多源信息融合技术在ETC系统中的应用

传统的电子不停车收费系（Electronic Toll Collection，简称ETC），以IC（Integrated Circuit）和车型或车牌作为车辆身份判别的依据。由于没有其他的辅助的证据给予证实，加上外界环境的各种影响，使得车辆身份的识别率不高，从而影响收费系统的可靠运转。为此，提出了采用基于D—S（Dempster—Shafer）证据理论的多源信息融合方法对车辆身份进行识别．实验表明该方法对提高车辆身份识别率可行有效。     

一种基于多传感器信息融合的故障诊断方法

针对目前油气管道的预警与泄漏判断误报率和漏报率高的问题,采用一种基于多传感器信息融合的方法来进行诊断．考虑不同的传感器所测得的特征参数不同的特点,在数据融合的过程中采用加权融合,增加系统判断的准确性．实验结果证明了该方法的有效性．     

证据理论及其冲突方法研究

近年来,信息融合技术已经成为全球的研究热点之一,而D—S证据理论以其在不确定性的表示、测量和组合方面的优势而受到重视。本文较系统地介绍了基于D—S证据理论的信息融合算法．分析了解决D—S理论证据冲突方法的特点。     

基于模糊神经网络和D—S推理的智能特征信息融合研究

给出了一种新的分布式多传感器智能特征信息融合系统结构，利用模糊神经网络技术把环境信息和专家语言信息引入融合系统，提出了一种新的智能特征信息融合算法。     

多传感器信息融合利器——D-S证据理论初探

多传感器信息融合广泛应用于自动目标识别、战场监视、机器人、工业过程控制、遥感、图象处理、模式识别等领域。采用信任函数作为度量的证据理论可处理由不知道所引起的不确定性。本文对信息融合技术的概念以及重要融合方法进行初探。     

多源融合信息泄漏检测方法

密码设备的侧信息泄漏检测是侧信道分析中的重要技术环节,旨在客观地评估密码设备的物理安全性。不同类型的侧信息在密码设备运行过程中同时存在,仅仅从单源侧信息的视角进行信息泄漏检测难以全面反映密码设备的真实泄漏威胁情况。因此,发展基于多源侧信息的融合信息泄漏检测方法,建立综合利用多源侧信息的泄漏检测方法体系,以期实现对密码设备物理安全性更全面、更客观地评估,是一种现实技术需求。本文基于如何融合利用多个信道的侧信息提出了3种多源融合信息泄漏检测方案：多源简单融合信息泄漏检测、多源时频融合信息泄漏检测以及基于多元T检验的多源信息泄漏检测。其中,多源简单融合信息泄漏检测在时域上组合利用多个信道的侧信息;多源时频融合信息泄漏检测综合利用了多个信道侧信息的时域信息及频域信息;基于多元T检验的多源信息泄漏检测基于多元假设检验方案构造。对比单源的信息泄漏检测方案,模拟实验和真实实验结果表明本文提出的多源融合信息泄漏检测方案可以降低检测出泄漏所需的侧信息数量,提高泄漏检测的效率。     

基于D-S证据理论的车辆视频检测方法

提出一种基于D-S证据理论的车辆视频检测方法，通过一部或多部CCD摄像机采集多源图像，由边缘检测算法获取图像中的车辆特征数据，然后采用D-S证据理论对车辆类型进行判决，从而为交通量的准确检测提供依据。实验表明该方法是可靠而有效的。     

基于D-S理论的多源信息融合冲突问题处理方法

D-S理论在不确定性的表示、量测和组合方面的优势,使得它在多源信息融合领域得到广泛应用。对于证据源本身的优先级别、可靠性及重要性,Dempster组合规则没有给予考虑,使其在证据推理过程中会产生与直觉相悖的结论。在多源信息融合处理中,针对基于D-S理论融合产生的冲突问题,进行了全面分析和总结,归纳为三个方面的问题:一般冲突问题、“一票否决”问题及“鲁棒性”问题;对其相应的解决方法进行分析,指出各自的优缺点。最后,指出解决冲突问题的方法存在的问题及未来研究方向。     

实时图像匹配辅助无人机导航研究

针对GPS/INS组合导航系统在抗干扰性和精度上不能完全满足无人机导航系统要求的问题,利用实时图像匹配辅助无人机导航的方法进行仿真研究.首先,对输入图像进行目标识别定位,为了满足系统的实时性要求,研究采用光电混合联合变换相关器进行实时图像匹配,仿真结果表明,目标的识别定位精度小于两个像素,能够为无人机提供精确的导航信息;再根据摄影测量原理计算导航信息中的位置和姿态角信息;最后,将匹配定位得到的导航信息通过Kalman滤波器与惯导系统解算的导航信息进行信息融合,仿真结果表明,滤波后导航信息的误差均获得了较明显的收敛,提高了无人机导航系统的抗干扰性和导航精度.     

基于分层式证据推理的信息融合故障诊断方法

针对基于信息融合的故障诊断方法中,诊断证据的精细化获取问题和在线诊断信息量受限问题,提出分层式的证据推理(ER)诊断方法.在诊断证据获取过程中,给出故障特征参考值投点方法,按比例求取特征样本点对相邻参考值的相似度,生成点值型参考证据矩阵(REM)和在线故障特征样本的诊断证据,实现了诊断信息的精细化提取;在证据融合过程中,设计分层式ER融合模型.第1层融合中利用k-NN算法找到在线样本的近邻历史样本,然后利用ER规则实现在线样本与近邻历史样本对应证据的融合.在第2层融合中,将多个特征源提供的第1层融合结果再次融合,并根据两层融合所获证据进行故障决策;此外,在分层融合模型中,根据证据之间的欧氏距离构造目标函数及相应的证据重要性权重优化方法.最后,在多功能电机转子试验台上实施了故障诊断实验,与已有单层ER模型诊断结果进行比较,说明所提方法通过提升诊断证据的精确性、增加历史样本扩充诊断信息量,能够有效提升确诊率.     

无人机飞控设备检测系统

介绍了一种无人机飞控设备检测系统,给出了系统的组成和硬件配置,讨论了系统软件设计和测试原理。该系统可以自动检测和校准无人机各种传感器、机载计算机及舵机的输出参数,具有一定的可靠性和准确性。     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

Autonomous landing on a moving vehicle with an unmanned aerial vehicle

This paper addresses the perception, control, and trajectory planning for an aerial platform to identify and land on a moving car at 15 km/hr. The hexacopter unmanned aerial vehicle (UAV), equipped with onboard sensors and a computer, detects the car using a monocular camera and predicts the car future movement using a nonlinear motion model. While following the car, the UAV lands on its roof, and it attaches itself using magnetic legs. The proposed system is fully autonomous from takeoff to landing. Numerous field tests were conducted throughout the year‐long development and preparations for the Mohamed Bin Zayed International Robotics Challenge (MBZIRC) 2017 competition, for which the system was designed. We propose a novel control system in which a model predictive controller is used in real time to generate a reference trajectory for the UAV, which are then tracked by the nonlinear feedback controller. This combination allows to track predictions of the car motion with minimal position error. The evaluation presents three successful autonomous landings during the MBZIRC 2017, where our system achieved the fastest landing among all competing teams.     

In-flight alignment of a strapdown inertial navigation system of an unmanned aerial vehicle

The alignment system of a strapdown inertial navigation system for an unmanned aerial vehicle installed on a carrier aircraft is studied. The aim is to develop alignment techniques for the strapdown inertial navigation system that improve the accuracy of alignment and reduce the alignment time. A technique for constructing the initial alignment system for a strapdown inertial navigation system of an unmanned aerial vehicle is proposed.     

Intelligent unmanned ground vehicle navigation via information evaluation

Sensor-centric navigation of unmanned ground vehicles (UGVs) operating in rugged and expansive terrains requires the competency to evaluate the utility of sensor information such that it results in intelligent behavior of the vehicles. Highly imperfect, inconsistent information and incomplete a priori knowledge introduce uncertainty in such unmanned navigation systems. Understanding and quantifying uncertainty yields a measure of useful information that plays a critical role in several robotic navigation tasks such as sensor fusion, mapping, localization, path planning and control. In this article, within a probabilistic framework, the utility of estimation and information-theoretic concepts towards quantifying uncertainty using entropy and mutual information metrics in various contexts of UGV navigation via experimental results is demonstrated.     

固定双桨驱动的无人水面艇自主直线路径跟踪系统

针对直流电机驱动固定双桨的无人水面艇,介绍了一种自主直线路径跟踪系统,该系统由岸基监控系统和艇载控制系统组成,具有自主航行和遥控航行两种工作模式,可在自主航行出现危险时切换到遥控模式,保证航行安全。岸基监控系统通过数传电台与艇载控制系统通信,向艇载控制系统发送控制命令,接收并显示其传回的状态信息;艇载控制系统以工控机为主控单元,进行数据采集与解算,与岸基监控系统通信,并为直线路径跟踪控制算法提供程序接口;GPS双天线高精度测向定位系统为直线路径跟踪控制算法提供位置和航向信息,直线路径跟踪控制算法根据距离偏差和航向偏差计算出左右两侧电机电压,进而控制无人水面艇航行。实验分别采用了PID、模糊控制和模糊PID三种控制方法,系统实际水上实验表明,在风力2~3级,晴到多云天气条件下,无人水面艇对目标路径的最大跟踪误差小于0.6 m。     

基于带电粒子搜索的无人潜航器航路规划方法

针对无人潜航器（UUV）在复杂环境、多约束条件下航路规划过程耗时长、占用空间大等问题,提出了基于带电粒子搜索（CSS）的航路规划方法。首先,建立UUV航路规划问题模型,设计代价函数;然后,给出了基于CSS的航路规划方法,带电粒子在搜索空间中会受到其他带电粒子电场力的作用进而迭代寻优;另外,提出了一种非线性调整速度与加速度参数的方法,通过该方法有效地平衡全局搜索与局部搜索过程,避免算法的早熟收敛。最后,通过对比实验从规划航路的质量和算法耗时两个角度将所提方法与A^*算法、蚁群算法、粒子群航路规划方法进行对比。实验结果表明该方法在保证规划出的航路质量的同时,具有更快的收敛速度、更低的时间复杂度。     

基于自结构动态递归模糊神经网络的无人机姿态控制*

针对无人机非线性、强耦合等特点,提出了基于该自结构动态递归模糊神经网络的姿态控制系统,给出了基于Lyapunov函数的系统稳定性证明。对四层模糊神经网络进行了优化和改进,设计了自结构动态递归模糊神经网络,该网络可以根据系统状态在线更新权值、创建/删除节点、优化网络结构。仿真表明：该控制方法的突出优点是,在兼顾考虑了系统中的不确定性因素、非线性因素及外部干扰并存的情况下,保证系统的稳定性和跟踪性能;同时此网络结构比固定结构的模糊神经网络响应速度快,因此更具优越性。