农药残毒快速检测智能化系统

针对农药残毒传统检测系统体积大、灵敏度差和检测速度较慢等问题,设计出一种基于"光转化—化学发光法"的农药残毒快速检测智能化系统。介绍了系统的整体结构、功能以及软硬件实现。系统将农药残毒的浓度转化为光强,进而转化为电压,通过微处理器的A/D转换等实现检测与显示。与目前常用的气相色谱、液相色谱等离线检测技术相比,该系统可以对多种常见农药的种类和溶度实现快速的在线检测,是一种全新的检测方法。     

一种便携式农药残毒检测系统的设计

针对传统农药残毒检测设备价格昂贵、体积庞大以及检测时间长的缺点,设计出一种基于光电转换法的农药残毒快速检测系统。该方法利用农药在有荧光剂共存时,氯代酚溶液受到一定剂量的可见光辐照后,其中间产物可与某些氧化剂反应产生强烈的发光原理。该系统通过综合运用化学发光原理、光电转换技术和智能微处理器技术,对农药和化学药品反应产生的光信号进行滤波、优化和辨识,快速检测出农副产品和环境中农药残毒的种类和残留量。目前常用的气相色谱、液相色谱等离线检测技术相比,该系统具有检测精度高、检测速度快、操作简便、便于携带等的特点。     

物联网中传感节点数据异常检测方法研究

研究物联网中节点数据异常的检测问题,提高检测的准确率。针对当物联网中的传感节点采集到的外界数据内容随机性较大,在数据存储形式、格式等特征上存在较大差异时,造成各个节点数据之间很难取得一致。传统方法检测无法准确根据差异信息建议统一待检测特征,造成检测的准确度不高的问题。为了解决这一问题,提出一种基于特征模糊聚类概率搜索的节点数据异常检测算法,通过计算节点数据与异常数据之间的特征模糊聚类概率,运用模糊概率因素判定非法节点数据。实验证明,改进方法能快速、完整地将检测节点异常数据,取得了理想的效果。     

一种传感器数据的融合算法

基于传统数字滤波方法在抗干扰性方面存在的问题,在统计意义下定义不确定信息的模糊支持区间和模糊支持概率后,利用概率源合并理论,提出一种特别适合智能仪表的信息融合方法。通过数据测试分析表明本方法具有较好的抗干扰能力,并能较好地克服由于多个同向干扰所带来的传统滤波方法的不稳定性。     

矿井CO浓度的支持向量机数据融合检测方法

针对检测矿井一氧化碳（CO）含量时,电化学传感器输出受到矿井大气中甲烷气体影响的问题,提出了一种基于支持向量机（SVM）数据融合的CO浓度检测方法。该方法将催化传感器与电化学传感器构成传感器对,利用能够从全局意义上逼近任意非线性关系的支持向量机对传感器对的输出信号进行非线性数据融合,构建了矿井一氧化碳浓度检测模型。实验结果表明,该方法的平均绝对百分比误差为0.88%,均方根误差为1.32 ppm,有效地消除了甲烷对CO电化学传感器的影响,实现了矿井CO浓度的精确检测。     

一种基于证据理论和模糊集合的信息融合方法

针对证据理论应用中基本概率分配函数难以确定和多传感器之间相互支持程度计算绝对化的问题,提出了一种基于证据理论和模糊集合(FSB-DS)的信息融合方法。该方法首先利用相关性函数定义不确定信息的模糊支持区间和模糊支持概率,然后由隶属函数得到各个传感器提供信息的可信度,再将支持度和可信度转化为基本概率分配函数,最后进行D-S证据合成。仿真实验表明,该方法获得的结果具有更高的精度和可信度。     

基于USB的有机磷农药检测系统设计

为实现在农业生产中对有机磷农药的残留量进行快速有效地检测,设计了一种基于USB的有机磷农药检测系统。首先简单介绍了有机磷农药检测系统的工作原理,然后利用ARM微控制器实现数据采集,并通过USB与上位机PC机通信,实现下位机与上位机数据的实时传输,最终实现有机磷农药检测系统的功能,该系统可以有准确有效地检测出溶液中有机磷农药的残留量。     

模糊神经网络在自来水浊度检测中的应用

针对流动电流仪检测自来水浊度的精度受絮凝剂浓度、原水流量、供电电源波动和温度等干扰影响较大的问题,提出一种基于模糊神经网络融合技术的自来水浊度检测数据处理方法.该方法将模糊推理融入神经网络结{勾中,弥补了纯神经网络在处理模糊数据方面的不足以及纯模糊控制系统在学习方面的缺陷,实现了计算方法的优势互补.仿真结果表明,这种方法能够有效提高自来水浊度检测的精度,在自来水的生产应用中效果良好.     

基于模糊集合的证据理论信息融合方法

针对证据理论应用中基本概率分配函数(mass函数)和多传感器信息融合中各传感器测量数据的可靠程度均难以确定的问题,提出了一种基于模糊集合的证据理论信息融合方法.该方法首先利用模糊理论中的相关性函数来计算多传感器的相互支持程度;然后由隶属函数得到每个传感器提供信息的可信度;再将各传感器的支持度和可信度转化成基本概率分配函数即mass函数;最后利用证据理论对多传感器信息进行融合.仿真结果表明,该方法获得的结果具有更高的精度和可靠性.     

DE-SVM融合算法在入侵检测中的应用

为提高网络数据的检测效率,将差分进化算法与支持向量机算法融合（DE-SVM）应用到网络入侵检测中。引入自适应算子优化差分进化算法中的交叉概率CR和摄动比例因子F,采用优化的DE算法对支持向量机的参数进行选择,构建DE-SVM入侵检测算法。KDDCUP 99数据集的测试结果表明,融合算法提高了网络入侵检测的性能,缩短了训练时间。     

农药信息管理系统的研制与应用

应用ＦｏｘＰｒｏ５．０ｆｏｒ Ｗｉｎｄｏｗｓ,将国内外多种农药的名称、理化性质、毒性及用途等资料输入计算机,建成可扩展数据库。本系统具有对农药数据资料的存储、修改、查询及统计分析等功能,不仅能为科学合理地选用农药提供一条新的有效的办法和途径,而豕能为计算机辅助农药设计提供宵药分子结构－毒性／性质库。     

A Dempster Shafer-based fuzzy multisensor fusion system using airborne lidar and hyperspectral imagery

ABSTRACT

Nowadays, accurate spectral reflectance information is provided by hyperspectral (HS) data while light detection and ranging (lidar) data provides precise information about the height and geometrical properties of the surfaces. In the most research papers, data fusion of disparate sensors significantly improves object classification performance compared to that of just an individual sensor. Previous researches on fusion of these two sensors had problems such as crisp classifiers or simple fuzzy decision-making systems. This article tries to overcome these weaknesses by accurate support vector machine (SVM) and Fuzzy SVM as classifiers in crisp and fuzzy decision fusion system and fusion of two sensors by two different methods based on precise theories of Bayesian and Shafer. Also, the proposed method tries to compare the results of fusion of both data using decision fusion system with stacked features strategy. This study focuses on HS and lidar fusion through three main phases. The first phase is based on the using of Noise Weighted Harsanyi-Farrand-Chang method and principal component analysis to overcome the high dimensionality problem of HS data. The second phase is based on the feature extraction and selection strategy on lidar data. Finally, fuzzy SVM and Dempster Shafer methods are applied as fuzzy classification and fuzzy decision fusion strategies on the feature spaces. A co-registered HS and lidar data set from Houston of U.S.A. by 15 classes was available to examine the effectiveness of the proposed method. The results of this study highlight that the combination of HS and lidar data enable reliable mapping of land cover.     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

基于支持向量机的非线性系统故障诊断

提出了联想度的概念,并由此设计出一种自组织模糊CMAC（SOFCMAC）及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高等特点,用该SOFCMAC作为非线性系统观测器而生成残差,通过支持向量诊断器得到故障检测与诊断结果。对某型歼击机的结构故障进行诊断,仿真结果表明了该方法的有效性。     

基于相关性函数和最小二乘的多传感器数据融合

针对目前传感器数据融合过程中,各传感器的可靠度估计困难和测量数据融合结果精度较低的问题,利用模糊理论中的相关性函数,提出了多传感器的相互支持程度计算的新方法,并基于最小二乘原理,对支持程度高的传感器数据进行融合.该方法计算简单,能客观地反映各传感器的可靠程度,不需要知道数据的先验信息.仿真结果表明,相比同类融合方法,该方法获得的结果具有更高的精度.     

基于多传感器信息融合的目标跟踪与防撞决策

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构.在此基础之上,利用模糊积分方法融合多种相关信息,确定了汽车应采用的安全运行模式,实现了主动安全防撞决策.大量实验表明,该算法具有很好的稳定性和准确率.     

BP神经网络在巡逻机器人多传感器数据融合中的应用

针对传统危化品仓库固定式监控器中监控范围小、报警准确率低的特点,研究了一款危化品仓库巡逻机器人,采用以拉依达准则改善BP神经网络融合性能的多传感器数据融合方法,通过采集泄露危化品浓度、仓库内环境温度和湿度等数据,在对数据进行拉依达去噪、归一化后利用BP神经网络进行融合输出.样机试验结果表明,该方法可有效提升危化品仓库巡逻机器人对空间环境的把握度,大幅度提高报警的准确性和可靠性,同时具备良好的传感器扩展性.     

改进的动态加权多传感器数据融合算法

为采用多个传感器对某一目标特性进行多次测量,提出一种改进的动态加权多传感器数据融合算法。利用模糊集合理论中的隶属函数构造各观测值的支持度矩阵,通过增加矩阵维数度量观测数据在整个观测区间的相互支持程度,采用矩阵特征向量的稳定理论分配融合权重,得到数据融合估计的最终表达式。仿真结果表明,与同类方法相比,该方法的融合精度较高,具有较好的稳健性。     

基于近邻量测认知信息的多传感器融合估计

在构建传感器模糊量测认知偏差的基础上,提出一种新的多传感器融合估计方法。运用相邻量测样本均值和协方差度量传感器可靠性,确保融合权重分配的客观性和灵敏性。实验结果表明,与基于均值融合算法和支持度融合算法相比,使用该方法得到的融合权值分配方式更加合理,可进一步提高估计精度。