结构健康监测中的数据融合技术

目的为了充分利用大型结构健康监测系统中来自不同时间与空间的多传感器信息资源，获得被测对象的一致性决策和估计任务。进而提高确诊率．方法从多传感器数据融合的概念、基本原理出发，探讨了数据融合技术在结构健康监测与诊断中应用的可行性，重点研究了基于人工智能的数据融合技术在结构健康监测及诊断中的应用方法．结果提出了小波概率神经网络数据融合损伤检测技术及其在结构损伤检测中的应用．结论基于多传感器数据融合的健康监测与诊断是可行的、有效的．     

悬臂板损伤数值模拟试验与WPNN识别方法

通过分析小波概率神经网络(WPNN)与数据融合技术在工程结构损伤识别中的应用原理,建立了基于小波概率神经网络和数据融合技术的模型.对悬臂板结构进行了数值模拟试验,运用损伤单元数据作为输入向量训练了WPNN与数据融合的损伤识别模型,并选取4个单元作为检验样本进行检验,检验的结果与数值试验分析吻合较好,从而表明,该方法在工程结构的损伤识别中有较好的应用价值.     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

基于振动的结构健康监测技术

介绍了基于振动的结构健康监测与诊断的基本概念与理论,论述了基于振动和神经网络方法的结构损伤检测的原理、策略及其在土木工程中的应用,重点探讨了各种结构损伤检测技术存在的问题及有效的解决方法.考虑到测量噪声及特征参数对实际结构检测的影响,提出了自适应概率神经网络(APNN)和主组分分析(PCAPNN)技术,并用三种概率神经网络(传统概率神经网络TPNN,APNN和PCAPNN)模型对某悬索桥进行了结构损伤检测,结果发现APNN的识别精度最高,PCAPNN次之,TPNN最差.     

多分辨率损伤检测结果的最大联合概率融合算法

针对大型复杂结构分布式损伤检测系统中的多种损伤检测方法的检测结果融合问题，提出了最大联合概率（MJP）决策融合法.通过分析子损伤检测方法的检测概率与最终损伤检测结果正确概率的关系，根据贝叶斯决策原理得出了形式简单的MJP决策融合准则，并通过分析子损伤检测方法所得损伤状态的从属关系，将MJP决策融合准则推广应用于有无损伤、损伤区域、损伤程度等不同精细程度等级上的多个损伤检测结果融合.算例分析表明MJP决策融合算法适用范围广，可大幅提高最终损伤检测结果的正确概率.由该算法得出的子损伤检测结果正确概率和子损伤检测结果个数等参数对最终检测结果正确概率的影响规律，为分布式结构损伤检测系统的设计提供了依据.     

土木工程结构损伤检测中的神经网络方法

结构损伤检测与识别对结构安全及人们生命财产具有重要意义．近年来结构损伤检测中的神经网络方法受到了广泛的关注和研究．对神经网络方法在结构损伤检测中的研究进行了综合论述．阐述了各类神经网络方法在损伤检测中的应用、输入输出数据的不同类型、结构建模误差对检测效果的影响和分步损伤检测方法等。并对神经网络方法在损伤检测中的发展前景作了展望．     

油料装备故障检测数据融合研究

为解决油料装备检测数据庞大、故障不易诊断的问题,对油料装备故障检测数据融合进行研究。提出基于神经网络的状态检测数据融合模型,采用三步训练法进行传感器验证。使用数据压缩技术,将整个数据集投射到低维空间,将模式识别和多元统计技术作为故障隔离的单个分类器,利用后验概率进行特定类Bayesian融合,执行融合中心与单个分类器的联合优化。提出基于阶乘隐Markov模型的动态多故障诊断方法,通过寻找最大后验配置实现多分类器动态融合。应用结果表明该方法可提高对油料装备故障的诊断率。     

分布式CFAR信号检测

带有分布式传感器和融合中心的检测系统已应用于监视系统中．文中提出了多传感器检测空间的划分，以及先分区融合再系统融合的方法，并且在不同的检测区域，多传感器采用不同的门限；已往所有传感器探测同一区域，融合中心采用所有传感器判决的ＡＮＤ、ＯＲ和“Ｋ／Ｎ”规则，和这些规则相比，文中的方法更加合理和实用．利用Ｂｏｏｌｅａｎ代数，文中还推导了多传感器检测系统的检测概率和虚警概率表达式．对于由几个单元平均恒虚警率（ＣＡ－ＣＦＡＲ）检测器组成的系统，通过分区融合和系统融合，可以在融合中心得到总的判决．对于Ｒａｙｌｅｉｇｈ目标和干扰，固定系统的虚警概率为某一要求值，通过使系统的检测概率最大来获得每个ＣＦＡＲ检测器的最佳门限．最后，举例说明了这种方法的应用并分析了其性能．     

多传感器数据融合技术在智能压力检测中的应用

传感器之间大都相互影响，存在交叉干扰，这将直接导致传感器稳定性下降，以及测量精度降低等。提出一种基于神经网络的多传感器数据融合技术处理方法，并将其应用到智能压力检测系统中。通过对融合前后的数据进行比较分析，表明该方法大大降低了交叉干扰，有效提高了测量精度，达到了预期效果。     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

Obstacle detection of mobile robot based on data fusion

To study the problem of obstacle detection based on multi-sensors data fusion,the multi-target tracking theory and techniques are introduced into obstacle detection systems,and the exact position of obstacle can be determined.Data fusion problems are discussed directly based on achievable data from some sensors without considering the specific structure of each individual sensor.With respect to normal linear systems and nonlinear systems,the corresponding algorithms are proposed.The validity of the method is confirmed by simulation results.     

结构损伤存在检测的两种神经网络的比较研究

目前采用的新奇检测方法——自联想记忆神经网络方法,当所用的测试数据具有不同噪声水平或为非正态分布时,会得出错误的结果．为此,提出了一种新的方法——统计神经网络方法,用于结构的损伤存在检测,并用“可能性”来描述结构损伤的存在．通过一个两层框架的数值模拟和一个简支梁的实验数据进行对比性研究表明,统计神经网络可以用来检测结构的损伤存在,具有比自联想记忆神经网络更好的检测效果．     

集成神经网络信息融合在故障诊断中的应用

随着设备复杂性的提高，采用单子神经网络信息融合在故障诊断中已无法给出正确的判断。根据实际应用的需要，在讨论集成神经网络信息融合优点的基础上，提出一种集成神经网络信息融合的故障诊断方法，给出了它的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用，最后应用集成神经网络对工业CT系统中的驱动器故障诊断进行了仿真。该方法通用性强，为工业CT系统其它部件的故障诊断提供了较好的模型和方法。     

考虑不确定性因素的结构损伤检测方法

结构损伤检测是当前国内外学术与工程界研究比较活跃的领域，如何将不确定性的因素与确定性的损伤检测方法相结合，并应用于实际的复杂工程结构中是当前亟需解决的课题。在贝叶斯概率处理不确定性信息的基础上，提出了运用概率神经网络（PNN）进行复杂结构的损伤检测方法，并分别用传统PNN和自适应PNN对悬索桥的桥面板进行了损伤检测，以验证该方法的有效性。研究表明，运用PNN进行损伤检测是可行、有效的，自适应PNN极大地优于传统PNN，且随着噪声程度的增大，自适应PNN的优越性更显著。     

一种基于多模态特征融合的骨质疏松评估方法

针对现有骨质疏松评估中诊断依据单一、准确率低的问题,综合考虑骨骼图像数据和问卷数据,首先提出一种基于深度神经网络的多模态特征融合骨质疏松评估方法;然后,针对骨骼图像特征较浅、结构固定的特点,使用Unet进行图像分割预处理,去除冗余信息以提升分类准确性;最后,针对普通卷积操作在把握全局信息方面的不足,提出采用基于non-local模块的卷积神经网络来进一步丰富特征信息.交叉验证结果表明,提出的多模态特征融合方法与仅单独使用图像数据或问卷数据的机器学习方法相比具有明显的优势,分类准确率分别提升了3.2%和22.3%.     

快速路截面数据和车牌识别数据融合算法

为了提高快速路交通流检测精度,在对快速路截面数据和车牌识别数据预处理方法研究的基础上,提出了基于遗传算法优化的BP神经网络数据融合算法,并以VISSIM模拟交通流数据为对象,通过MATLAB程序实现该算法的仿真验证,同时与传统BP神经网络融合算法进行对比分析.结果表明,该算法融合的平均相对误差为0.73%,传统BP神经网络融合的平均相对误差为1.55%,融合精度显著提高.     

基于特征向量简化的复杂土木结构损伤检测

针对PNN在有噪声情况下进行结构损伤检测时输入矢量数目大,匹配模式多,训练时间长的缺点,提出了运用主组分分析法来处理数据的概率神经网络损伤定位方法.研究发现,运用该方法进行损伤定位,不仅输入矢量数目和训练时间少于未简化的PNN,而且可以极大地提高损伤定位的识别精度.