多传感器数据融合研究

数据融合技术又称多传感器数据融合或分布式传感,即对多类多源和多平台传感器数据进行组合,提供有关空间信息综合态势的一种数据处理技术。数据融合可分为:信号级数据融合、像素级数据融合、特征级数据融合和符号级数据融合。本文讨论了红外图像、可见光图像、多谱图像、雷达图像等的数据融合问题以及各级数据融合的方法。     

基于灰色关联度的多传感器数据融合方法研究

针对多个传感器对某一特性指标多次测量的数据融合问题,提出一种基于灰色关联度的多传感器数据融合新方法。该方法将各传感器测得的数据视为一个行为序列,利用灰色关联度对不同传感器测得数据之间的接近程度进行度量,并通过灰色关联矩阵全面衡量数据间的综合接近程度,然后根据非负对称矩阵的性质求得各传感器测得数据在数据融合表达式中的权重,从而实现多传感器数据的融合。仿真结果表明应用所提出方法对雷达数据进行处理,可有效降低跟踪误差,提高测量精度。     

用于判别连接状态的机器人手爪多传感器数据融合

舱外移动机器人在空间站工作时 ,其手爪与工件及空间站的安全连接至关重要。分别用BP神经网络和径向基函数神经网络 ,对机器人手爪上的力传感器、接近觉传感器和位移传感器的信息进行了融合 ,得到一个关于机器人手爪连接状态的正确判别     

考虑传感器失效的多传感器加权数据融合算法

本文提出了一种基于信任度函数的方法,对多传感器数据进行一致性检验,然后结一致性传感器进行加权融合。仿真结果表明,该方法计算量小,能简便,快速地确定生的传感器数据。     

多传感器数据融合技术应用研究

当前多传感器数据融合技术中,多是基于支持度矩阵的最优加权多传感器融合方法,但在支持度矩阵的计算中,相对距离的选取多是基于时域峰值,时域峰值在测量中存在较大干扰和不确定性,因此通过时域峰值不能很好地确定两个传感器之间的相互支持程度．本文提出了一种基于互相关函数的支持度矩阵计算方法,然后对支持度高的传感器进行最优加权融合．通过仿真表明：此种方法无需传感器的任何先验知识,能够客观显示各传感器的可靠程度,比其他方法具有更高的融合精度．     

多传感器数据融合中的数据预处理技术

数据预处理是进行多传感器数据融合的基础，对数据的空间统一和时间统一的研究方法及流程进行了阐述，介绍了其于该方法的技术在实际应用中取得的效果。     

多传感器目标分类的数据融合方法

本文概述了多传感目标分类数据融合技术的概念，原理，结构和算法，揭示了它的实质，全面介绍了该技术目前在国内外的研究发展状况，指出存在问题，难点，并预测未来发展趋势，完整地展示这一研究领域的全貌。     

多传感器航迹数据融合的机载火控系统

为研究机载火控系统多传感器数据融合的方法。采用了基于多目标多传感器航迹数据融合的改进的卡尔曼滤波算法，运用假设检验理论，充分考虑了位置数据互联的正确性和目标信号的历史信息，使其性能不随目标数目的增大而变差。计算机仿真表明：所建立的系统操作方便，运行可靠，性能价格比高；所采用的算法具有处理速度快、精度高等优点。     

多传感器数据自适应加权融合估计算法的研究

针对从含有观测噪声的测量数据中估计一个非随机量，本文提出了一种多传感器数据自适应加权融合估计算法，并在理论上证明了该估计算法的线性无偏最小方差性。最后给出了本算法在计算机上的仿真结果，从实际应用上进一步说明了本算法的有效性。     

基于模糊贴近度的多传感器数据融合测量

依据现代测量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方法,研究了它在测量中的应用过程。测量应用实例验证了其在工程中的可行性,体现了稳定性、可靠性高的传感器在测量数据融合中的“优越性”,运算过程简洁、快速、有效,便于实时测量操作。     

机器人导航中的多传感器数据融合新算法

着眼于机器人导航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,研究了它的原理及其在机器人导航中的应用过程.应用实例体现了稳定.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、有效,便于机器人在导航中实现实时环境测量与数据处理.     

基于小波去噪的增强多尺度多传感器数据融合

建立了基于小波去噪的增强多尺度自回归模型。增强多尺度状态可以将直接基于小波变换的多尺度自回归模型的网状结构简化为二叉树结构。基于小波去噪的多尺度模型具有非参数化特性，该模型适合于系统特性不知道的分布式多分辨率多传感器进行建模。最后，应用该算法于高精度划线切割机器人系统中多传感器的建模，实现了型钢划线切割过程中型钢边缘的检测。实验结果和数值仿真表明，多分辨率多传感器的数据融合可以消除噪声的干扰，提高检测系统的测量精度。     

基于多传感器的机器人夹取系统设计

目的在分拣包装应用中,实现工业机器人使用指定的压变设置对物体进行夹取作业。方法设计由PLC、机械夹手、触摸屏、工业机器人组成的夹取系统。其中采用三菱FX系列PLC为控制中心,具有多传感器的机械夹手为末端执行器,三菱GS系列触摸屏为交互界面,安川工业机器人为运动机构。根据夹取流程,采用PLC分析夹取限位、闭合限位、压力检测、变形检测等传感信息,并协调各部分运行。结果系统能够在设定的压变范围内,实现对适用物体的自动夹取作业,并且通过触摸屏可便捷查看检测信息及设置参数。结论该系统能够基于多传感器的检测进行机器人夹取作业,且参数可调控,适用于自动化夹取作业。     

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error, MAPE)和拟合度(r²)均优于BP神经网络和自适应加权(adaptive weighted, AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。     

基于关节电机速度控制的机器人直接示教策略研究

本文提出一种无外力传感器、稳定高效的基于关节电机速度控制的机器人直接示教策略。对示教过程中的机器人重力、摩擦力分别进行建模分析。通过机器人的力/力矩平衡方程,递推作用于关节上的重力,并在MATLAB和Adams中仿真验证。建立包括库伦摩擦力和粘性摩擦力的摩擦力模型,并进行模型参数识别。最后,在UR10机器人测试平台上进行了控制策略实现和直接示教实验,实验示教效果显著。该控制策略运算量小、系统响应快、示教灵活、成本低,为后续机器人直接示教研究提供新的方法和途径。     

基于UKF信息融合的多旋翼飞行器姿态估计

姿态估计是多旋翼飞行控制的基础,为实现多旋翼三轴姿态估计,构建了基于MEMS陀螺、加速度计和磁力计的低成本姿态测量系统.该系统采用STM32F103作为控制器,集成加速度计和陀螺仪MPU6050,磁强计HMC5883作为测量传感器.针对多旋翼飞行器单一传感器无法准确测量姿态信息的问题,提出了基于无迹卡尔曼滤波信息融合的姿态估计算法.以陀螺仪为状态矢量,加速度计和磁强计解算的姿态角为观测矢量,无迹卡尔曼滤波器将陀螺的良好动态性能与加速度计、磁强计的良好静态性能结合起来,提高姿态测量精度,具有良好的动态跟踪性能.通过飞行测试,与高性能成品飞行器的姿态信息做对比,验证和分析该低成本姿态测量系统的有效性.实验结果表明,基于无迹卡尔曼滤波的姿态测量系统实现了动态环境下低成本多旋翼的精密姿态测量,为无人机自主飞行控制奠定了基础.     

基于MEMS传感器的高精度姿态角测量研究

针对传统姿态参考系统姿态解算容易受到载体运动加速度的干扰,导致系统精度变低、稳定性变差等问题,提出一种改进的卡尔曼滤波算法。该算法建立基于四元数的惯性系统姿态解算数学模型,并根据载体运动加速度的大小,适时调整卡尔曼滤波器的量测噪声方差的大小,以此减弱卡尔曼滤波过程中运动加速度对姿态角解算精度的影响。采用MEMS三轴陀螺仪、加速度计和磁阻传感器完成载体在电梯升降过程中的测量,对实验测量数据进行姿态解算,结果表明改进后的卡尔曼滤波算法能够有效减小运动加速度对姿态解算的影响,姿态角的均方根误差相对于传统的姿态参考系统降低约40%。     

基于变参数导纳控制的机器人示教方法研究

针对在工业化人机示教场景下,考虑人机交互的柔顺性与安全性需求,提出了一种基于变参数导纳控制的机器人直接示教方法。首先对示教系统的组成结构进行说明,再基于导纳控制原理以及交互柔顺性与安全性需求设计变参数导纳控制器,最后通过路径拖动示教实验来验证所设计的控制器的有效性。结果表明,提出的控制方法具有较好的准确性,并能保证转向时的安全性。     

基于MEMS惯性传感器的微型姿态测量系统

提出了一种基于低成本MEMS惯性传感器的微型姿态测量系统,包括MEMS速率陀螺、MEMS磁强计、单轴MEMS加速度传感器.重点研究了基于扩展Kalman滤波（EKF）的姿态估计创新算法,通过速率陀螺更新误差状态四元数计算姿态角,并通过飞行方向的加速度传感器和三轴磁强计来补偿陀螺漂移和姿态角误差,利用扩展卡尔曼滤波方程消除瞬时干扰,实现高动态姿态测量.系统的仿真和高动态实验表明,姿态测量动态精度低于5°,静态精度低于0.7°.     

基于任务的神经网络多传感器数据融合新方法

面向遥操作机器人系统对传感和控制的具体要求及条件,提出一种基于任务的神经网络多传感器数据融合新方法。根据遥操作过程中的不同任务,利用优化的神经网络算法,对双视觉、六维力／力矩、接近觉（数字／模拟）、指端力、关节角度等多种传感器信息进行融合决策,并实时地将融合结果反馈回上层控制系统。