基于多传感器信息融合的智能机器人的研究

讨论粗糙集理论和D-S证据理论相结合的多传感器信息融合方法,并提出将该方法应用于智能机器人,用粗糙集对传感器数据进行简约处理和D-S证据理论实现证据的合成及智能决策,以增强系统的分辨能力,同时有效提高了系统的信息融合速度和决策的可靠性.     

多传感器信息融合及其在加工过程中的应用现状

为了提高机床的智能化水平,需使用多种类或多布点的传感器,如何合理使用多传感器来提高机床的智能化水平是关键问题,目前多传感器信息融合理论及技术是解决此问题的有效途径.对多传感器的信息融合原理和融合方法及其在加工过程中的典型应用情况进行了总结,明确智能信息融合技术在加工过程的监测与控制方面的应用具有广阔的前景.     

基于粗糙集和ART2 神经网络的多传感器信息融合

神经网络是信息融合的一种重要方法,粗糙集理论是处理不完备信息的一种技术。本文提出了一种基于粗糙集和ART2神经网络的多传感器信息融合方法。ART2网络是一种无监督神经网络,能够实现对输入的任何模式信号自动识别和分类。而对信息融合中常遇到的数据超载问题,提出采用粗糙集与神经网络结合的方法解决。文章给出了基于粗糙集理论的组合神经网络的模型结构,最后用一个脱机手写体数字识别的实例验证了该方法的有效性。     

基于多传感器信息融合双进双出磨煤机料位检测

为解决双进双出磨煤机难于实现整个运行工况精确料位检测这一问题,提出一种基于多传感器信息融合的料位检测方法,融合系统由粗糙集和模糊神经网络来实现.根据磨煤机的工作特性将其运行工况分为三个区间,应用粗糙集理论分析不同区间中各传感器信息对于融合的重要性和决策规则的置信度,再利用粗糙集分析结果构成模糊设计网络来实现从多传感器信息到磨煤机料位的映射,并将粗糙集分析得到的属性重要度和规则置信度引入到模糊神经网络的学习过程中.通过试验结果证明研究方法的有效性,能够实现各工况较为精确的料位检测.     

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。     

基于粗糙集神经网络的刀具磨损监测的研究

针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性.     

基于粗糙集的多源信息融合处理技术

基于粗糙集理论与融合分析评价提出了多源遥感信息粗糙决策级融合算法,有效地提高融合的速度和精度.基于粗糙集的决策级融合算法是一种最小算法,即基于不可分辨的思想和知识简化的方法,提出了融合处理中决策规则的最小化方法和基于粗糙集理论的规则生成技术,用来精化知识,删除冗余信息,克服信息的过分膨胀和低效现象.利用粗糙集进行信息融合能够方便地对不完整数据进行分析、推理,提取有用特征和简化信息处理,生成的融合决策规则简单易行,能够显著地提高融合速度,增强系统的决策能力.     

多传感器融合的自动驾驶汽车制动主动控制

针对目前方法进行汽车制动主动控制时，存在控制时间长、丢包率高以及控制的误差大的问题，提出多传感器融合的自动驾驶汽车制动主动控制。该方法首先建立了数据的支撑裕矩阵，通过多传感器融合算法对汽车的传感器监测信息进行融合处理。依据融合后的信息设计控制器，使用自适应遗传算法优化控制器参数。最后将监测信息输入优化的控制器中实现汽车制动主动控制。仿真测试结果表明，运用该方法主动控制自动驾驶汽车进行制动的时间较短且丢包率较低。     

多传感器信息融合的加工过程状态监测研究

加工过程状态监测是实现加工状态智能监控的前提和基础。多传感器信息融合是集成多个传感器系统,采集表征加工状态的传感器信号,通过融合分析以预测或识别或诊断不同加工状态,提升被加工工件的表面质量、加工精度和加工效率。综合分析了多传感器信息融合的状态监测的原理及流程、应用多传感器信息融合的关键技术,综述了国内外研究学者应用多传感器信息融合对加工过程刀具状态(刀具磨损)、零件状态(表面粗糙度)、机床运行状态(故障状态)等目标状态进行监测的研究成果。最后归纳总结了目前多传感器信息融合应用在加工过程状态监测存在的问题,为加工过程数字化、网络化、智能化的研究工作提供坚实基础。     

复杂工业系统的分布式递阶智能控制研究

研究了复杂工业系统的现场数据检测，信息融合，控制，管理与决策及运行状态等特点，提出了一种分布式递阶智能控制方法，多传感器信息融合处理方法和专家模糊神经网络的过程控制器，经仿真实验和复杂工业过程（冶金，电力）的应用表明，该方法和控制系统具有良好效果。     

多传感器信息融合技术的研究进展

介绍了多传感器信息融合技术出现的背景,给出了多传感器信息融合的定义、原理、框架、模型,着重归纳了信息融合技术的算法和应用,指出了信息融合技术的不足以及今后的发展方向．     

信息融合技术在刀具磨损监测中的应用

随着信息融合技术的不断发展,信息融合越来越多的被用于监测领域。本文把信息融合技术应用于刀具监测过程中,建立了多传感器信息融合刀具监测系统模型,并详细论述了基于神经网络、贝叶斯理论和D-S理论的信息融合方法。     

基于遗传小波神经网络的多传感器信息融合技术的研究

依据小波函数的非线性逼近能力和神经网络的自学习特性,提出一种小波神经网络。为使小波神经网络具有更高的学习精度和更快的收敛速度。利用遗传算法对小波神经网络权阈值的优化,设计了遗传小波神经网络。将该网络用于多传感器信息融合设计了遗传小波神经网络多传感器信息融合系统。压力传感器数据融合系统的仿真表明该方法能有效的提高传感器的输出准确度,消除非目标参量对传感器输出结果的影响,此系统还可用于其他多传感器信息融合系统,具有实际应用价值。系统设计实现简单,适合工程应用。     

多传感器技术的现状与展望

综合国内外的文献,讨论了多传感器技术应用的目的、应用场合,总结了多传感器信息融合、多传感器阵列技术、多传感器的管理等,主要的多传感器技术及方法。并在此基础上,结合作者的研究经验,给出了多传感器技术中静态特性标定、动态特性分析、误差分析等,以及有待解决的问题;展望了未来多传感器系统的前景。为传感器技术领域的科学工作者提供了一个关于多传感器技术的视窗,并给出了多传感器技术有待研究的方向。     

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OWA算子的加权属性信息融合

为了解决多传感器信息融合中不同等重要信息源的数据融合问题，在OWA算子基本概念的基础上，引入基于该算子的加权属性信息融合算法。依据属性权对各属性值进行转化，使之可以用传统的OWA算子进行合成。将这种方法应用到等级不同的多传感器目标识别中，使各传感器信息源的相对可靠性信息也融入到最后的判决结果中，解决了传统OWA算子只能用于等级相同传感器目标识别的难题。识别实例表明了该方法的有效性和实用性。     

Three-dimensional vision-based sensing of GTAW: a review

Automated and robotic welding is now widely used in manufacturing industry. The control of the welding process plays a crucial role in producing quality welds in automated and robotic welding where the assistance from skilled welders is no longer available. In gas tungsten arc welding (GTAW) which is the primary arc welding process for precision joining of metals, the weld pool is the major source of information that can be used to assure the production of desired weld penetration which is the most critical factor determining the weld integrity. To meet this challenge, various sensing technologies have been proposed/studied to sense and obtain the feedback for the weld pool state. This paper summarizes the researches on weld pool state sensing: conventional sensing technologies, vision sensing technology, and multi-sensor information fusion technology, with emphasis on the analysis of three-dimensional vision sensing methods. And three-dimensional vision sensing, multi-sensor technology, intelligent modeling, and effective commercial product development show the future trends of GTAW penetration sensing.     

基于神经网络集成、多传感器融合的机器人对障碍物的识别

基于神经网络和神经网络集成理论提出了一种多传感器信息的数据融合结构,并将其用于机器人的障碍物的识别,提高了系统的识别效率,增强了系统的可靠性。通过分别搭建识别各种障碍物的子网络,以并行集成的方式把各个个体网络组合起来,可以获得一个一个高性能的识别系统。在HEBUT-Ⅰ型移动机器人上进行了验证,取得了很好的识别效果,为机器人的正确导航奠定了基础。