机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

多传感器信息融合技术及其发展趋势

阐述了信息融合的定义、设计流程及信息融合的处理过程,分析并比较了多传感器信息融合的层次。介绍了多传感器信息融合的技术和方法及其在军、民事领域方面的应用。在此基础上提出了有待解决的问题,并分析了多传感器信息融合的发展趋势与进展。     

多传感器信息融合技术及其在机器人中的应用

多传感器信息融合技术是近年发展起来的一门新兴技术,在机器人领域有着广阔的应用前景。通过融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。主要论述了多传感器信息融合的一般方法,并对其在机器人领域的应用进行了介绍。最后指出多传感器信息融合技术在微传感器、智能传感器和自适应融合等方面的发展方向。     

多传感器信息融合技术及其发展趋势

阐述了信息融合的定义、设计流程及信息融合的处理过程,分析并比较了多传感器信息融合的层次。介绍了多传感器信息融合的技术和方法及其在军、民事领域方面的应用。在此基础上提出了有待解决的问题,并分析了多传感器信息融合的发展趋势与进展。     

多传感器信息融合及其在工业中的应用综述

介绍了多传感器信息融合的基本理论、研究现状和多传感器信息融合在工业中的应用现状。重点分析了多传感器信息融合理论、实际应用所取得的成绩和存在的问题,提出了将来研究的方向。     

基于多传感器信息融合的移动机器人导航系统的设计与实现

概述多传感器信息融合技术的原理与方法，通过实例描述了多传感器信息融合在移动机器人导航中的应用。在能力风暴机器人平台建立了基于多传感器信息融合的导航体系结构，并通过具体的实验和结果表明了多传感器信息融合方法在导航中的有效性。     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

多传感器信息融合基本原理及应用

全面系统地阐述了多传感器信息融合技术的信息融合理论、模型、算法和应用，并对目前信息融合在机器人、故障诊断、图像处理等领域的应用现状进行了剖析。信息融合技术虽然发展迅速。但由于信息融合技术理论尚待完善，在融合算法、融合模型以及关联的二义性等方面还存在问题。信息融合理论在多传感器分布检测、异类多传感器融合以及建立信息融合数据库和知识库等方面将有进一步发展。     

改进的镍电解三段净化智能控制系统

利用各种传感器功能上的差异与互补建立多传感器系统，通过对各传感器提供的信息进行分析、综合，获得比任何单一传感更加稳定、可靠的信息，这就是愈来愈受到重视的多传感器信息集成与融合技术本文提出了多传感器集成与多传感器融合的概念，根据镍电解三段净化过程以及所检测的传感信号，给出了多传感器集成系统概率模型和黑板式控制结构．给出了多传感器信息融合的拓扑结构和融合方法。     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。     

基于证据理论的多传感器加权融合

多传感器数据融合多基于证据理论进行加权,但识别框架确定和基本可信度分配是关键.本文简述了证据理论并分析了总均方误差最小意义下加权融合的缺点,在引入抽象传感器的基础上,根据M函数的区间覆盖次数进行基本可信度分配,确定对历史数据和各个传感器的支持度,然后进行加权融合.仿真表明,这种基于证据理论的多传感器加权融合方法只需要很少的先验信息,但具有较好的融合效果和鲁棒性.     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

基于信息融合原理的智能故障诊断模型

针对传统设备故障诊断方法中存在的局限性,文章在对设备智能故障原理和方法初步探索和研究的基础上,提出了基于信息融合原理的智能故障诊断方法。该方法利用多源异质传感器采集设备的各种特征信息,并采用模糊神经网络融合诊断中心作为诊断判决的执行机构,从而实现准确诊断设备故障诊断原因以及对设备运行工况进行态势评估的过程。并且通过对单传感器与多传感器信息融合诊断结果的对比表明多传感器信息融合诊断比单个传感器具有更高的准确性。     

Vague集信息融合理论在煤矿安全监测中的应用*

针对模糊信息融合的局限性,提出了基于vague集理论的多传感器信息融合方法。为了解决以往的vague集多目标模糊决策方法的缺陷,应用了一种新的多目标模糊决策的vague集方法,建立了基于vague集的多传感器信息融合模型,给出了该方法的数学描述、数据组织、结果评价及算法实现过程。通过实例研究,验证了该方法的有效性和正确性,从而验证了vague集理论在多传感器信息融合中的应用是更有潜力的新方法。     

Engine fault diagnosis based on multi-sensor information fusion using Dempster–Shafer evidence theory

Engine diagnostics is a typical multi-sensor fusion problem. It involves the use of multi-sensor information such as vibration, sound, pressure and temperature, to detect and identify engine faults. From the viewpoint of evidence theory, information obtained from each sensor can be considered as a piece of evidence, and as such, multi-sensor based engine diagnosis can be viewed as a problem of evidence fusion. In this paper we investigate the use of Dempster–Shafer evidence theory as a tool for modeling and fusing multi-sensory pieces of evidence pertinent to engine quality. We present a preliminary review of Evidence Theory and explain how the multi-sensor engine diagnosis problem can be framed in the context of this theory, in terms of faults frame of discernment, mass functions and the rule for combining pieces of evidence. We introduce two new methods for enhancing the effectiveness of mass functions in modeling and combining pieces of evidence. Furthermore, we propose a rule for making rational decisions with respect to engine quality, and present a criterion to evaluate the performance of the proposed information fusion system. Finally, we report a case study to demonstrate the efficacy of this system in dealing with imprecise information cues and conflicts that may arise among the sensors.     

多传感器模糊信息融合在煤矿安全中的应用

我国在矿井安全监测系统中,常采用单只传感器来实现对井下工作环境安全性的监测。为了克服单只传感器无法准确判断是否有危险发生,基于模糊集系统理论,提出一种应用多传感器模糊信息融合的监测方法,将监测设备的多只传感器所获得的信息模糊化,再将其融合,从而获取设备精确的状态估计。该方法充分利用了传感器提供的多种信息,提高了系统的识别率。实验结果表明:多传感器信息融合的识别准确率高于单传感器。因而,多传感器模糊信息融合是一种有潜力的新方法。     

基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

多传感器信息融合技术在智能机器人环境感知中的研究进展及应用

多传感器信息融合技术是一种有别于经典数据处理技术的高级处理方式,主要目的是为了让智能设备在越来越复杂的工作环境中有更好的表现,使其能有更强的感知能力和操作精准度;在对传感器技术、人工智能、机器人技术、多传感器信息融合技术及常见多传感器信息融合的应用进行了系统的整理和研究后,针对目前的多传感器数据融合技术进行全面地介绍,并简要阐述多传感器信息融合的一般结构,重点分析不同融合算法的特点和优劣势,明确不同融合模型之间的差别以及对数据处理策略上的影响,充分列举现国内外发表的关于多传感器数据融合技术的重要研究及应用,并对多传感器数据融合技术的发展与展望做检验阐述,为多传感器数据融合技术研究提供重要理论依据。     

模糊推理和聚类分析的信息融合应用研究

针对采用多传感器信息融合在可视化远程监控系统中的应用,提出了一种基于聚类分析和模糊推理算法。运用多传感器信息融合模型建立二级数据处理单元系统,对环境信息进行多方面监测。聚类分析和模糊推理算法为准确地判断环境状态提供依据,进而达到校园公共环境的监控和预警。