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。     

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。     

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。     

基于神经网络的信息融合故障诊断技术

利用神经网络技术建立信息融合中心 ,对多传感器数据进行融合处理 ,通过多源互补信息减小故障诊断系统的不确定性。文中讨论了神经网络多传感器信息融合方法中数据预处理与特征提取、特征向量维数压缩与关联、归一化处理方法等 ,同时 ,对神经网络的构造以及学习训练等内容 ,也作了较为详细的讨论。通过对柴油机振动监测数据、燃油压力波动信息、以及两者融合信息的故障诊断性能的比较 ,表明神经网络多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的     

多传感器集成与信息融合及其应用研究

本文介绍了近年来十分活跃的研究领域——多传感器集成与信息融合的有关理论,给出了多传感器集成与信息融合的过程和方法.最后介绍了仿真实验样机.     

基于小波神经网络信息融合动密封故障诊断研究

针对动密封中唇形密封的综合故障问题，应用小波神经网络技术加混合式数据融合方法，将数据级、特征级和决策级故障诊断数据融合在一起，对动密封中唇形密封的缺陷进行智能诊断，描述了小波神经网络的建模过程，探讨了通过多源互补信息减少故障诊断系统不确定性的优化方法。结果表明，采用混合式融合结构可以通过多源互补以及冗余信息来提高诊断系统的鲁棒性；采用小波神经网络信息融合的诊断方法，可有效诊断动密封中唇形密封存在的综合故障问题。     

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。     

基于神经网络信息融合的智能机器人

分析了机器人传感器、信息融合、多传感器信息融合技术,探讨了基于神经网络的机器人多传感器信息融合。对改进机器人的智能化和自动化有一定的参考价值。     

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。     

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。     

基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

基于BP神经网络的压力传感器数据融合研究

压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响而导致精度大大降低。该文采用BP神经网络对压力和温度2个目标参量进行数据融合处理,减小了两者相互交叉干扰敏感度。结果表明,采用BP神经网络进行数据融合,能够提高传感器的稳定性及其精度,仿真验证了该方法的有效性和可行性。     

多传感信息融合技术的油烟监测系统设计应用

研究城市油烟气体排放的监测系统,在油烟检测对象中应用多传感器数据融合技术,克服单传感器检测的局限性。指明面临的问题和油烟研究对象。阐述传感器信息采集和嵌入式系统构建。详细探讨融合方法Dempster-Shafer证据理论在油烟信息采集处理系统中的应用。并讨论结果。     

神经网络信息融合及其在球磨机测量中的应用

火电厂中钢球磨煤机筒内存煤量的测量问题一直是制粉控制效率低和自动控制难以投入运行的主要原因之一,针对D-S证据理论存在的不足,而利用神经网络具有的自组织、自学习,并行分布处理、高度容错性和鲁棒性的特点,本文提出了一种将证据理论与模糊理论相结合的模糊证据理论方法并将其用于解决球磨机存煤量的测量问题。融合结果表明该方法用于存煤量的测量能够有效判别出存煤量的数值范围及变化趋势,为球磨机自动控制的投入和运行操作提供了有效的保证。     

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．     

多传感器数据融合结构性能分析

本设计主要对分布式多传感器数据融合结构性能展开研究。分析了多传感器数据融合的主要融合结构并对两种常见的分布式数据融合算法：简单凸组合融合算法、BarShalom-Campo融合算法进行理论分析。最后利用MATLAB软件对简单航迹融合（SF）和协方差加权航迹融合（WCF）算法进行仿真并对仿真结果进行简单的分析来说明分布式融合结构的性能和特点。     

多传声器小波多尺度信息融合滤波算法

为了滤掉信号采集过程中存在的环境噪声和信道噪声,提出一种基于小波多尺度信息融合和三角时延矢量误差的信号滤波算法。基于多传声器信号时延估计特性,提出时延矢量封闭准则。首先将多传声器同步采集所得信号进行小波多尺度分解,得到多尺度小波细节系数和近似系数,然后根据时延矢量封闭准则求取各层小波系数时延差,结合信息融合理论,提出一种三角时延矢量误差,由多传声器综合支持度获得时延阈值,将其作用于三角时延矢量误差,得到各层小波系数的权重,最后对小波系数重构得到降噪后的信号。实验表明,此滤波算法不仅滤掉了信号中的噪声成分,还优化了传声器资源的配置,既保留了高支持度传声器信号特性,还改善和提高了低支持度传声器信号质量,与小波分层阈值和全局阈值滤波算法相比充分体现出该算法的有效性。     

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。     

多传感器信息融合技术在提高孔板测量精度中的应用

针对孔板工作时由于受介质的温度、压力以及密度变化的影响,从而测量精度较低的不足,提出了应用多传感器信息融合技术来减小孔板测量误差的方法。4个传感器输出的信息反映了介质的实时工作特性,系统将它们送入融合中心进行融合处理。融合技术运用了神经网络学习率自适应调整的改进算法,仿真实验证实了该测量技术与方法的有效性,大大提高了孔板的测量精度,具有重要的实际意义。     

神经网络与 D-S 证据理论融合的液压系统故障诊断方法

针对液压驱动火箭炮随动系统故障类型的多样性以及故障信息不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为克服单一神经网络自身的缺点,在普通节点处建立2个改进神经网络模型来简化网络结构,分别以铁谱数据和压力、流量、温度特征参数作为输入向量进行初始故障诊断,并将诊断结果作为证据理论的基本概率分配,从而实现了赋值的客观化。然后,利用 D-S 证据理论对2个改进神经网络的初始诊断结果进行融合。实验结果表明：该方法避免了神经网络识别时的误诊,提高了液压驱动的火箭炮随动系统故障诊断的准确性。