机器人超声波与红外线传感器测距系统的数据融合研究

本文针对机器人工作环境的特点，提出了采用超声波与红外线传感器共同测距．弥补单一使用超声波传感器带来的缺陷．应用自适应加权数据融合技术，实现两种传感器在功能上的互补。实验结果表明．系统提高了整体测距精度，得到了被测距离更加准确的估计。     

基于自适应加权融合的汽车衡故障传感器预估

传统汽车衡任意一路称重传感器发生故障都将导致称重系统失效。提出了一种基于自适应加权融合的汽车衡故障传感器预估方法:根据多路称重传感器输出相关性和相邻传感器输出比值的相关性,建立基于径向基函数神经网络(RBFNN)的故障传感器输出预估网络和传感器输出比值的预估网络,得到两组冗余估计信号,采用自适应加权融合方法完成冗余信号融合,获得故障传感器输出估计值。仿真实验与现场测试表明,采用该方法的故障传感器称重误差小于任何单个预估网络误差和算术平均值融合误差,任一传感器发生故障时的汽车衡整体称重误差≤0.5%,避免了称重系统失效。     

基于AFKF的多传感器加权融合算法

为实现对被测物体在匀速、匀加速以及变加速运动状态下的动态位置进行精确测量,提出一种基于自适应渐消卡尔曼滤波的多传感器加权融合算法,将各子传感器测量数据进行自适应渐消卡尔曼滤波,并由获得的均方误差阵实时为位置测量的估计值自适应分配权重,最终进行加权融合。通过算法的实例应用验证,与传统的MSIF-SKF算法相比,该算法具有更高的动态位置检测精度。     

多传感器支持度和自适应加权时空融合算法

针对多传感器测量数据中含有的噪声,提出一种基于多传感器支持度和自适应加权时空融合算法。时空融合算法将数据融合分解为时间和空间两次融合估计,先采用支持度和基于时间的递推估计进行第一次融合,再通过自适应加权估计在空间上进行第二次融合。该算法不需要知道传感器测量数据的任何先验知识,只利用空间位置中多传感器的方差变化,通过调整参与融合的各传感器的加权系数,使融合系统均方误差始终最小。     

一种基于多方法的多传感器数据融合算法研究

提出了一种基于多方法的多传感器数据融合算法,分批估计融合求得单传感器最优估计值,然后依据权值最优分配原则进行分组自适应加权融合处理.通过对多热电偶测温的实测数据分析表明,与算术平均值法、单传感器分批估计和自适应加权相结合的算法以及单传感器分批估计和多传感器分批估计相结合的算法相比,绝对误差分别降低3.52℃,1.28℃和1.227℃,相对误差分别降低0.294％,0.107％和0.102％.     

基于多传感器的温湿度检测系统

为了准确可靠的监测温湿度的变化情况,弥补单一传感器的不足,使用多传感器的方法,运用自适应加权融合算法对结果进行数据融合,提高了系统的精度和可靠性,扩展了时间和空间的监测范围。     

基于最小二乘原理的多传感器加权融合算法

以存在随机扰动环境中的不同参数多传感器为研究对象，基于最小二乘原理，提出了一种加权融合算法，推导出各传感器的权系数与测量方差的关系。并且根据测量信息，提出了一种方差估计学习算法，实现对各传感器测量方差的估计，从而对各传感器的权值进行合理的分配。该算法简单，能快速、准确的估计出待测物理量的状态信息。     

基于多传感器数据融合的多目标跟踪算法研究

针对复杂环境下多传感器多目标跟踪问题,提出一种基于改进动态加权数据融合的UKF滤波多目标跟踪算法。该算法基于分布式融合结构,对于每个传感器得到的多个目标的观测信息,首先通过最近邻(Nearest Neighbor,NN)数据关联算法进行航迹关联;然后用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)完成对多目标状态的估计,得到目标最新的运动轨迹;与此同时,综合多个传感器估计的目标轨迹,应用改进的动态加权数据融合算法,得到最终的目标轨迹。仿真结果表明,该算法能有效地发挥多传感器数据融合优势,准确地跟踪多个运动目标。与单传感器目标跟踪相比,多传感器数据融合后的目标跟踪精度提高20%以上。     

多传感器测量数据的切尾加权融合算法

为了对随机扰动环境中得到的管道壁厚测量数据进行稳健融合估计,提出了一种多传感器测量数据的切尾加权融合算法.利用数据探测技术中的切尾均值概念构造最优加权因子,从而求得多传感器测量数据的稳健融合估计值.融合实例表明,该算法能有效地提高系统测量的稳健性,且具有精度高、运算简单的特点.     

基于移动机器人的多超声波传感器信息融合

智能化是未来机动机器人的发展方向,而智能化的基础是传感器技术的发展,机器人信息融合技术则弥补了使用单传感器带来的缺陷。本文利用多超声波传感器系统荻得移动机器人的环境信息,并使用人工神经网络对多传感器信息进行融合,从而达到对被测物体影像比较准确的认识,试验表明效果良好,具有很好的使用价值。     

基于数据融合技术的电力变压器在线故障诊断研究

提出了基于疏失误差的单传感器改进型分批估计数据融合算法,运用高端C8051F140型MCU的强大运算能力和丰富的外围接口电路,同时将CAN总线引入到现场数据的传输中,实现了电力变压器实时、可靠、精确的在线故障诊断。     

基于最优分组原则的多传感器分组加权融合算法

多传感器对某一状态进行测量时,将多传感器分组后进行加权融合处理,可实现对待测状态较为准确的估计,但多传感器的组合方式不同,估计效果的差异很大.本文针对分组融合算法中如何选择传感器的分组组合方式进行了研究,依据分组中传感器的个数和各组间传感器测量方差的大小关系,提出了使融合估计值最优的分组原则.并将这些原则加以数学抽象,从理论上证明了基于最优分组原则的分组融合算法的最小方差特性.最优分组原则为评价和选择传感器的分组组合方式提供了一个理论依据.实例分析表明:该分组原则极大地缩小了寻找最优分组组合方式的范围,有效地解决了在如何分组问题上的盲目性,从而使得多传感器测量时的在线优化分组得以实现.     

智能汽车激光雷达和相机数据融合系统标定

智能汽车采用激光雷达和相机的数据融合实现对环境的感知,针对数据融合中不同传感器坐标系的联合标定问题提出了特征点法和棋盘格法两种标定方法。特征点法采用专门设计的标定模板,提取若干对激光雷达和图像对应点,建立约束方程组,采用最小二乘法求解结果。棋盘格法采用张正友标定法获取相机的内部参数,利用棋盘格平面在两个坐标系的一致性,建立约束方程组,采用线性方法求解两个坐标系的外部参数初始解,再用非线性优化方法进一步优化。利用两种方法得到的标定结果将激光雷达点投影到图像上并比较其对准精度。实验表明,两种方法都可以获取各传感器坐标系之间的位置关系,其投影对准误差分别为特征点法3.03像素和棋盘格法2.33像素。     

Multi sensor data fusion for improving performance and reliability of fully automatic welding system

This paper presents a new generation of system for pressure vessel and shipbuilding. Typical pressure vessel and ship building weld joint preparations are either traditional V, butt, fillet grooves or have narrow or semi narrow gap profiles. The fillet and U groove are prevalently used in heavy industries and shipbuilding to melt and join the parts. Since the wall thickness can be up to 6 in. or greater, welds must be made in many layers, each layer containing several passes. However, the welding time for the conventional processes such as submerged arc welding (SAW) and flux cored arc welding (FCAW) can be many hours. Although SAW and FCAW are normally mechanized processes, pressure vessel and ship structures welding up to now have usually been controlled by a full time operator. The operator has typically been responsible for positioning each individual weld run, for setting weld process parameters, for maintaining flux and wire levels, for removing slag and so on. The aim of the system is to develop a high speed welding system with multi-torch for increasing the production speed on the line and to remove the need for the operator so that the system can run automatically for the complete multi-torch multi-layer weld. To achieve this, a laser vision sensor and a special image processing algorithm have been made. Also, the multi-torch welding system can be applicable for fine grained steel because of the high welding speed and lower heat input compared to a conventional welding process.     

自适应交互式融合的视觉跟踪

针对基于传统融合机制的联合跟踪器在复杂环境下鲁棒性不足的缺陷,提出一种在交互式多模型粒子滤波框架下传递概率矩阵可在线更新的自适应融合跟踪器。首先,在贝叶斯理论框架下,基于最小二乘误差估计法得到传递概率矩阵迭代更新方程;然后,利用数值积分法获得迭代更新方程的数值解;最后,结合重采样技术实现不同子跟踪器之间先验状态分布的自适应交互,以确保传递权值较大粒子对应的目标状态。在复杂环境下进行了的跟踪实验,结果验证了本文提出的自适应交互式融合机制增加了对粒子先验状态的校正功能,有效避免了因误差积累导致的"跟踪漂移"问题,使联合跟踪器的鲁棒性明显优于单一跟踪器或基于其它融合机制的联合跟踪器。     

具有随机时延的多传感器最优标量加权融合估计

在实际的计算机系统中,当观测数据通过网络被传送到远程控制器时,时常发生具有随机性的时滞或观测数据丢失现象.针对这一问题,研究了数据传输具有一步随机延迟的多传感器动态系统的融合估计问题.按照标量加权的线性最小方差信息融合准则,对基于每个单传感器得到的局部最优状态估计进行了融合,得到了全局最优状态估计.最后,给出了仿真例子,证实融合估计的效果在精度上优于基于每个单传感器的估计.     

机械振动 WSNs 子带峰值自适应量化融合编解码方法

针对智能运维机械振动无线传感器网络多传感器传输振动数据时面临传输数据量大及传输效率低的问题,本文提出一种子带峰值自适应量化融合编解码方法。首先,传感器节点对原始数据进行离散余弦变换以确保子带能量集中;然后提取出子带DCT系数中的离群值,并用子带峰值自适应量化方法对其进行量化以减少数据失真;最后,用字节融合与比特融合方法将多传感器的量化数据进行融合拼接以减少数据冗余。将提出的方法与其他数据压缩方法进行对比以验证本文方法的性能。实验结果表明,该方法在8个节点同时采集传输的机械振动无线传感器网络中,数据压缩比为8.335时,重构信噪比为20.486 3 dB,节省37.2%的传输时间,可以有效实现信道资源受限的机械振动无线传感器网络多传感器振动数据的融合压缩。     

Concentration measurement of three-phase flow based on multi-sensor data fusion using adaptive fuzzy inference system

This paper proposes a new method for the volumetric-concentration measurement of coal/biomass/air three-phase flow using multi-sensor data fusion techniques. The method integrates capacitive and electrostatic sensors and incorporates the data fusion model of an adaptive network based fuzzy inference system (ANFIS), which simulates the human׳s understanding of things. The features of the two sensor signals are extracted as the input of the ANFIS under various experimental conditions. The fusion model of the ANFIS establishes the relationship between the volumetric-concentration of the solid phase and the signal features by training with two different learning rules: the gradient descent method only and the hybrid method combining the Kalman filter algorithm with the gradient descent algorithm. Experimental results show that the ANFIS based on the hybrid learning rule outperforms the system based on the gradient descent learning rule and that the fiducial error for biomass and pulverized coal flows are 1.2% and 0.7%, respectively.