多传感器信息融合及其在工业控制中的应用

综述了多传感器信息融合（ＭＳＩＦ） 的理论和技术,从工业应用出发给出了一种ＭＳＩＦ的结构,讨论了ＡＲＴ－ ２ 神经网络在ＭＳＩＦ中的应用,提出了聚类融合控制的思想和一种基于ＭＳＩＦ的控制系统结构。     

多传感器信息融合在焊接质量控制中的应用

利用BP神经网络,将电弧传感器和超声波传感器所获观测信息以及焊接电流、焊接速度、焊缝坡口等焊接参数信息进行有效融合,得到焊缝熔深预测模型.为了对焊缝熔深进行精确控制,结合传统PID控制器与模糊控制器的优点,设计了参数自调整模糊PID控制器,仿真结果表明:建立的焊缝熔深预测模型能够实时、快速、准确地测量得到焊缝熔深信息,在系统性能各方面参数自调整模糊PID控制器相比于传统PID控制器有着显著优势.     

多传感器信息融合技术在粮情测控中的应用

提出一种基于多参数、2级信息融合的粮情测控方法.该方法综合了多因素对粮食品质的影响.首先采用加权数据融合算法对剔除疏忽误差的同质数据进行1级融合,然后用灰色理论进行灰色关联度的2级融合,根据融合后的关联度判断粮情的安全等级.该方法充分利用多种有效监测数据,实现同质数据的优化,整体上考虑了异质数据源的互补性,提高了测控系统的可靠性、全面性.     

多传感器信息融合技术及其应用

多传感器信息融合是智能研究领域中的基础之一。它的研究内容主要包括分类、结构、层次和算法等方面。文中着重对这几方面作了较为详细的论述和分析。然后,基于人工神经网络的信息融合技术,给出了在自动化加工中实现智能监测的实例。并对今后信息融合技术的发展提出几点看法。     

多传感器信息融合测控体系在温室测控中的应用研究

对农作物生长环境的温度、湿度和光照等参数的实时监测和远程控制是农业生产现代化的重要手段,为此设计了一种以ARM嵌入式微处理器2410为硬件平台,结合Linux操作系统和ADS1.2集成开发环境,同时采用D-S证据理论和BP神经网络相结合算法的多传感器信息融合测控系统。BP神经网络提供一定数量的证据,D-S证据理论降低证据的不确定性,将这种基于二者的多传感器信息融合算法应用于农作物生长环境监控中,最终得到了在S1(T>30°)温度区间内93.47%的可信度,可见设计的基于多传感器信息融合的测控体系具有良好的应用前景。     

信息融合在燃料电池传感器故障识别中的应用

以燃料电池发动机控制系统为背景，以该系统的多种传感器为研究对象，利用神经网络信息融合的方法，构建了传感器的在线故障识别模型，给出了其算法：用MATLAB仿真验证了所给方案的有效性．能有效地识别传感器的故障，为系统获取有效的测量数据奠定了基础；     

CFNN在多传感器图像数据融合中的应用

提出一种补偿模糊理论和神经网络的混合系统(CFNN),并将其应用于多传感器数据融合,力图以此提高多传感器图像数据融合算法的性能.CFNN混合系统引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.文中介绍了图像数据融合的数学模型,并详细阐述了CFNN图像数据融合算法.仿真实验证明,CFNN图像融合算法能显著提高图像数据融合质量.     

捷联惯导评估系统中多传感器信息融合的应用

论述了在捷联惯导专家评估系统中对多传感器信息进行融合的设计方法,对捷联惯导专家评估系统和多传感器信息融合技术进行了深入的研究,同时详细分析了捷联惯导专家评估系统的硬件组成以及各传感器的工作模式,提出一种采用信息时间坐标和空间坐标转换的融合算法,实现时空匹配统一,以达到对系统中多传感器信息较好融合的效果.仿真实验结果表明:用系统中所述的多传感器融合信息进行滤波解算,准精度可以达到0.3°以下,从而提高了整个专家系统的评估精度.     

一种多传感器信息融合中的分布模型

介绍了分布式数据融合和多传感器信息处理节点的网络分布问题,阐述了一个分布式的Kalman滤波器.这个滤波器不需中央处理单元,每个节点对全局的最佳估计是通过状态空间中心获得而不是集中拓扑.它能直接对不同结构的节点和状态空间进行通信和同化问题的相关估计,解决了内部节点的转换.这种分布式结构能从个别节点得到融合信息,任何节点都可作出对全局的估计.     

基于信息融合的超谱图象分类方法研究

针对高数据维给超谱图象有效信息提取和分类造成的困难，引入了自适应子空间分解方法进行数据源的划分，并在此基础上进行了基于信息融合的超谱图象分类研究，在根据超谱数据本身特点获得的子窨上进行信息融合，有利于分类特征的集中和提取，实验结果表明，利用自适应子空间分解方法划分数据源是有效的，基于小波变换的特征层融合和基于意见一致性理论的决策层融合适合超谱图象的分类。     

基于粗糙集理论的多传感器信息融合

利用粗糙集理论的属性约简、值约简、核和不完备信息系统等概念来进行多传感器信息的融合,除了传感器测量的数据之外,无需任何额外的信息.针对完备信息系统和不完备信息系统分别提出了相应的融合算法,为解决传感器数据超载以及不完整传感器信息融合提供了有效的方法.     

基于PCA-SVM多生理信息融合的情绪识别方法

为了有效解决情绪识别过程中多种生理信息融合所导致的运算量过大的问题,提出了一种主成分分析(principal component analysis, PCA)与支持向量机(support vector machine, SVM)相结合的情绪识别方法。利用主成分分析法,求出各特征对情绪识别效果的影响权重,通过阈值法选择权重较大的特征组成新的特征子集,从而减少SVM的输入特征维数,降低算法的运算量。试验结果表明,该方法可以有效提高算法的执行效率。     

多源信息融合系统的主动式黑板结构与模型

多源信息融合依靠一个系统来实现,系统的体系结构特性决定了融合过程.该文提出了复合层次的主动式黑板结构,将信息融合处理单元的多种计算形式统一于一个系统模型.以步哨监视黑板上信息变化的方法实现了融合系统的主动性,利用结构上特性抽象地描述融合过程及系统行为建立了多源信息融合的主动式黑板模型.该模型能完备地描述融合过程并且认为它是一个非线性处理过程.主动式黑板模型能用于对多源信息融合过程的分析和仿真.     

基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.     

带有乘性噪声的时滞系统多传感器信息融合

研究了带有乘性噪声的线性时滞系统的局部最优预报估计和全局最优线性加权信息融合问题。 通过虚拟噪声补偿技术,将该问题转化为一类带有未知时变噪声的随机系统的状态最优估计问题。基于等价系统的新息重组分析及Hilbert空间上的投影定理,给出局部最优预报器设计,进而通过求解与各单传感器子系统有相同维数的Riccati方程得到多传感器分布式全局最优加权信息融合算法。与集中式融合估计算法相比,该方法无需扩维。最后通过一个仿真实例证明该算法的有效性。     

基于支持向量机与相关向量机的高光谱图像分类

高光谱遥感是将目标探测技术与光谱成像技术相结合的多维地物信息获取技术,可以同时获取描述地物分布的二维空间信息与描述地物光谱特征属性的一维光谱信息。相对于多光谱遥感,高光谱图像具有更加丰富的地物光谱信息,可以详细地反映待测地物细微的光谱属性,使地物的精确分类成为可能。本文通过对SVM与RVM的理论研究与对比分析,将这两种高维数据处理算法应用于同一高光谱图像中进行分类研究。实验结果表明,SVM的总体分类精度要略高于RVM的总体分类精度。     

基于多特征融合的运动物体识别方法研究

为了实现运动目标的实时检测,本文基于多特征融合,提出了一种运动物体分级识别方法.首先通过对运动目标的分割,分析得到各个物体的形状矩特征、面积大小及运动速度.对上述特征,采用支持向量机方法对其矩特征进行快速的一级分类,然后对一级分类结果及各物体的面积、速度等信源根据其对分类的重要程度,采用模糊积分技术进行多特征融合分类.实验表明,本方法具有较强的学习能力及较高的识别精度,可有效地应用于道路监控等系统.     

基于范例的信息融合系统体系结构设计方法研究

将基于范例的设计方法用于信息融合系统体系结构，将有助于设计方法改进．分析了数据融合树范例的基本概念及其不足之处，提出了基于数据融合树范例的信息融合系统体系结构设计方法，论述了该方法的原理，并应用此方法进行了信息融合系统的体系结构设计，包括数据融合树的设计、融合节点体系结构设计以及处理系统的体系结构设计，并在此基础上以分布式C^3I系统信息融合为背景探讨了基于数据融合树范例的体系结构设计实施方法，实践证明该方法切实可行．     

Petri网的融合系统建模与仿真

Colored Petri网是Petri网建模与仿真技术的前沿,通过使用CPN-tools仿真软件对两种融合结构(集中式和分布式融合)进行建模。在同一运行规则下,通过设置相同的参数进行建模仿真,结果表明该模型和方法是合理和有效的,可以作为进一步仿真的基础模型。