机器人手爪的多传感器数据采集、融合和传输系统

机器人为了灵巧地抓取物体,在手爪上配置了多种传感器,例如,指力传感器、触觉传感器和距离传感器。研制了一套基于DSP的系统,实现传感器数据的采集、融合和传输。系统硬件由数据采集模块、DSP模块和CAN传输模块组成。系统软件包括监控程序、初始化模块、看门狗模块、数据融合模块、CAN通信模块、数字量采集模块、正交编码脉冲计数模块和A/D中断服务程序。该系统实时地采集和融合手爪各传感器的信息,得到手爪与工件的安全连接状态,通过CAN总线传输给主控计算机。     

基于多传感器数据融合的机器人腕力测量

提出根据手爪上的多个指力传感器的输出变化，通过数据融合方法得到腕力的数值。研制了标定腕力与手爪上指力之间关系的实验台，进行了标定实验。采用径向基函数神经元网络对实验数据进行训练，得到融合网络的权值。融合结果与实测结果相当吻合。     

空间机器人多传感器集成三指手爪结构设计

介绍了空间机器人的优势特征,详细阐述了空间机器人多传感器集成三指手爪机械结构设计过程。此设计具有可靠、实用、灵活、体积轻等特点,可为同类研究设计提供参考。     

基于神经元的多传感器数据级融合研究

在不知道先验知识的条件下,从含有观测噪声的多传感器测量数据中估计出方均误差最小的数据融合值,并作为神经元融合系统训练样本,因而解决了多传感器测量系统数据级融合的标定问题。研究结果表明,融合数据在精度、容错性以及动态响应方面均优于单传感器测量。     

基于神经网络的大直径测量多传感器数据融合

多传感器数据融合技术可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率。本文将BP神经网络应用于大直径测量系统的特征层数据融合,得到准确的测量结果。     

基于BP神经网络的压力传感器数据融合研究

压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响而导致精度大大降低。该文采用BP神经网络对压力和温度2个目标参量进行数据融合处理,减小了两者相互交叉干扰敏感度。结果表明,采用BP神经网络进行数据融合,能够提高传感器的稳定性及其精度,仿真验证了该方法的有效性和可行性。     

机器人多传感器信息的模糊融合

本文基于模糊积分理论提出了一种多传感器信息的模糊融合方法,该方法简单实用,能很好的用于机器人的物体识别,实验结果证明了该方法的可行性和正确性.     

基于数据融合技术的多传感器目标跟踪系统

数据融合技术是集多种学科于一体的前沿技术.多传感器目标跟踪是数据融合技术在目标跟踪领域的应用范例,它将多个传感器信息有机合成,估计目标的运动状态,产生比单一传感器更优越的跟踪性能,在此,阐述了数据融合技术及其在多传感器目标跟踪系统中的应用.     

基于PSoC的多感觉多维灵巧机器人手爪的硬件设计

本文介绍了一种新型三指六关节多感觉灵巧机器人手爪的硬件设计。该手爪提供力觉，接近觉、温觉及角度位置等信息，具有体积小、重量轻、多指多关节等特点，能够适应复杂环境。硬软件设计基于PSoC微处理器，简洁易用，系统稳定可靠。     

BP神经网络在倾角传感器数据融合中的应用

针对电解质型倾角传感器对倾角和温度的交叉灵敏度问题,采用BP神经网络法对其输出电压进行数据融合,以消除温度对电解质型倾角传感器的影响。通过实验标定了传感器在各种温度环境下的电压输出,构建了神经网络对其进行数据融合。结果表明:该方法能很好地抑制倾角传感器的交叉灵敏度,提高了其测量准确度。适合高精度要求下平台倾角测量。     

多传感器数据融合技术在车辆动态称重中的应用

针对车辆动态称重系统的结构和特点,采用一种基于神经网络的多传感器数据融合技术处理方法,并将其应用到动态称重系统中。通过对融合前后的数据进行比较分析,可有效地提高车辆动态称重系统抗干扰能力,以保证参数检测的可靠性和准确性。     

基于最近统计距离的多传感器一致性数据融合

为了剔除多传感器测量数据中的疏失误差,一致性数据融合方法得到广泛研究。在已有方法的基础上,定义了一种新的用于衡量传感器测量数据之间支持程度的统计距离,并在此统计距离的基础上,提出了一种基于最近统计距离的多传感器一致性数据融合新方法。数值仿真实验的结果表明,和已有方法相比,新定义的统计距离更能合理地反映传感器测量数据之间的支持程度,同时,整个融合过程的计算复杂度和计算量明显降低。     

基于神经网络的机械加工多传感器信息融合研究

概述了多传感器信息融合技术的原理与方法，分析了该技术在机械加工过程中的优势，并详细地分析了其在刀具状态监测、加工精度预测和在线测量方面的应用。     

多传感器数据融合新算法及在诊断学中的应用

着眼于复杂装备系统诊断实践中多传感器数据融合需求,提出了一种基于模糊贴近度的数据融合新算法,通过计算各个传感器测量值与估计值之间的模糊格贴近度,确定它们在测量中的权重,从而实现多传感器诊断参数数据融合.结合该算法原理,还设计了它的诊断数据融合应用软件.应用实例表明该算法体现了稳定性强、可靠性高的传感器在数据融合中的"优越性",运算过程简洁、快速,运算方法可行、有效,便于发动机诊断中实现时环境测量与数据处理.     

多传感器数据融合新算法及在诊断学中的应用

着眼于复杂装备系统诊断实践中多传感器数据融合需求,提出了一种基于模糊贴近度的数据融合新算法,通过计算各个传感器测量值与估计值之间的模糊格贴近度,确定它们在测量中的权重,从而实现多传感器诊断参数数据融合.结合该算法原理,还设计了它的诊断数据融合应用软件.应用实例表明:该算法体现了稳定性强、可靠性高的传感器在数据融合中的"优越性",运算过程简洁、快速,运算方法可行、有效,便于发动机诊断中实现时环境测量与数据处理.     

基于BP网络的压力传感器信息融合

压力传感器输出特性容易受环境温度、电压扰动等各种非目标参量的影响，从而大大降低了其性能。BP算法是一种最速下降的静态寻优算法，而对其改进的算法LMBP算法克服了标准BP算法的固有缺点，不但学习速度快，而且精度高。利用LMBP算法对压力传感器的输出进行融合，有效地消除了非目标参量特别是温度对压力传感器输出的影响，最后利用MATLAB软件对样本数据进行训练和仿真，通过对融合结果分析可知：BP网络的LMBP算法不仅提高了压力传感器的精度，而且提高了压力传感器的稳定性和可靠性。     

基于独特型网络理论的车载多传感器信息融合算法

在独特型网络的基础上,设计了一种应用于高速公路上,装载CCD和雷达的车辆多传感器信息融合模型。实时更新的抗体库能提高识别速度,而抗体库多样性则通过抗体间正交亲和度阈值来保证。独特型网络中抗体浓度随着抗原入侵产生变化,最终达到另一平衡状态,并得到融合结果及其可信度。抗体浓度的变化由克隆选择算法实现。