神经网络在多传感器信息集成与融合中的应用

多传感器信息集成与融合在处理信息中呈现出较好的实用性和优越性。介绍了有关多传感器信息集成与融合方面的基本知识，分析了传统的信息融合与运用神经网络实现多传感器信息融合的差异、实质，并给出了神经网络实现多传感器信息集成与融合的步骤。通过自动化程度很高的智能机器人对外界信息的集成与融合，用实验证明了神经网络比传统方法更能准确、可靠地描述传感器所获得的信息。     

基于神经网络的机械加工多传感器信息融合研究

概述了多传感器信息融合技术的原理与方法，分析了该技术在机械加工过程中的优势，并详细地分析了其在刀具状态监测、加工精度预测和在线测量方面的应用。     

基于神经网络的多传感器信息融合技术

介绍了多传感器信息融合的一般技术,分析了基于神经网络的多传感信息融合技术的组成和特点,探讨了机械加工过程多传感器信息融合的神经网络模型,指出了信息融合技术的一个新方法－小波神经网络。     

多传感器信息融合技术及其应用

在阐述多传感器信息融合这一研究热点的融合过程和方法的基础上,介绍了D-S证据理论和Bayes方法,并探讨了信息融合技术在军事领域和民用领域方面的应用.     

移动机器人多传感器信息融合技术综述

阐述了当前在移动机器人领域常用的几种多传感器融合方法,介绍了移动机器人常用的传感器配置及所用的融合算法。对D-S证据理论、卡尔曼滤波、神经网络与模糊推理信息融合方法优缺点进行了对比分析。     

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。     

多传感器信息融合在电机绝缘故障诊断中的应用

随着检测技术、信号处理技术、智能技术的进步,故障诊断技术得到了很大的发展,但是目前对电机的故障诊断技术仍因为各种原因存在着很大的不确定性。其诊断系统依然是基于单个参数(如电流、振动、温度、润滑油成分)所能携带的故障特征来进行诊断,由于模型或者环境的不确定性导致这些诊断结果模糊不清甚至错误。分析了传统绝缘故障诊断方法中存在的不确定性弊端,介绍了利用多传感器信息融合进行故障诊断、建立融合故障诊断系统的优越性。     

基于多信息融合算法提高传感器稳定性

该文提出了改善传感器测量稳定性的一种新方法。该方法的基本思路是将影响传感器输出稳定性的因子作为传感器融合系统的输入模式，基于系统辨识理论实现融合算法。实验结果表明该方法有效地抑制非目标参量的干扰，获得同稳定性测量结果。     

多传感器信息融合中的关联特性研究

利用信息理论建立了描述多传感器之间关联特性的数学模型,并用相关和相干函数的概率分布导出度量两传感器在时域和频域关联程度的计算公式,从理论上研究了多传感器间关联特性的定量分析和计算问题.     

多传感器系统的信息融合及容错技术研究

本文介绍了基于信息融合原理的联合卡尔曼滤波器原理以及其结构和算法，并给出在导航系统中的应用实例。     

基于多传感器信息融合的移动机器人路径规划

移动机器人是机器人技术的一个重要领域，是一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。动态未知环境下的移动机器人路径规划必须基于多传感器信息融合来获得对环境的理解或映射。本文就国内外移动机器人发展现状、多传感器数据信息融合方法及移动机器人路径规划进行了概述。     

多传感器融合技术及其应用

多传感器融合技术是近几年来迅速发展的新技术，具有广阔的应用前景。本重点介绍了该技术的基本工作原理、功能、融合法及其应用等。     

机器人多传感器信息的模糊融合

本文基于模糊积分理论提出了一种多传感器信息的模糊融合方法,该方法简单实用,能很好的用于机器人的物体识别,实验结果证明了该方法的可行性和正确性.     

载人潜水器多传感器数据采集与信息融合技术

本文介绍了一种用于载人潜水器的导航传感器的数据采集及信息融合技术.航行控制计算机通过基于工业以太网的数据通信系统对各传感器进行数据采集,采用卡尔曼滤波器完成对各传感器数据信息的融合,以便提高数据的精度和控制系统的性能,并将结果送给监控计算机,用于载人潜水器的姿态显示.     

基于多传感器融合信息的故障诊断

研究了多传感器信息融合技术应用于复杂设备系统状态监测和故障诊断的方法。简述了多传感器信息决策层融合及 Dempster- Shafer证据理论的基本内涵 ,研究了基于 Dem pster- Shafer证据理论的决策层信息融合进行状态监测和故障诊断的算法 ,利用这一方法对柴油机的工作过程多种故障进行了诊断识别应用 ,其分析结果表明 ,该方法可有效地提高柴油机故障诊断的准确性和可靠性。     

基于多传感器信息融合的汽车衡误差补偿

传统的汽车衡误差补偿方法是通过反复调节接线盒中电位器,调整每路称重传感器通道增益实现的,过程繁琐、称重结果准确度低.介绍了汽车衡称重原理,分析了称量误差产生的原因,确定了误差模型,以多路称重传感器信号为输入,提出了基于径向基函数神经网络多传感器信息融合误差补偿方法,建立了融合模型,给出r融合模型的训练算法.这种误差补偿方法建模方便,训练简单,克服了汽车衡在加工、安装过程中产生的内应力、机械形变、尺寸误差和传感器灵敏度分散性、传感器线性度误差等因素对称量结果的影响,准确度高.现场检定表明,采用这种补偿方法的汽车衡称重误差小,优于国家标准规定的三级秤指标.     

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.     

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．     

集成多传感器信息融合算法的啃轨故障诊断系统设计

提出一种集成多传感器信息融合算法的起重机啃轨故障智能诊断系统,不同原因造成的啃轨有规律可循,利用多传感器数据融合、故障诊断逻辑运算等算法,得出可能导致啃轨的原因。这一系统提高了啃轨定位和诊断的精度、速度,便于维护人员掌握设备运行状态,及时发现并处理设备故障,提高设备自动运行的可靠性和设备寿命,还能节省能源,降低成本,适用于恶劣环境,这种方法广泛适用于各种存在车轮啃轨现象的轨道式起重机、桥式起重机和有轨机车等。     

多传感器信息融合技术与机械故障诊断研究

针对机械设备的大型化、智能化、复杂化,研究了多传感器信息融合的方法与特点,探讨了其在机械设备故障诊断中的应用前景,为机械设备故障诊断的研究指明了方向.