用于判别连接状态的机器人手爪多传感器数据融合

舱外移动机器人在空间站工作时 ,其手爪与工件及空间站的安全连接至关重要。分别用BP神经网络和径向基函数神经网络 ,对机器人手爪上的力传感器、接近觉传感器和位移传感器的信息进行了融合 ,得到一个关于机器人手爪连接状态的正确判别     

面向空间应用的主从与自主式遥操作系统研究

给出了一种遥操作系统实现方法，在所建立的遥操作系统上实现了具有双向力反应的主从装配操作和基于环境模型的自主搭积木操作。研究了大时延条件下的仿真预测遥操作方法和局部自主控制方法、从动机器人自由到受限运动的稳定过渡问题和机器人任务规划及路径规划问题。     

机械臂遥操作典型任务特征分析与仿真实现

目的提取机械臂遥操作典型任务执行过程中的关键特征,建立适合于实验研究层面鲁棒性好、抽象化的遥操作任务仿真实验系统。方法分析几种典型空间站机械臂遥操作任务认知过程,提取其共同特征,建立具有极强代表性的抽象化任务。结果构建了"点对准"、"线对准"与"面对准"三类单人操作任务,"团队合作"与"团队协调"两类团队任务,并基于V-REP平台实现机械臂遥操作仿真实验训练系统。结论机械臂遥操作任务的抽象化结果可应用于遥操作类任务人机交互基础研究,仿真实验系统也可推广到机器人遥操作训练方法研究。     

神经网络-模糊推理数据融合技术应用研究

近几年来,神经网络与模糊推理技术相辅相成构成了比较完备的智能信息系统框架.本文以神经网络-模糊推理数据融合技术为主线,重点介绍模糊神经多传感器数据融合系统的建模与分析;针对C3I数据融合系统中,传感器受外界复杂环境的影响使得其探测到的传感器信息具有不确定性,通过将模糊技术、神经网络理论与 Petri网相结合,讨论了模糊神经多传感器数据融合系统的建模方法,这对于提高系统学习能力和对外界环境的自适应能力具有实际意义.     

基于环境参数融合的智能气体传感器设计

由于温度、湿度等环境参数对半导体气体传感器的测量精度有着较大的影响,对此提出了基于神经网络方法的智能气体传感器设计方法,利用神经网络对气体传感器的各种环境参数进行数据融合,以获取准确的被测气体浓度值。实验证明,该方法可以有效地提高气体传感器的测量精度,使气体传感器输出的满量程误差在±0 8%以内。通过该神经网络融合逆模型,还可以方便地根据环境参数的变化实现对气体传感器输出的补偿,从而实现传感器的智能化。     

多传感器信息融合的算法比较

神经网络技术已经越来越多的应用于传感器的信息融合,但是由于传统的神经网络结构对于计算大学习样本,需要的隐结点数很大,导致训练的时间很长,性能下降。本文提出了一种阵列神经网络的结构模型,通过将传统神经网络中的中间隐层用子网络代替,不同的信息分配到不同的子网络中,然后再进入融合层进行融合,从而克服了传统神经网络计算大容量样本的缺点。本文还结合测量压力的多传感器系统,通过比较阵列神经网络和传统神经网络对信息融合的效果和速率来研究阵列神经网络的作用。     

基于可听化技术实现对遥操作机器人传感器数据流的监视

为了验证听觉反馈在移动机器人遥操作中应用的可行性,作者应用可听化技术设计了一种传感器信息-声音映射方案,并在此基础上进行了心理物理学实验。初步的实验结果表明,通过听觉反馈遥操作者完全可以对传感器数据流进行有效地监视。     

基于分布式多子网神经网络的传感器静态误差修正

为消除温度等非目标参数对传感器输出特性的影响,本提出了一种采用多传感器数据融合技术的传感器静态误差修正新方法－传感器冗余法。该方法的显优点是系统不需测量非目标参数,通过对多种传感器输出数据融合达到消除非目标参数对传感器输出的影响,实现正确检测传感器的输入。同时本首次提出了一种新的神经网络结构：分布式多子网神经网络,并将其用于实现该修正方法。模拟实验表明,该网络在泛化能力、学习速度等方面均优于BP网络和RBF网络。其多子网、自动分解任务的特点尤其适用于复杂样本的学习,具有很好的应用前景。     

数据融合在压力检测中的应用

论述了提高压力检测精度的多传感器数据融合方法.该方法利用RBF神经网络进行异类传感器融合,消除了环境温度和工作电压波动对单个压力传感器测量的影响;利用加权融合估计算法,对同类压力传感器进行融合,提高了压力测量的精度,实现了液压系统压力的动态测量.     

基于CNN与多通道声学信号的齿轮故障诊断

针对齿轮故障诊断任务中,振动信号受设备或工矿环境的影响难以获取,传统的单通道声学诊断法只能采集部分信息用于局部诊断,多通道声学诊断法权值确定过程复杂、实时性差等问题,结合深度学习理论,提出一种基于卷积神经网络与多通道声学信号齿轮故障诊断法。通过将传感器布置在不同测量点位以获取不同敏感度的故障信息,再以卷积神经网络作为融合技术,对4路齿轮声学信号进行特征级融合,实现对多级传动齿轮的故障诊断。实验结果表明:相比于单个传感器多个特征量信息的传统声学诊断方法,该文所提出的方法在齿轮故障识别率上有显著提升,可达99.8%。     

Dense range map reconstruction from a versatile robotic sensor system with an active trinocular vision and a passive binocular vision.

One major research issue associated with 3D perception by robotic systems is the creation of efficient sensor systems that can generate dense range maps reliably. A visual sensor system for robotic applications is developed that is inherently equipped with two types of sensor, an active trinocular vision and a passive stereo vision. Unlike in conventional active vision systems that use a large number of images with variations of projected patterns for dense range map acquisition or from conventional passive vision systems that work well on specific environments with sufficient feature information, a cooperative bidirectional sensor fusion method for this visual sensor system enables us to acquire a reliable dense range map using active and passive information simultaneously. The fusion algorithms are composed of two parts, one in which the passive stereo vision helps active vision and the other in which the active trinocular vision helps the passive one. The first part matches the laser patterns in stereo laser images with the help of intensity images; the second part utilizes an information fusion technique using the dynamic programming method in which image regions between laser patterns are matched pixel-by-pixel with help of the fusion results obtained in the first part. To determine how the proposed sensor system and fusion algorithms can work in real applications, the sensor system is implemented on a robotic system, and the proposed algorithms are applied. A series of experimental tests is performed for a variety of configurations of robot and environments. The performance of the sensor system is discussed in detail.     

Data acquisition, analysis and applications of multi-sensor integration

This paper presents some key techniques for multisensor integration system, which is applied to the intelligent transportation system industry and surveying and mapping industry, e.g. road surface condition detection, digital map making. The techniques are synchronization control of multisensor, spacetime benchmark for sensor data, and multisensor data fusion and mining. Firstly, synchronization control of multisensor is achieved through a synchronization control system which is composed of a time synchronization controller and some synchronization subcontrollers. The time synchronization controller can receive GPS time information from GPS satellites, relative distance information from distance measuring instrument and send spacetime information to the synchronization subcontroller. The latter can work at three types of synchronization mode, i.e. active synchronization, passive synchronization and time service synchronization. Secondly, spacetime benchmark can be established based on GPS time and global reference coordinate system, and can be obtained through position and azimuth determining system and synchronization control system. Thirdly, there are many types of data fusion and mining, e.g. GPS/Gyro/DMI data fusion, data fusion between stereophotogrammetry and PADS, data fusion between laser scanner and PADS, and data fusion between CCD camera and laser scanner. Finally, all these solutions presented in paper have been applied to two areas, i.e. landborne intelligent road detection and measurement system and 3D measurement system based on unmanned helicopter. The former has equipped some highway engineering Co., Ltd. and has been successfully put into use. The latter is an ongoing research.     

径向基函数神经网络在多维力传感器标定中的应用

维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数（RBF）神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。     

重载并联六维力传感器及静态标定

针对传感器重载小尺寸需求,提出一种具有混合分支的重载并联六维力传感器,分析了其结构特点和测量原理。搭建了重载并联六维力传感器标定系统,为改善维间耦合及制造误差等对测量精度产生的影响,从标定算法及模型优化方面对其进行了研究。分别利用最小二乘法和BP神经网络算法对加载实验数据进行了处理,分析结果表明BP神经网络算法要明显优于最小二乘法,并通过数据随机分组测试验证了结果的正确性。基于BP神经网络,提出了一种基于人工鱼群算法的BP神经网络算法,并采用优化后的BP神经网络标定算法对实验数据进行了计算分析,结果表明优化后的BP神经网络计算结果较好且稳定,不易陷入局部极值。     

一种新型的机器人柔性腕力传感器的研究

介绍了一种新型的机器人柔性腕力传感器,其主要特点在于不仅可以进行快速的被动柔顺,同时可以测量传感器的运动部件相对于固定部件的运动状态以及受力情况。由于被动柔顺降低了定位精度,因而设计了锁紧装置完成传感器刚性和柔性两种状态的切换以适应不同的任务的需要。定义了柔性腕力传感器的运动学问题,并且推导了逆运动学问题。针对正运动学的解析表达式的复杂性,我们利用神经网络的非线性映射能力,采用BP神经网络对正运动学问题进行了求解,并且使用迭代方法提高了数值解的精度。最后,建立了包括上位机在内的信号检测与数据处理系统,将基于神经网络正运动学算法集成在硬件底层实现,减轻了上位机的负担。     

基于网络的空间机器人遥操作体系结构

提出了一种面向Ｉｎｔｅｒｎｅｔ的遥操作空间机器人共享控制体系模型,阐述了基于远端监控遥操作和近端智能自主控制相融合的遥操作控制结构,完成了时延情况下从Ｉｎｔｅｒｎｅｔ上操作拥有１５个自由度的智能机器人臂手集成系统。该系统采用基于国际互连网的主从控制结构,在多媒体交互和预测显示仿真技术的辅助下,实现了用户在广域网上控制实验室的机器人完成抓杯倒水等动作。     

Application of Multi-sensor Information Fusion in the Fault Diagnosis of Hydraulic System

Aiming at the problem of incomplete information and uncertainties in the diagnosis of complex system by using single parameter,a new method of multi-sensor information fusion fault diagnosis based on BP neural network and D-S evidence theory is proposed. In order to simplify the structure of BP neural network,two parallel BP neural networks are used to diagnose the fault data at first; and then,using the evidence theory to fuse the local diagnostic results,the accurate inference of the inaccurate information is realized,and the accurate diagnosis result is obtained. The method is applied to the fault diagnosis of the hydraulic driven servo system( HDSS) in a certain type of rocket launcher,which realizes the fault location and diagnosis of the main components of the hydraulic driven servo system,and effectively improves the reliability of the system.     

基于深度置信网络与信息融合的齿轮故障诊断方法

针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法。通过多传感器信息融合技术对每个传感器采集的振动信号进行数据层融合;利用DBN进行自适应特征提取从而实现故障分类。为了避免因人为选择DBN结构参数,导致模型识别精度下降的问题,利用改进的混合蛙跳算法(ISFLA)对DBN结构参数进行优化。试验表明,与BP神经网络、未经优化的DBN以及单传感器故障诊断相比,该研究提出的信息融合及优化方法具有更高的故障识别精度。     

基于RDRNN的变阻尼半主动结构控制振动试验研究

在一个1：4的五层模型刚架结构上进行了变阻尼半主动结构控制的振动台试验,应用多输入多输出分支动态递归神经网络模型RDRNN建立了神经网络控制器,利用已有的试验数据对神经网络控制器进行训练,然后应用该神经网络控制器对结构进行变阻尼半主动结构振动控制,输入了几种不同的地震波,对比分析了该神经网络控制器的控制效果。振动参试验结果表明,应用神经网络控制器对结构进行变阻尼半主动结构控制,可以达到较好的控制效果,所需控制信息较少,并且对不同的地震激励有较强的荷载适应性。