基于贝叶斯估计的放入式电子测压器准静态校准数据处理方法

为解决贝叶斯估计法无法用于直接处理准静态校准数据的问题,提出了一种先对数据进行预处理,随后进行正态性分析获得正态性参数,最后依据正态性参数进行贝叶斯估计的多传感器动态测试数据融合的处理方法。经过计算分析,放入式电子测压器准静态校准数据具有较好的正态性,使用贝叶斯估计法处理充分考虑了测试数据的统计规律特性,减轻了多传感器测试系统中单传感器对测量整体结果的影响;经实验验证,其同时明显提高了数据相关性,能进一步提高测试可靠性。对于火炮膛压的精确测量有显著意义。     

基于数据融合的压力传感器静态特性研究

通常传感器的输出值不仅决定于目标参量,还会受到非目标参量的影响。为此,采用BP神经网络技术对其进行数据融合处理,以消除非目标参量对传感器输出值的影响。试验结果表明:该方法很好地抑制了传感器的交叉灵敏度,提高了其测量准确度。     

传感器静态校准数据最佳拟合直线的一种求取方法

根据切比雪夫最佳逼近理论提出了求取传感器静态校准数据最佳拟合直线的方法，相应的程序运行结果表明了数据拟合的最优性。     

压力传感器准静态“绝对校准”

介绍了传感器准静态校准的意义及落锤动标装置的工作原理 ,阐明了传感器准静态“绝对校准”的定义及方法 ,按照传感器的压力量程 ,设计了相关模型段的重锤———油缸组件 ,根据实验数据建立了各压力段的“绝对校准”模型 ,并通过实验验证了模型的可行性     

压力电测系统的静态及准静态校准适用性探讨

火药燃气压力最常用的测试方法为压力电测法.用于火药燃气压力测试的常用电测系统包括应变式、压阻式和压电式3种压力电测系统.为保证压力测试精度,需对压力电测系统进行校准.针对以上3种压力电测系统,对于可获取系统灵敏度的两种校准方法——静态校准和准静态校准,分别阐述了两种校准方法的目的、实现、量值传递,根据3种压力电测系统的不同特点,比较了两种校准方法的适用性,并给出了各种校准方法目前所能达到的不确定度.     

一致性多传感器数据融合方法的改进

多传感器数据融合是指将经过集成处理的多传感器数据进行合成，形成对外部环境某一特征的一种表达方式的过程。本文首先介绍了Ｌｕｏ［１］的一致性多传感器数据融合方法。然后，针对Ｌｕｏ方法的不足之处，改进了一致性融合方法。该改进方法计算量小，能简便、快速地确定一致性的传感器数据。     

基于信噪比的多传感器数据融合方法

针对多个传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于信噪比的多传感器数据融合方法.该方法首先视各传感器的测量值为模糊集合,利用模糊集合中的最大最小贴近度来度量不同传感器测量值之间的相近程度,其次给出了不同时刻各传感器的一致性测度,然后基于信噪比定义了一致可靠性测度,最后利用一致可靠性测度得到传感器数据的融合公式.应用实例验证了该方法的有效性.同时,通过与平均值法和可靠性融合法的比较分析,表明该方法具有较好的稳健性.     

基于参数估计的多传感器数据融合

探讨具有随机扰动的环境中同一特征的不同传感器测量值的融合问题，并在理论上给出了基于参数估计的多传感器融合算法，分析了正态分布数据的融合计算公式，并提出以数据探讨技术中的分布图方法来获得一致的传感器数据，从而提高了算法的鲁棒性。     

基于信息熵的多传感器数据的融合方法

针对多只传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的信息熵,提出了一种新的多传感器数据的融合方法。该方法以最小化各传感器测量数据的信息熵之和为目标函数,通过求解极值问题,得到了多传感器数据的融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失。该算法简洁稳定,可用于提高智能仪表的测量准确度和改善智能仪表的抗干扰能力。     

基于数据融合技术改善传感器输出特性

介绍了多传感器数据融合的概念、原理及特性,并以振筒式压力传感器为例,通过采用二传感器融合算法,降低传感器对温度等非目标参量的交叉灵敏度,改善传感器的输出特性。     

基于多传感器数据融合的漏磁信号采集与处理

漏磁检测以其高信噪比、高灵敏度和高检测效率,在无损检测中得到了广泛应用。随着科学技术的发展,传统的信号处理方法越来越不适应现代工业的需要,提出一种基于多传感器数据融合技术的漏磁信号处理方法。采用小波去噪的方法,并利用径向基函数(RBF)神经网络的数据融合技术对缺陷信号进行检测处理。仿真结果表明,采用这种方法可以有效提高系统的检测能力和信号精度。     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

多传感器数据融合的主成分方法研究

针对多个传感器对某一特性指标进行测量实验的数据融合问题,提出了一种基于主成分分析的融合方法。该方法把各传感器的测量数据作为一变量,定义总体的各主成分,利用测量值与主成分的复相关关系,给出了各传感器的综合支持程度和数据融合公式。应用实例验证了方法的有效性和精确性。     

多传感器数据融合的概率权方法

针对多传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于概率基本理论的融合方法。该方法把各传感器的测量数据作为一随机变量,利用测量值的样本数据,确定测量值随机变量的取值范围,估计出样本均值和样本标准差,从而得到各传感器数据融合的概率权,并给出数据融合公式。应用实例验证了该方法的有效性和稳健性。     

多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。     

基于多传感器数据融合的机器人里程计设计与实现

设计并实现了一种基于FPGA和多光电鼠标的高精度机器人里程计。多个PS/2光电鼠标传感器测量位移数据,利用FPGA解析PS/2协议并完成数据融合,得出高精度机器人里程计结果。针对传统Luo一致性数据融合算法的缺陷进行改进,并通过归一化特征值加权法得到每个传感器测量值被系统综合支持的程度,完成多传感器测量数据融合。实验结果表明:该数据算法计算步骤固定,方便在FPGA上实现;该里程计在有异常数据干扰情况下,能够达到较高的测量精度。     

一种同质的多传感数据融合新算法

提出一种同质的多传感数据融合新算法,充分利用了所得信息,克服了融合过程中必须依赖于多传感数据之间关系阀值的人为经验设置问题。并把新算法应用于测控装置中,计算结果表明:新算法能对多传感数据进行有效融合,提高了抗扰动性,保证融合结果有较好的精度和高可靠性。     

基于WNN的BP算法的多传感器数据融合研究

小波神经网络（WNN）是将小波理论和神经网络理论结合起来的一种神经网络,有较强的函数学习能力和推广能力及广阔的应用前景。采用基于WNN的BP权值平衡算法对多传感器测量的结果进行特征级的数据融合,融合结果提供给决策级判断。该融合算法避免了BP网络收敛速度慢,易产生局部最优解等缺点,提高了学习的速度、精度。仿真结果表明了该方法的有效性。     

基于D-S证据理论的数据融合井下监测方法分析

针对矿井单传感器监测系统监测数据单一、不确定性较高的缺陷,利用基于D-S证据理论的多传感器信息融合技术,在对原始数据分析处理的基础上,把多种参数通过数据融合模块实现对井下工作环境安全性的评估、决策。同时,可根据各参数间的相关性获得更多单传感器监测系统所无法获得的井下环境信息,极大地提高了数据采集的可靠性、全面性和矿井监测系统的有效性。