虽然发展迅速。但由于信息融合技术理论尚待完善,在融合算法、融合模型以及关联的二义性等方面还存在问题。信息融合理论在多传感器分布检测、异类多传感器融合以及建立信息融合数据库和知识库等方面将有进一步发展。     

基于多传感器信息的冗余度机器人运动规划与控制

提出了一种基于多传感器信息的冗余度机器人规划与控制的模型,利用不同传感器本身的特性，分阶段地对多传感器的信息进行融合，减少规划时间, 并在冗余度机器人的运动过程中，不断地提高位姿检测的精度．将远距离的宏观规划和近距离的微调结合起来，增加了抓持的可靠性．利用移动冗余度操作臂系统结构的几何特点进行了运动学分析、避奇异的方法研究及仿真对比分析．应用所提出的研究方法获得了较好的实验效果．     

目标识别中的信息融合技术

在信号检测中,单一传感器只能反映被测对象某一方面的特性,信息融合可融合多传感器信息,获取对对象较全面的认识。比较全面地阐述了目标识别中信息融合技术的结构和方法,分析了各种方法的优点及缺陷,提出了信息融合发展的一些问题。     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著;从传感器信息融合的角度看,神经网络就是一个融合系统;通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求.     

基于多传感器信息融合的避障循迹机器人设计

目前循迹机器人在多传感器信息融合、多行为冲突等问题的解决上尚存缺陷,不能准确识别U形等复杂障碍并智能选择最优避障路径.设计以QT89S52单片机作为轮式机器人的MCU,使用红外和超声波传感器采集周围环境信息,综合优先级裁决方法和模糊行为融合法处理多传感器信息,控制轮式机器人的运行状态,较好地处理循迹过程中存在的各种行为以及行为冲突,更准确地检测识别标志信息,以最优路径避开U形等复杂障碍并保证循迹的快速性和准确性.将所提出的方法应用在轮式机器人上,结果验证了其有效性.