基于声纳传感器的移动机器人地图创建方法研究*

提出了一种改进的基于声纳传感器信息进行栅格地图创建的方法。将Bayes法则用于移动机器人地图创建,对多个声纳传感器信息进行融合,解决信息间的冲突问题,并根据声纳模型将测量数据集成到局部地图中,改变栅格被障碍物占有的概率。经过坐标变换后,利用Bayes法则更新全局地图中的栅格信息,实现从局部地图到全局地图的更新。实验验证了该算法的可行性与有效性。     

一种基于声纳信息的移动机器人实时导航方法

提出了一种基于声纳信息的移动机器人实时导航方法。首先建立声纳感知数据向地图映射的概率模型,将声纳感知到的环境信息以基于栅格的概率值进行表示,并利用D-S证据理论对其进行数据融合,得到机器人的局部环境。在此基础上,采用基于滚动窗口的方法进行移动机器人路径规划,最终实现实时导航。试验结果表明该方法是可行和有效的。     

栅格地图中多机器人协作搜索目标

目标搜索是多机器人领域的一个挑战.本文针对栅格地图中多机器人目标搜索算法进行研究.首先,利用Dempster-Shafer证据理论将声纳传感器获取的环境信息进行融合,构建搜索环境的栅格地图.然后,基于栅格地图建立生物启发神经网络用于表示动态的环境.在生物启发神经网络中,目标通过神经元的活性值全局的吸引机器人.同时,障碍物通过神经元活性值局部的排斥机器人,避免与其相撞.最后,机器人根据梯度递减原则自动的规划出搜索路径.仿真和实验结果显示本文提及的算法能够实现栅格地图中静态目标和动态目标的搜索.与其他搜索算法比较,本文所提及的目标搜索算法有更高的效率和适用性.     

基于经典DSmT 的Sonar栅格地图创建

基于最近提出的一种在贝叶斯和DST扩展而来的信息融合算法DSmT(Dezert-Smarandache Theory),在实验的基础上,结合Sonar测量的基本特性,对静态结构化环境建模,并构造了广义基本信度赋值函数,利用经典DSm融合规则,融合每个栅格的声纳冗余信息,计算栅格占用的Bel.最后,以Pioneer Ⅱ 移动机器人作为试验平台,并在线对小型环境进行了3D栅格占用信度分布地图创建,其俯视图与实际2D地图中的物体外观轮廓及所在位置进行比较,其比较结果充分验证了算法的有效性,为进一步研究应用基于折扣理论的DSmT解决异类或同类非可靠多源信息融合,基于Hybrid DSmT的动态环境地图创建,以及多机器人联合创建地图和自定位奠定了坚实的基础.     

基于DSmT的移动机器人地图构建及传感器管理

针对智能移动机器人探测未知环境的问题,引入了一种新的信息融合方法DSmT(Dezert-Smarandache Theo-ry),采用栅格地图,并根据声纳在DSmT框架下的数学模型,利用经典DSm模型构造了一组能自动调节误差范围的声纳基本信度赋值函数(gbbaf),以处理未知环境下声纳获取的不确定和不精确信息,甚至于高冲突信息。提出了简单有效的传感器管理方法,完全消除了复杂环境下声波的多次反射和串扰现象。最后,用Pioneer 2-DX机器人分别进行了DSmT和DST(Dempster-Shafer Theory)两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图。将DSmT与DST构建出的环境地图做比较,充分验证了DSmT及提出的传感器管理方法在未知环境下的有效性,为处理动态高冲突信息提供了有力的理论依据。     

基于混合DSm模型的移动机器人动态环境地图构建

针对移动机器人探测动态未知环境的问题,引入了一种由贝叶斯理论和Dempster-Shafer证据理论（DST）扩展而来的新的信息融合方法——Dezert-Smarandache理论（DSmT）．采用栅格地图,并根据声纳的物理特性,在DSmT框架下建立了声纳的数学模型．运用DSmT中的高级模型,即混合DSm模型,构造了一组基本信度赋值函数（gbbaf）,用以处理动态环境下声纳获取的不确定和不精确信息,甚至于高冲突信息．借助Pioneer2-Dxe移动机器人分别进行了混合DSm模型和DST两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图．将由混合DSm模型与DST构建出的环境地图进行了比较,充分验证了混合DSm模型在未知动态环境下的有效性,为处理动态高冲突信息提供了有力的理论依据．     

温室移动机器人复合栅格地图构建方法研究

针对温室环境中机器人依靠自身携带的传感器无法获取全面的环境信息,从而常导致路径规划错误的问题,提出了一种结合外部传感器系统获取温室环境信息,构建复合栅格地图的方法。首先,利用无线传感器网络定时采集对机器人通过性有影响的温度、湿度环境信息,并发送给机器人;其次,当温度或湿度数据的变化率达到设定阈值时,机器人利用阈值分割和插值法分别建立温度和湿度栅格地图;最后,将温度栅格地图、湿度栅格地图和室内障碍物物栅格地图相结合,构建动态更新的复合栅格地图。经测试,采用常规A*算法规划路径时,基于环境数据变化率阈值设定为±10%的复合栅格地图的成功率和完成时间,分别是基于普通栅格地图成功率的2.5倍,和1.05倍。结果表明,复合栅格地图能提高路径规划的成功率,并且不会由于动态更新复合栅格地图,导致机器人响应时间明显增加,实时性能满足系统的实际需求。     

基于前视声纳的AUV同时定位与地图构建

AUV要实现在未知环境中的自主导航,SLAM理论与方法是最有潜力的途径之一.本文采用前视声纳扫描水下环境,采用数字图像处理的方法对环境的声纳图像进行特征提取,并使用最邻近数据关联算法(NNF)实现数据关联,应用EKF SLAM进行水下机器人的姿态估计与环境中障碍物特征的地图构建.仿真结果表明,主动成像声纳可以成功地应用于AUV在未知环境中的自主导航;另外,通过对比点特征和线特征对AUV运行轨迹的影响,我们发现参照分布合理的点特征AUV能够更加精确地进行同时定位.     

多尺度视角特征动态融合的盗窃犯罪预测模型

针对盗窃犯罪时空预测特征融合不精、时序动态适应性不足问题,提出自注意力和多尺度多视角特征动态融合的预测模型。首先,以盗窃发案的位置信息为基础,将数据投射到地图栅格内,通过构建一种可将不同时序长度案件数据匹配为自适应长度数据的方法,并组合向量映射后的天气、作案时间、地理位置等属性,构造多维度特征融合的输入向量;其次,采用自注意力机制生成多视角特征动态融合的向量;最后,通过采用多尺度窗口CNN对多视角特征动态融合向量进行编码后送入分类器,预测出每个地图栅格内的发案态势。在某市盗窃数据集上验证,本文方法在3种地理栅格尺度下,预测准确率最高可达到0.899,显著优于其他对比模型。     

基于信息融合地图的水下机器人位置估计

建立了一种对声纳和视觉图像进行融合的模型,提出了采用高斯方法和对水下环境进行描述建立融合地图的新的表达方法。首先假定传感器的观测信息为高斯分布,通过空间关系的变换和投影将声纳和视觉投影到公共的状态空间,然后对各传感器的其它信息进行加权,并嵌入到其中,得到适合计算机处理的传感器地图。提出了对水下机器人进行位置估计及地图匹配的算法,在导航过程中通过找出当前地图与参考地图的最大相关系数,从而对机器人位置进行更新,得出其最佳位置估计。仿真结果显示：采用融合地图对水下机器人的位置估计是连续的、可计算的、有效的。     

改进证据理论的多生物特征融合方法

多生物特征融合考虑了个体的多种生理或行为特征,因而能显著地改善系统的识别性能,成为生物特征识别技术未来发展趋势之一。利用训练样本的识别率和误识率,提出了基于证据理论的多生物特征融合识别方法;对各识别专家的识别率和误识率进行分析,提出了一种基于累积频率和证据理论（Cumulative Frequency based D-S,CFDS）的多生物特征融合方法;通过几个实验证明了改进的D-S算法的有效性,提高了合成结果的可靠性。     

未知环境中无人机协同搜索信息融合方法研究

针对未知环境中多无人机协同搜索的信息融合问题进行研究,建立了环境模型及无人机搜索模型,在此基础上,提出基于D-S证据理论的无人机协同搜索信息融合方法。在协同搜索中运用该方法不仅能够快速发现目标,并能有效识别不同性质的目标。将该方法与传统的贝叶斯融合方法分别应用于多无人机协同搜索决策中,通过比较仿真结果验证了D-S信息融合方法的有效性及优越性。     

D-S证据理论在楼宇安全系统中的应用

楼宇安全是目前城市治安的重大问题,也是广大人民群众所关心的问题。本文使用基于D-S证据理论的数据融合算法,配合最小二乘法系统辨识方法进行安全预测,得出楼宇安全报警系统的判定算法。通过模拟计算,对楼宇安全报警系统信息进行多传感器融合,证明了此算法对楼宇安全判定的高效性。     

基于D-S证据理论的传感器网络数据融合算法

在传感器网络中，多个传感器对于同一目标的识别结果经常会发生冲突，本文采用基于Dempster—Sharer证据推理理论的数据融合方法来解决这一问题。然而，采用D—S证据组合公式计算融合结果，计算量过于巨大，对处理能力有限的感知结点来说负担过重，此外，计算所造成的延时也将严重影响系统的实时性和同步性．本文提出了一个基于矩阵分析的快速融合算法，该算法采用了D—S证据理论的思想，计算得到的融合结果与D—S证据组合公式计算得到的融合结果相同．本文用数学归纳法证明了这一结论，经过模拟实验验证，和直接采用D—S证据组合公式相比，该算法的计算量和所需的计算时间明显减少．     

基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。     

一种基于D-S 和ARIMA 的多模型软测量方法

针对传统软测量方法存在的预测性能差、融合能力低等缺点, 提出一种基于证据理论(D-S) 合成规则和差分自回归滑动平均(ARIMA) 模型的多模型软测量方法. 首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型; 然后利用D-S 合成规则构造的概率分配函数作为权值因子, 对子模型输出进行融合以得到多模型的输出; 最后结合ARIMA 模型对静态多模型输出进行动态校正. 仿真研究与工业应用的结果表明, 所提出的方法具有良好的预测性能和融合能力.

     

证据理论在旋转机械故障诊断中应用

针对旋转机械故障诊断中的不确定性问题,提出基于多传感器D-S(Dempster-shfer)证据理论和模糊数学相结合的信息融合算法;通过多传感器测出旋转机械振动位移和振动加速度,得出D-S证据理论中多传感器分别对旋转机械的信度函数分配值,使用改进的D-S证据算法得到融合后的信度函数分配值,由D-S合成规则确定故障类型,通过在多功能旋转机械平台上的试验得出改进后的证据理论明显提高了旋转机械故障诊断的精度.     

D-S证据理论信息融合在故障诊断中的应用

介绍D-S证据理论信息融合算法的基本原理,研究D-S证据理论信息融合理论在电子设备故障诊断中的应用,它可有效地提高故障模式的识别能力,克服单一信息诊断的片面性和孤立性.     

基于证据推理融合的网络数据流识别方法

针对多分类器决策融合研究中利用有限的训练数据对分类器概率参数估计时存在较大偏差的问题,提出一种基于D-S证据推理(ER)的多分类器决策融合算法。利用不确定性描述分类器性能,并针对D-S组合规则在分类器结果高冲突情形下易出现决策融合悖论的问题,提出基于分类器信度加权融合算法实现流量识别决策融合。实验结果表明,多数投票法和Bayes最大后验概率法识别准确率分别为78.3%和81.7%,证据推理决策融合的识别准确率提高到82.2%~91.6%,而拒识率则保持在4.1%~6.2%。     

基于改进D-S证据和融合权集的安全风险评估

针对信息化系统安全风险评估过程中安全风险因素指标的重要性难以赋权的问题,本文以建筑工地施工现场为应用场景,提出一种基于改进的D-S证据理论与融合权集结合的安全风险评估模型.首先,在充分研究建筑工地安全风险评估流程和要素的基础上,建立建筑工地安全评价体系;其次,采用基于权值分配和矩阵分析的D-S合成算法改进AHP法和基于数据的熵权法计算评价体系中指标层中各指标的主、客观权重;然后,运用改进的D-S证据融合算法进行多源证据的合成,获取指标权重,避免单一赋权的片面性,得到最优综合权重;最后,根据TOPSIS评价算法计算建筑工地综合评价指数.分析表明,基于改进D-S证据理论-融合权集的安全风险评估模型,能有效评估建筑工地施工现场的安全性,降低评估结果的不确定性,提高风险评估结果可信度.