拱坝多传感器振动信号的数据级融合方法

针对高拱坝泄洪振动监测中振动传感器测试精度受水流等环境背景噪声及测点位置影响的问题,提出基于坝体结构振动响应方差贡献率的多传感器数据级融合方法,以提高振动数据的测量精度和坝体信息(频率)的完整性。该方法通过定义振动信号的方差贡献率,使振动信号的融合系数在不同时刻均随方差贡献率而动态变化,实现融合权重系数的动态分配。高拱坝数值模拟试验和原型振动测试信号数据融合结果表明,该方法可挖掘结构振动高频微弱信息,较全面地保留坝体结构的整体动力特性信息。与基于相关函数的融合方法相比,该方法在高拱坝等密频结构动力特性信息的完整性和精度提取方面具有更好的应用前景。     

基于BP网络的机器人多传感器手爪特征级数据融合

机器人手爪上装有多种传感器。为了保证手爪能完全、可靠地抓取工件，必须对这些传感器的数据进行融合。本文介绍了手爪上传感器的配置情况，进行手爪抓取工件实验，将BP神经元网络应用于传感器的特征级融合，得到手爪抓取工件的准确信息。     

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。     

两级融合的多传感器数据融合算法研究

针对智慧工厂监测环境中多源数据融合精度问题,提出了一种两级融合的多传感器数据融合方法,旨在提高多源数据融合的准确性和可靠性。该方法分为一级数据融合和二级决策融合,首先采用卡尔曼滤波结合自适应加权平均对同类型传感器进行数据降噪融合处理,其次利用人工兔优化算法(ARO)优化ELM神经网络进行决策融合。实验结果表明,基于ARO优化ELM神经网络的多传感器数据融合算法在融合精度方面优于其他先进算法。经验证,所提出的两级融合多传感器数据融合方法具有更好的融合性能,有效提升感知系统的可靠性和鲁棒性,实现更加准确和可靠的监测和预测。     

基于数据融合技术的多传感器目标跟踪系统

数据融合技术是集多种学科于一体的前沿技术.多传感器目标跟踪是数据融合技术在目标跟踪领域的应用范例,它将多个传感器信息有机合成,估计目标的运动状态,产生比单一传感器更优越的跟踪性能,在此,阐述了数据融合技术及其在多传感器目标跟踪系统中的应用.     

多传感器数据的概率最大融合方法

在多传感器信息融合过程中,有时要利用多传感器对某一对象进行不同方面观测,而数据融合的目的是要对研究对象进行类型识别,通过对数据获取过程的统计分析,给出总概率最大的数据融合方法.该方法可以避免丢失重要的极端数据,使结论更符合实际.     

基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

基于神经网络的大直径测量多传感器数据融合

多传感器数据融合技术可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率。本文将BP神经网络应用于大直径测量系统的特征层数据融合,得到准确的测量结果。     

基于有偏卡尔曼的多传感器数据融合研究

推导出偏参数为矩阵形式的有偏卡尔曼滤波(BKF)的完整迭代过程,该算法在均方误差条件下优于卡尔曼滤波(KF),可以进一步提高估计的精度.将BKF与多传感器融合算法中的扩维融合和序贯式融合相结合,推导出多传感器扩维有偏卡尔曼滤波和多传感器序贯有偏卡尔曼滤波算法,并从理论上证明了多传感器序贯BKF融合在均方误差条件下优于扩...     

基于多传感器数据融合技术的自动控制系统状态估计

给出了基于多传感器数据融合技术的自动控制系统状态估计的结构与算法。仿真实验表明，应用多传感器融合技术有利于提高系统状态估计的性能。     

STUDY ON THE COAL-ROCK INTERFACE RECOGNITION METHOD BASED ON MULTI-SENSOR DATA FUSION TECHNIQUE

The coal-rock interface recognition method based on multi-sensor data fusion technique is put forward because of the localization of single type sensor recognition method. The measuring theory based on multi-sensor data fusion technique is analyzed, and hereby the test platform of recognition system is manufactured. The advantage of data fusion with the fuzzy neural network (FNN) technique has been probed. The two-level FNN is constructed and data fusion is carried out. The experiments show that in various conditions the method can always acquire a much higher recognition rate than normal ones.     

ADAPTIVE FUSION ALGORITHMS BASED ON WEIGHTED LEAST SQUARE METHOD

Weighted fusion algorithms, which can be applied in the area of multi-sensor data fusion, are advanced based on weighted least square method. A weighted fusion algorithm, in which the relationship between weight coefficients and measurement noise is established, is proposed by giving attention to the correlation of measurement noise. Then a simplified weighted fusion algorithm is deduced on the assumption that measurement noise is uncorrelated. In addition, an algorithm, which can adjust the weight coefficients in the simplified algorithm by making estimations of measurement noise from measurements, is presented. It is proved by emulation and experiment that the precision performance of the multi-sensor system based on these algorithms is better than that of the multi-sensor system based on other algorithms.     

基于卡尔曼滤波数据融合的并联机床动态定位方法

针对并联机床动平台上主轴动态定位问题,将惯性传感技术运用于并联机床动平台的位姿测量,提出一种基于卡尔曼滤波(Kalman filtering,KF)数据融合的并联机床动态定位新方法。该方法融合动态惯性测量数据和机床各腿(支架)的编码器信息,通过KF算法补偿动态测量误差和计算误差,从而实现并联机床动平台位姿(位置和方向)的精确定位。详细介绍KF算法中惯性系统模型和外部测量模型的建立过程,以及测量变量与状态变量间的关系矩阵的推导过程。最后,进行一个单方向运动动态测量的简化试验,对并联机床动平台的6自由度位姿测量进行仿真研究,初步证实了该位姿算法的有效性。     

基于同源数据融合技术的机械故障诊断方法

机械设备故障诊断技术是一项跨学科的新技术。本文将数据融合思想引入到故障诊断领域，并将神经网络技术和数据融合技术综合使用，通过信号采集、特征提取和识别决策几个过程，研究了基于同源数据融合技术机械故障诊断方法，并在实验中验证了些种方法的有效性。