基于激光点云与图像信息融合的交通环境车辆检测

随着无人驾驶汽车的快速发展,仅依靠单一传感器的环境感知已经无法满足车辆在复杂交通场景下的目标检测需求。融合多种传感器数据已成为无人驾驶汽车的主流感知方案。提出一种基于激光点云与图像信息融合的交通环境车辆检测方法。首先,利用深度学习方法对激光雷达和摄像头传感器所采集的数据分别进行目标检测;其次,利用匈牙利算法对两种目标检测结果进行实时目标跟踪,进而对两种传感器检测及跟踪结果的特征进行最优匹配;最后,将已匹配及未匹配的目标进行择优输出,作为最终感知结果。利用公开数据集KITTI的部分交通环境跟踪序列及实际道路测试来验证所提方法,结果表明,所提融合方法实时车辆检测精度提升12%以上、误检数减少50%以上。     

基于人体热释电特征多策略融合的识别方法

针对现实复杂环境中,利用单个或多个热释电传感器对人体目标识别时所表现出的不稳定性和抗干扰性较差问题,提出了一种基于人体热释电特征的多策略融合识别方法。该方法以不确定性理论为基础,首先利用不同空域的传感器,获取人体不同部位的置信度,其次结合不同的融合策略实现对人体目标的识别。融合策略分为两种,第一种策略首先使用同空域融合,然后使用同时域融合,这种策略充分利用了分布式传感网络的特性,融合了最优置信度以实现对人体目标的高精度识别,第二种策略则首先使用同时域融合,然后使用同空域融合。该策略能实现对人体目标的实时识别,但不能保证较高的识别精度。实验结果表明多策略融合既能克服单传感器或多传感器在对人体目标进行识别时,所表现出的不稳定性和不可靠性,又能增强系统识别时的鲁棒性和有效性。与其他融合方法相比突出体现了本文方法的优势。     

基于深度学习的无人驾驶汽车导航传感器异常诊断方法

近年来,无人驾驶汽车（Unmanned autonomous vehicle,UAV）作为未来智能交通系统（Intelligent transportation system,ITS）的重点发展方向已成为业内研究的热点。作为一种新兴智能交通工具,无人汽车的行驶完全依赖于导航传感器提供的精确位置和路径数据。GPS传感器因计算机黑客的恶意网络攻击或物理故障而造成导航位置数据异常或篡改给无人车的安全行驶带来了巨大的威胁和挑战。针对无人汽车GPS传感器易受攻击的现实问题,提出一种基于深度学习的无人车GPS传感器异常检测新方法。该方法通过改进传统一维卷积神经网络（1D Convolutional neural network,1D-CNN）的拓扑结构,设计出1DGAP-CNN算法框架,使其满足快速实时性的诊断要求。首先,原始的多传感器位置数据直接输入到提出的算法中进行数据融合和预处理;其次,提出的算法自动的进行特征提取、降维减参和模式辨识;最后,模型直接输出诊断结果,整个诊断过程由模型自主完成。结果表明,提出的方法相比于主流的智能诊断算法具有更高的诊断准确率和更快的检测速度。     

基于多模态特征融合的自主驾驶车辆低辨识目标检测方法#br#

针对自主驾驶车辆在真实驾驶环境下对低辨识目标的识别问题,提出了基于多模态特征融合的目标检测方法。基于Faster R-CNN算法设计多模态深度卷积神经网络,融合彩色图像、偏振图像、红外图像特征,提高对低辨识目标的检测性能;开发多模态（3种）图像低辨识度目标实时检测系统,探索多模态图像特征融合在自动驾驶智能感知系统中的应用。建立了人工标注过的多模态（3种）图像低辨识目标数据集,对深度学习神经网络进行训练,优化内部参数,使得该系统适用于复杂环境下对行人、车辆目标的检测和识别。实验结果表明,相对于传统的单模态目标检测算法,基于多模态特征融合的深度卷积神经网络对复杂环境下的低辨识目标具有更好的检测和识别性能。     

基于多传感器信息融合的滚动轴承故障诊断

为了提高滚动轴承故障诊断的准确性,引入了一种多传感器信息融合的诊断方法。将多传感器所采集的振动信号处理后,由粒子群神经网络进行故障局部诊断,以获得彼此独立的证据,再采用证据理论对各证据进行融合。试验结果表明,该方法可有效地提高诊断可信度,降低诊断的不确定性。     

基于多传感器和4G通信的真空断路器监测系统设计

为了实现对真空断路器由人工定期检修到实时状态检修的转变,文中设计了一种真空断路器监测系统。系统以STM32F103为微处理器,搭载位移传感器、加速度传感器、霍尔电流传感器和压力传感器,对真空断路器触头位移量、机械振动量、线圈电流量及触头接触压力量进行实时监测。采用EC20作为4G通信模块,将实时数据传输给上位机,实现人机交互。诊断系统根据特征波形进行故障分析,最终判断故障原因。实验结果表明,系统可以对真空断路器进行实时监测和故障诊断,确保断路器发生故障时能够及时维修。     

Winner take all experts network for sensor validation

The validation of sensor measurements has become an integral part of the operation and control of modern industrial equipment. The sensor under harsh environment must be shown to consistently provide the correct measurements. Analysis of the validation hardware or software should trigger an alarm when the sensor signals deviate appreciably from the correct values. Neural network based models can be used to on-line estimate critical sensor values when neighboring sensor measurements are used as inputs. The underlying assumption is that the neighboring sensors share an analytical relationship. The discrepancy between the measured and predicted sensor values may then be used as an indicator for sensor health. The proposed Winner Take All Experts (WTAE) network based on a 'divide and conquer' strategy significantly reduces the computational time required to train the neural network. It employs a growing fuzzy clustering algorithm to divide a complicated problem into a series of simpler sub-problems and assigns an expert to each of them locally. After the sensor approximation, the outputs from the estimator and the real sensor readings are compared both in the time domain and the frequency domain. Three fault indicators are used to provide analytical redundancy to detect the sensor failure. In the decision stage, the intersection of three fuzzy sets accomplishes a decision level fusion, which indicates the confidence level of the sensor health. Two data sets, the Spectra Quest Machinery Fault Simulator data set and the Westland vibration data set, were used in simulations to demonstrate the performance of the proposed WTAE network. The simulation results show the proposed WTAE is competitive with or even superior to the existing approaches.     

基于 ＰＬ Ｃ 的煤矿井下监测系统设计

为实现对煤矿井下恶劣工况环境的监测,针对其监测系统确定控制需求,提出了基于PLC的煤矿井下监测系统设计方案。利用安川模块化硬件搭建控制系统硬件平台,满足控制器与上位机、其他控制器节点及不同接口形式传感器的硬件兼容与扩展,为系统功能实现奠定基础。基于Visual Studio集成开发环境建立上位机人机交互界面,通过以太网实现与PLC的通信,不同PLC节点可通过内部总线进行数据交互,各PLC节点可触发传感器工作并获取反馈数据。建立了非实时系统与实时PLC间的数据同步交互机制,确保控制器与上位机数据交互的准确性和可靠性,并利用模拟工况环境试验验证了方案的正确性和可行性。     

传感器故障诊断实时监测系统设计的探讨

对大型设备运行状态监测和故障的早期诊断与预报活动中,传感器自身故障的及时发现与判别尤为重要。本文提出以设备子系统的（或某一功能的）传感器监测参数为划分原则,将单传感器的监测信号综合作为多传感器监测而进行信息的融合处理,从而判别子系统运行状态和传感器信号的真实性的构思,并探讨传感器故障诊断实时监测系统的设计方案。     

测距传感器系统的测距数据在线自适应加权融合

针对移动机器人的测距系统采用红外线与超声波传感器共同测距,避免了因使用单个传感器进行多次测量而降低系统的实时性和产生信号串扰问题。应用自适应加权数据融合算法对实时测量数据进行在线融合估计,实现两种传感器在功能上的互补。实验结果表明,该方法提高了整体测距精度,得到了被测距离更加准确的估计。     

神经网络和证据理论融合的故障诊断方法研究

针对传统故障诊断方法存在的诊断准确率不高的问题，利用数据融合原理，将神经网络和证据理论进行有机结合，使两者优势互补，提出了神经网络和证据理论融合的故障诊断方法。通过简化网络结构提高了局部诊断网络的诊断能力，并使证据理论的基本可信度分配不再完全依赖专家进行的主观化赋值，从而实现了赋值的客观化。充分利用各种故障的冗余和互补信息，显著提高了故障诊断的准确率。在材料试验机伺服系统的液压泵上进行了模拟故障诊断试验，验证了该方法的有效性。     

基于ZigBee和GPRS的液压设备远程故障诊断系统

为解决工程车辆液压系统结构复杂,不易拆卸,故障原因不易辨识等问题,提出了一种基于ZigBee无线传感器网络和GPRS网络的远程故障诊断系统。系统基于软件仿真和硬件搭建的方案,由ZigBee无线传感器网络采集液压系统工作数据,经GPRS网络传输到远程故障诊断中心。该系统具有结构简单、功耗低、易于实现等优点,并具有较强的可扩展性。     

无线传感器网络多级融合的机械故障诊断方法

针对无线传感器网络(wireless sensor networks,简称WSNs)在机械故障诊断应用中大量振动信号不能实时传输的问题,提出基于无线传感器网络多级分层信息融合的机械故障诊断方法。采用簇树网络结构扩大网络监测覆盖范围,将WSNs信息融合分为数据级融合、特征级融合及决策级融合3个级别,终端节点对原始振动信息进行数据级融合以提取特征信息,簇头节点对特征信息进行特征级融合得到模式识别结果,网关节点对识别结果进行决策级融合以评估机械设备运行状态。实验表明,该方法能有效应用于机械故障诊断。     

基于FNN-GA的车用传感器在线诊断

基于模糊神经网络与遗传算法,提出了柴油机传感器故障的模糊融合诊断策略;运用模糊推理算法,依据不同故障的传感器波形信号,对传感器故障模式进行了判别,验证了故障诊断网络的可靠性。利用柴油机电控平台,进行了柴油机MAP、RPS和TPS的硬故障和软故障等性能试验。结果表明:所设计的传感器故障诊断模型合理,诊断策略具有较好的识别率,可用于柴油机传感器故障在线诊断。     

智能移动机器人的多传感器控制避障研究

针对我们现实生活中未知的、时变的周围环境,提出了一种基于多传感器的自主移动机器人在多障碍物环境中智能避障的设计。利用自身安装的四探头一体防水超声波传感器、红外传感器为有效的环境感知提供障碍物的距离数值,采用核心芯片STM32F407处理多传感器获取到的距离数据,并将控制指令输入到执行单元。对其主控制电路、各个传感器接口的设计实现了移动机器人避障控制系统的硬件设计。通过对获得的多组传感器实验数值的分析以及对机器人样机的多次测试验证了其设计的可行性。     

基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法

为提高数控机床主轴传动系统润滑不良故障的预测能力和预知性维护能力,针对现有故障预测方法的局限性以及主轴零部件耦合、故障并发等特征,提出一种基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法。根据关联程度约简故障先兆表征参数,基于故障历史数据集定义故障先兆状态序列,结合小波分析和概率神经网络技术构建故障先兆判定模型,设计动态置信度匹配算法,进而从可靠性和正确性的角度融合各故障先兆参数状态匹配结果,在线预测故障发生的概率及时间。试验结果表明,该方法能够有效实现主轴传动系统润滑不良故障的预测。     

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。     

A feasibility study of damage tracking through the diffusive communication of wireless sensors

The objective of this paper is to investigate the feasibility of wireless sensors in the development of an autonomous structural health monitoring system. A collaborative searching algorithm is developed such that massively deployed wireless sensor nodes in a structure conveniently comprise a group and constitute a damage-surveillance perimeter. Wireless sensors in this perimeter spontaneously activate themselves for damage-tracking tasks by networking with neighboring sensors. When the damage-sensitive parameter that is measured by a sensor node exceeds a certain threshold, the process of damage-tracking begins. The proposed damage-tracking algorithm does not require any type of global control. Instead, sensor-networking and a pairwise-comparison algorithm that is implemented at each sensor node allows collaborative decision-making for tracking the changes, such as local strain, in structural properties. The extant autonomous, damage-tracking algorithms have been demonstrated through only numerical simulations for a single-damage case. Here, the study is further expanded to address the problem of simultaneously tracking multiple instances of damage in three-dimensional space by using improved algorithms for sensor networking. An event-based task-executing functionality of individual sensor nodes is successfully implemented and verified using four wireless strain sensors that are mounted on a cantilevered beam structure. Experimental results reveal that the overall capability of wireless sensor nodes is functional enough to enable a wireless-based autonomous structural health monitoring system.     

立体视觉和三维激光系统的联合标定方法

双目立体视觉和三维激光扫描是移动机器人环境探测与建模的常见传感测量方法。为实现两个系统的数据融合应用,必须为二者的测量坐标系建立数学关系,即对其进行传感器之间的位姿联合标定。为此提出了一种基于三维特征点距离匹配的联合标定新方法,设计了一种镂空棋盘格作为标定板。使用双目立体相机提取棋盘格角点三维坐标信息,使用激光测距雷达扫描获取镂空区域中心点三维坐标,最终通过最小化两组特征点的理论与实际测量距离的平方差获取两传感器坐标系之间的旋转矩阵和平移向量。进行的联合标定测量实验结果表明了该方法的准确性和可靠性。     

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.