模糊数据融合在多传感器环境监测中的应用

文章提出了一种应用多传感器模糊数据融合技术的信息检测方法。该方法采用多传感器监测被测环境的温度、湿度和通风量等参量,将多个传感器所获取的多元信息模糊化后,经过融合中心的合成运算和决策规则的运用,获取被监测环境状态参数的精确估计,最终用于信息决策。实验结果表明,该方法能有效地提高环境状态监测的准确率,增加状态监测的置信度,提高监测系统的性能。     

基于模糊神经网络的多传感器信息融合技术及应用

将模糊规则与神经网络相结合，实现了一种新的推理方法，并在此基础上建立融合模型，讨论了基于模糊神经网络的多传感器信息融合技术及其在污水分析中的应用。     

基于期望值的模糊多传感器信息融合方法

通针对目标类型的特征指标值和传感器的测量值均为三角模糊数的多传感器类型识别问题,提出了一种新的融合方法.该方法将三角模糊数决策矩阵元素转换为期望值,通过求解目标类型与未知目标属性偏差最小的优化问题得到属性的权重,根据各目标类型的综合属性期望值给出目标识别结果.较好地避免了属性权重选取的主观性,计算简单,易于计算机上实现,仿真实例表明了方法的有效性和实用性.     

多传感器信息融合在智能车中的应用研究

研究智能无人车采集的差异数据融合问题,提高融合后有效信息数量。针对智能无人车多传感器采集存在较大随机性,采集的信息在特征上存在较大差异,在后期融合过程中的差异容易造成信息冲突,导致有效信息丢失,融合后的有效数据量大幅减少。为了解决上述问题,提出一种自适应多传感数据信息融合算法,通过估计出数据信息的可融合程度,运用滤波技术提高其融合能力,增加融合后有效数据信息量。实验表明,该算法能够大幅提高多传感器差异信息融合率,增加有效信息数量,取得了不错的效果。     

模糊神经网络信息融合方法在机器人避障中的应用

基于Takagi—Sugeno(T—S)模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点，又具有很好的学习能力。将基于T—S模型的模糊神经网络的信息融合算法应用在移动机器人的避障运动中，采用了多个超声测距传感器探测障碍物的距离和方向，经过模糊神经网络信息融合后，实现了机器人对障碍物和环境类型的识别以及无冲突的运动。实验表明：此方法能够使机器人安全避障。     

多传感器信息融合在温室湿度检测中的应用

针对温室环境复杂、温室湿度变化明显等特点,采用多传感器信息融合方法对采集的温室湿度进行数据融合.传统温室湿度采用平均值算法进行数据的融合,具有融合结果误差较大、无法消除传感器失效产生的误差等缺点,采用模糊C均值(FCM)聚类算法对温室湿度进行数据融合,结果显示:FCM算法优于平均值算法,提高了检测的准确性.     

多传感器信息融合及在智能故障诊断中的应用

对多传感器信息融合进行了简要的综述,进而提出了信息融合的一般结构,结合智能故障诊断系统的特点,研究了基于信息融合技术的诊断系统结构。     

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。     

多传感器信息融合在机器人避障中的应用

本文在移动机器人的避障系统中,充分利用数字信号处理器(DSP)超强的运算能力,以及单片机(MCU)善于控制的特点,构造了DSP+MCU的双CPU系统,并且利用粗糙集理论进行多传感器信息融合,实现了移动智能机器人在不确定环境中实时获取外部信息,快速地实现避障.     

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。     

基于模糊推理多传感信息融合的多目标跟踪

将模糊推理系统与多传感器顺序结构算法相结合，实现密集杂波环境中多目标的精确跟踪，采用模糊推理求解关联概率，并与雷达／红外跟踪系统相结合，在密集杂波环境中实现了对多目标的精确跟踪，仿真实验结果表明了所提出方法的有效性。     

煤矿安全监测多传感器分层数据融合模型研究

为提高多传感器检测系统预警的精度,降低多传感器监测过程中出现的状态不明或状态误判的发生率,提出了一种多传感器分层数据融合模型。该模型在数据层运用层次分析法确定隶属度和相应权数,在特征层运用模糊评价法进行数据融合,在决策层运用D-S证据理论进行数据融合,可根据对应输入融合数据类型的不同运用合适的算法进行计算处理。试验结果表明,与初始数据比较,该模型能够将目标的安全、轻微、危险3种状态的隶属度分别提高8.3%,6%,29.2%,验证了该模型的有效性。     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

模糊神经网络信息融合在管道机器人导航中的应用

考虑到石油管道的封闭性和复杂性,很难识别环境特征,将基于模糊神经网络的多传感器信息融合用于解决管道中管道机器人的导航问题。采用CCD摄像头和距离传感器来识别管道中的障碍物和弯道,并根据环境信息制定控制决策。建立了机器人物理模型和模糊神经网络拓扑结构,并对神经网络进行了学习训练。最后,对其中一种环境类型进行了仿真验证,证实了算法的有效性。     

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。     

区间值Vague集在多传感器信息融合中的应用*

采用区间值Vague集表达多传感器信息融合问题,提出了一种新的融合方法。定义区间值Vague集的距离和得分函数,利用关系矩阵确定各传感器的综合支持度,进而得到目标的综合得分函数,给出融合结果。实例分析验证了方法的有效性。     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

多传感器信息融合在滚动轴承故障诊断中的应用

针对单一传感器在滚动轴承故障诊断中存在故障识别率不高,敏感特征不易提取,诊断系统可靠性差等问题,提出了采用多传感器特征层、决策层信息融合的故障诊断方法.对振动信号采用经验模式分解(EMD)、小波包和局部均值分解(LMD)方法进行处理并提取特征向量,构建支持向量机分类器.经过特征层交叉诊断,得到初步诊断结果,在决策层采用D-S证据理论进行决策融合.试验表明:该方法可以提高滚动轴承故障识别率.     

基于信息融合技术的多传感器大气波导探测研究

结合我国大气波导探测技术发展的实际情况,引入了信息融合技术,介绍并分析了采取多传感器大气波导探测的可行性和必要性,提出了信息融合中的关键技术。结合GNSS探测大气波导和气象水文模型计算大气波导2种方法的特点,初步建立了多传感器大气波导探测系统的信息融合体系结构。