一种基于多传感器决策融合的新颖监控方法

提供了一种基于多传感器决策融合的新颖监控模型和方法,该方法在传感器层实现分布式判断过程即每个传感器产生一个局部判断结果后,再送到全局决策融合中心,由融合中心作出最终判断结果从而实现大型工控系统的监测目的。这种方法在研制开发的吉林丰满水电站监控系统平台上进行了具体的实验和测试,结果表明融合模型和方法是可用的、可信的,其控制与决策方式是通用的,在其它工控领域可推广应用。     

基于LabVIEW和多传感器融合技术的数据中心温湿度监控系统

为了改善传统的使用人工方法监控机房环境的状况,提出以多传感器融合技术为基础,LabVIEW为开发平台的数据中心温湿度监控系统,实现了对数据中心温湿度的实时采集、记录、存储和回放等各项功能.该系统采用多传感器数据融合技术对机房温湿度环境因子进行数据融合,对数据中心环境状况做出更为准确的判断.通过实验证明,该监控系统能够满足数据中心温湿度环境监控的要求,具有系统实用性和扩展性强的优点,为以后扩展其他环境因子监测做好了准备,并且也是LabVIEW参与实际应用的一次有益探索.     

一种基于多传感器轨迹融合的伪实时场景监控系统

在分布式多传感器融合系统中,各局部传感器接收到量测信息后,经关联得到局部轨迹,再将该轨迹送入融合中心进行处理.本文对一种伪实时场景监控系统,实现轨迹关联后,提出根据固定场景量测误差的先验知识,计算轨迹修正函数,以获得更好的轨迹融合结果.实验结果表明,该算法能够实现伪实时的轨迹关联与融合,充分考虑了场景所造成的量测误差,融合效果优于加权融合算法.     

一种基于博弈融合模型的PID参数整定方法

将多传感器信息融合理论应用于大型非线性系统的PID控制中。引入博弈算法解决了传统信息融合系统中信息冲突环境下的决策问题，实现了融合中心的多传感器交互决策。并将该模型用于丰满水电系统调速器PID控制的参数在线调整。经计算机仿真实验表明，该模型可以有效地解决原PID控制参数整定困难而导致的系统转速和频率振荡等问题。     

环境监测有害成分的数据融合及其水质状况评价

文章首先提出安全态势评估模型,实现网络安全趋势的预测,使传感器采集的数据信息的完整性和机密性得到保证。然后采用数据融合与数据挖掘相结合的方法,对水质监控传感器采集的数据信息进行融合并依据D-S证据结构进行决策,提出一种用于监测水质的D-S证据决策方法。该方法分析水质环境的变化,克服了对每个传感器采集的信息分别进行处理时的不确定性和不稳定性。实验表明,该方法有效。     

分布式检测系统的一种软决策融合算法

在分布式检测系统中,为了进一步提高系统的性能,各传感器可以向融合中心发送多位二进制判决信息.对于这种发送多位判决信息的软决策融合系统,提出了一种对各传感器观测空间进行再划分的方法,它将各传感器的观测空间按照其检测概率和虚警概率进行再划分.这种划分方法能够简化融合中心的计算,且计算机仿真结果表明,应用该方法后融合系统的检测性能有明显的提高.     

面向信息融合的煤矿监测监控系统传感器管理方法的研究

文章根据煤矿监测监控系统的特点,从信息融合的角度探讨了传感器管理的功能及管理方法,并在该基础上利用模糊Petri网对煤矿监测监控系统中的传感器管理模型进行了仿真分析。仿真结果验证了该方法的有效性。     

基于模糊评判的决策级信息融合算法的研究

文章针对水电故障诊断系统中普遍采用的传感器阀值判断方法引起的信息损失问题,将决策级信息融合技术应用于故障诊断系统中。在模糊综合评判技术和软判决融合结构下,提出了一种新的决策级信息融合算法。该算法以合成运算和全局决策融合来自多传感器的局部判决以获取所处理对象的综合决策分析,并通过在丰满水电仿真系统的故障诊断系统中的实际应用表明该算法优于传统的故障检测方法。     

采用多传感器信息融合的电厂电缆监控系统

围绕信息融合技术在火电厂监测系统的应用展开研究,探讨了信息融合技术工作原理,对多传感器融合算法进行了研究.结果表明,采用多传感器信息融合可以提高系统的测量精度和决策水平.将该技术应用于电厂电缆过热监控系统,在实际运行中取得了良好的效果,保障了电力设备的安全.     

LSFR算法在多传感器分布式检测中的优化研究

在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难.提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能.仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显著提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性.     

模糊数据融合在多传感器环境监测中的应用

文章提出了一种应用多传感器模糊数据融合技术的信息检测方法。该方法采用多传感器监测被测环境的温度、湿度和通风量等参量,将多个传感器所获取的多元信息模糊化后,经过融合中心的合成运算和决策规则的运用,获取被监测环境状态参数的精确估计,最终用于信息决策。实验结果表明,该方法能有效地提高环境状态监测的准确率,增加状态监测的置信度,提高监测系统的性能。     

兼具柔顺与安全的助行机器人运动控制研究

针对助行机器人的柔顺性和安全性问题,基于多传感器系统融合技术,本文提出了一种能够兼具柔顺与安全的助行机器人运动控制方法.首先介绍了助行机器人的机械结构、控制原理以及多传感器系统,然后根据机器人多传感器系统,设计出各传感器相对应的用户意图估计方法,提出了一种基于多传感器融合的助行机器人柔顺运动控制算法.分析用户可能发生的跌倒模式,使用基于卡尔曼滤波（Kalman filter,KF）的序贯概率比检验（Sequential probability ratio test,SPRT）方法和决策函数来判断用户是否会跌倒,并判断处于哪种跌倒模式.最后,通过助行机器人柔顺运动控制实验和用户跌倒检测实验验证了算法的有效性.     

基于N-P准则的水声信号检测系统信息融合

多基阵数据融合技术在水声信号处理中具有重要意义，本文给出了基于Neyman Pearson准则的多传感器分布式水声检测信息融合系统．研究了全局最优融合系统以及局部传感器的最优判决准则．在假定各传感器检测独立的情况下，对三传感器的情况进行了仿真．结果表明，检测系统的性能有明显提高．     

基于改进C-SVC的工控网络安全态势感知

工控网络攻击类型多样、强度不一,在这种情况下,传统检测技术无法对多种类型的攻击进行有效识别,也无法给出全面准确的工控网络安全态势.为此,提出工控网络安全态势感知模型:首先采取改进的C-SVC算法对多源数据进行规则提取;然后利用决策融合算法进行决策层融合,获取最终态势感知结果.实验结果表明:所提出的模型和算法能够有效地识别多类型攻击,准确判断出系统遭受到的攻击,并形成态势感知结果.     

多传感器数据融合的多准则决策模型

在多准则下考察传感器的融合权重, 提出一种新的多传感器数据融合方法. 通过多个性能指标折中估计传感器权重, 以降低决策的主观性和偶然性; 提出从不同融合级别来定义多个准则, 定性地提高了多准则的信息量; 在没有决策者对各准则偏好信息的情况下, 以最小化准则冗余度和最大化评价差异度为原则建立多目标优化模型对准则权重向量优化求解. 仿真实验结果表明, 相比于单准则和单层次的融合方法, 所提出方法具有更低的决策风险和更高的稳定性.

     

煤矿安全监测多传感器分层数据融合模型研究

为提高多传感器检测系统预警的精度,降低多传感器监测过程中出现的状态不明或状态误判的发生率,提出了一种多传感器分层数据融合模型。该模型在数据层运用层次分析法确定隶属度和相应权数,在特征层运用模糊评价法进行数据融合,在决策层运用D-S证据理论进行数据融合,可根据对应输入融合数据类型的不同运用合适的算法进行计算处理。试验结果表明,与初始数据比较,该模型能够将目标的安全、轻微、危险3种状态的隶属度分别提高8.3%,6%,29.2%,验证了该模型的有效性。     

模糊推理和聚类分析的信息融合应用研究

针对采用多传感器信息融合在可视化远程监控系统中的应用,提出了一种基于聚类分析和模糊推理算法。运用多传感器信息融合模型建立二级数据处理单元系统,对环境信息进行多方面监测。聚类分析和模糊推理算法为准确地判断环境状态提供依据,进而达到校园公共环境的监控和预警。     

基于多传感信息融合的轨道线形检测

多传感信息融合是实现轨道线形高精度检测的重要方法,而加速度计和陀螺仪是多传感信息融合中的关键传感器。为了解决加速度计和陀螺仪存在累积误差导致测量精度较低的问题,提出一种基于多传感信息融合的轨道线形检测方法。基于捷联惯性系统和双目视觉的测量原理,建立了双目视觉与惯性测量结合的多传感数据融合模型,并利用扩展卡尔曼滤波实现了双目视觉、加速度计和陀螺仪测量信息的融合,提高轨道线形检测精度。通过实验进行验证,结果表明：基于多传感信息融合方法的测量精度比惯性测量方法提高了近9倍,且测量所得坐标在三个方向上的最大位移绝对误差不超过0.536mm,可有效实现高精度轨道线形检测。     

基于信息融合技术的多传感器大气波导探测研究

结合我国大气波导探测技术发展的实际情况,引入了信息融合技术,介绍并分析了采取多传感器大气波导探测的可行性和必要性,提出了信息融合中的关键技术。结合GNSS探测大气波导和气象水文模型计算大气波导2种方法的特点,初步建立了多传感器大气波导探测系统的信息融合体系结构。