D-S证据理论在移动机器人中的应用

本文详细阐明了多传感器信息融合的一种方法D-S证据理论,他是一种处理不确定性问题的有用方法,并且阐述了D-S证据理论在传感器信息融合的移动机器人上的应用,并且提出了一种基本概率赋值的方法,建立传感器和目标之间的距离与关联性的对应关系.又根据传感器与目标的关联性引入了加权系数,有效地增强了决策结果的正确性.     

基于D-S证据理论的超声波测距模型的设计

在分析超声波传感器的测量特性和信息不确定性的基础上,提出了一种新的超声波传感器模型,该模型利用D-S证据理论来计算超声波传感器扇形范围之内的栅格信息的可信度,能准确描述出超声波传感器测量范围之内的障碍物位置。通过仿真验证了该方法的有效性和实用性。     

D-S证据理论在移动机器人信息融合中的应用

移动机器人的自动能力中实时避障和导航是一个很关键的技术,研究中主要的问题是：机器人在运动时需要充分的环境信息,而且处理这些信息的速度要快,同时也要满足实时性的要求。详细介绍了将D-S证据理论应用于移动机器人对未知环境的探索、感知过程,并通过仿真结果对D-S证据融合方法的性能进行研究与改进,确定了D-S证据融合方案的具体实现步骤,并完成了一个简化的仿真算例,得出了相关结论。     

基于信息熵的D-S证据理论及其在传感器融合中的应用

从证据本身和证据之间的相互关系两个方面分析了证据的可信度及相应在融合过程中获得的权重.引入了证据信息熵的概念,并给出了从证据本身确定可信度的方法.为了从证据之间的相互关系考察证据的可信度,给出了描述证据间相互支持的模糊关系矩阵,并依此来影响各传感器对于融合数据的重要性.实验验证了所提方法的有效性和鲁棒性.     

D-S证据理论在决策支持系统中的应用

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。证据理论能够对各自独立的证据加以综合给出一致性结果,并能处理具有模糊和不确定信息的合成问题,最终达到信息互补。与其他推理方法相比更符合人类思维决策过程。为此,提出一种基于D-S证据理论的灾害决策支持方法,并根据试验结果验证了该方法的有效性和可行性。     

D-S证据理论在时-空信息融合中的应用

多传感器的信息融合技术应用于导航、目标跟踪、目标识别等很多领域。目前用于信息融合的主要方法就是证据理论技术。论文给出了三种基于D-S证据理论的多传感器多个测量周期的信息融合(时-空信息融合)的方法。在仿真实验中对这三种方法进行了比较,分布式有反馈的方法是三种方法中最好的。     

D-S证据理论在综合评估中的应用

目前常用的综合评估方法包括层次分析法、模糊综合决策法、基于神经网络的方法等,这些方法存在如下不足:(1)只能给出一个综合评估结果,却不能给出评估结果的确定性和不确定性度量;(2)不能处理评估信息中的未知性因素。为此,本文提出一种基于D-S证据理论的综合评估方法,以期解决上述问题。     

基于D2S 证据理论的移动机器人 多传感器信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D-S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。     

D-S证据理论在电子证据内容确定性评估中的应用研究

电子证据都有不同程度的不确定性,当前理论和实践中缺乏对电子证据确定性定性、定量化的研究。文章采用D-S证据理论对电子证据内容确定性进行了评估,并与模糊综合评判法判断电子证据确定性程度做了对比分析,实验结果表明,D-S证据理论在判断电子证据确定性程度中具有可信度更高,准确性更高的特征。     

D-S证据理论在多传感器目标识别中的应用

针对多传感器目标信号的特点 ,运用小波变换和FOBW编码对信号进行特征提取。在此基础上 ,运用D S证据理论对目标进行融合识别。与单一传感器的识别结果相比较 ,上述方法能明显提高识别能力 ,同时降低识别的不确定性 ,提高识别的实时性。     

D-S证据理论在楼宇安全系统中的应用

楼宇安全是目前城市治安的重大问题,也是广大人民群众所关心的问题。本文使用基于D-S证据理论的数据融合算法,配合最小二乘法系统辨识方法进行安全预测,得出楼宇安全报警系统的判定算法。通过模拟计算,对楼宇安全报警系统信息进行多传感器融合,证明了此算法对楼宇安全判定的高效性。     

移动机器人模糊逻辑控制系统避障研究

本文对全区域覆盖的局部路径规划，采用了一种模糊控制算法，利用模糊控制算法自身所具有的鲁棒性和基于生物学上的感知一动作的行为相结合。对于移动机器人的避障系统提出了充分接近障碍的避障策略，并对相关理论和实现方法作了深入的研究。     

D-S证据理论在数据融合中的应用及改进

对证据合成的基本原则和D-S合成公式作了分析,针对D-S算法实现过程中存在的失效问题提出了解决的方法,对该理论的不足采用了修正的合成规则,通过实例运算表明该方法能够对传感器提供的不一致证据进行组合,并使组合结果更加直观.     

基于移动障碍的MWSN节点协同转向避障方法

针对传统蜂拥控制模型协同避障的研究,笔者曾对其做出了改进,并加入了Steer to Avoid避障法则,通过仿真表明,它能够有效提高避开静止障碍的效率。该模型用于具有移动障碍的环境时,若障碍的运动方向与节点的判断方向同向,可能会与障碍物保持相对静止,从而大幅度降低避障效率。对Steer to Avoid进一步改进,提出一个新的针对移动障碍物的避障模型。当障碍物的运动趋势和节点的Steer to Avoid转向判断相同而且两者的速度较为接近时,节点将向着障碍物运动的相反方向运动。提出了对障碍物的移动预判。仿真实验结果表明,与传统两个模型相比,该模型在平均速率和时间效率上有显著提高,并且适用于避开未知的移动凸形障碍。     

D-S证据理论在传感器融合中的探讨

为解决证据间的可信度问题,引入支持矩阵的概念.在移动机器人自主爬楼梯的研究中,根据传感器的局部决策值构造整个系统的支持矩阵,计算出它的特征向量并作为证据的可信度.通过实验,证明算法的先进性和有效性,最后客观地评价这种方法.     

多移动机器人避障编队控制

研究多移动机器人避障优化设计,针对多移动机器人在障碍物环境下的编队控制问题,为了保持整体合理避障和控制系统的稳定性和安全性,提出一种多机器人避障编队控制策略.首先获得多移动机器人编队的队形结构模型,结合多机器人完成避障编队任务的问题描述;在此基础上引入导航函数采用一种避障编队控制算法,使移动机器人能以设定的队形运动到目标点,可保证编队运动过程中未与障碍物发生碰撞.进行仿真的结果证明,所提算法解决了多机器人编队与避障问题,并保证了闭环系统的稳定性与安全性,验证了设计方法的有效性.     

移动机器人的超声模糊避障算法

超声传感器是移动机器人避障常用的传感器．但存在幻影的干扰。该文提出多个超声传感器的模糊避障算法．该算法把多个超声传感器分为左右两组．如果障碍物在右侧．机器人就向左转，反之机器人向右转。实验表明．该文提出的算法可以实现机器人的安全避障。