陈忠德[1]1995年在《多传感器智能系统信息融合理论及应用》文中指出智能系统使用多种传感器能够更迅速、更经济地获得有关外界环境全面、可靠、准确的信息，使之在不确定或动态的环境中工作时具有较高的适应能力和柔性，从而提高了系统的智能水平。多传感器信息融合的有关理论就是为了更有效地处理多传感器智能系统的设计与分析而提出和发展起来的一个新的研究方向。随着对智能系统要求的不断提高，多传感器系统信息融合的研究正受到人们越来越大的关注。 多传感器系统信息融合是一门综合性很强的研究课题，它包括统计学、决策论、控制理论、系统辨识及传感器学等多方面的内容。虽然在短短的几十年内已取得了若干重要研究成果，但可以说，在多传感器信息融合的研究中理论远远落后于实际需要，至今尚未形成具有普遍指导意义的较为严格的理论和方法。本文试图对多传感器系统信息融合的理论框架作一个总结和深入研究。第一章介绍了多传感器系统信息融合的概念，对信息融合的方式作了详细的解释；并论述了多传感器信息融合系统的优点和特征；同时还介绍了多传感器信息融合的发展过程和主要应用情况。第二章给出了多传感器系统信息融合的一个总体概念结构。建立了传感器信息融合的基本结构；总结了传感器信息的建模方法和一些典型的融合方法；给出了几种具有代表性的传感器信息融合拓朴结构。 系统中传感器的种类是多种多样的，因而传感器得到的信息类型也是不同的。根据传感器信息的特点，信息融合方法一般可划分为定性信息融合、定量信息融合和动态信息融合。第三、第四、第五章分别对这三种类型作了详细的讨论。 第三章在证据决策理论的基础上，得到了定性信息的一般融合方法；还在不失去Dempster-Shafer理论本质的前提下向模糊集合得到了扩展，并由此给出了在模糊性下的一个合理融合方法。
李宏坤[2]2003年在《基于信息融合技术船舶柴油机故障诊断方法的研究与应用》文中研究表明柴油机因其结构的复杂性和故障诊断困难性，基于多传感器信息融合的故障诊断是其发展的必然。本文在总结和汲取前人研究成果的基础上，结合实际课题的研究，着重对基于信息融合理论的柴油机故障诊断技术进行深入、系统的研究。 特征提取是柴油机故障诊断的重要环节，直接关系到柴油机状态识别的成败与否。在众多的特征提取方法中，基于振动信号的柴油机特征提取方法得到广泛研究，但由于柴油机振动信号非常复杂，具有非平稳、非线性等特点，使其特征提取十分困难。因此作者首先对振动信号的特征提取方法进行了深入研究。 柴油机振动信号产生的机理是进行振动信号的特征提取前提和基础，对于故障诊断非常重要。为此，研究了柴油机表面振动信号的产生机理，指导柴油机的特征提取。分析了柴油机振动信号的循环波动性，并研究了解决循环波动性造成影响的方法。在此基础上，进行了柴油机振动信号特征提取方法的研究。主要研究了基于局域波法和小波K-L信息量柴油机振动信号特征提取方法。主要目的是对柴油机的特征信息进行量化，为基于信息融合理论的柴油机故障诊断打下基础。 单缸四冲程柴油机用来进行柴油机的故障模拟试验研究，监测柴油机在8种不同状态下的实验数据，为基于信息融合理论故障诊断技术研究提供了样本。根据试验样本，研究了基于神经网络的柴油机融合诊断技术，并对基于模糊神经网络的柴油机融合诊断技术进行深入的探讨。同时研究了基于D-S证据理论的决策层信息融合的柴油机故障诊断技术。基本融合方法的研究为进行更深入融合理论研究和框架结构设计打下了基础。 在此基础上，根据柴油机结构的复杂性、信号的波动性等因素，提出了基于组合框架结构的时空信息融合系统模型，研究了此框架结构的优越性，并且着重论述了采用此方法进行柴油机故障诊断的核心问题和解决方案。以实际分析介绍此模型在柴油机故障诊断中的应用过程，应用结果证明其有效性。 最后，以郑和舰主机故障诊断的为背景，开发研制了“郑和舰主机故障诊断智能系统”。实践证明，此系统为郑和舰主机的预知维修提供了有力的技术支持，同时为基于信息融合理论的柴油机故障诊断的实际应用迈出了第一步。
肖斌[3]2008年在《多传感器信息融合及其在工业中的应用》文中指出本文以太原某自动化技术有限公司的研究课题“基于多传感器信息融合技术的钢球磨煤机料位检测和控制系统”为背景撰写而成。多传感器信息融合技术是刚刚发展起来的一个新的研究方向,虽然对它的研究还不太普及和完善,但它在军事、航空航天、工业控制、遥感遥测、医疗、工业机器人等领域已经取得了许多成功的应用。论文在研究了多传感器信息融合技术的基础理论并综合了许多应用实例的基础上,进一步验证了多传感器信息融合技术应用在工业控制领域中的可行性,给出了行之有效的系统设计和评价方法。钢球磨煤机是火力发电厂的重要设备,也是能耗最高的设备之一。目前对钢球磨煤机料位的检测和控制大部分没有实现自动化,基本凭操作人员的经验进行手动操作,导致钢球磨煤机的工作效率低下,能耗较高,自动化程度低,同时也增加了工人的工作量。由于钢球磨煤机空载和满负荷运行时电耗相差不大,因此,降低钢球磨煤机能耗的关键在于增加磨煤机的出力,提高其工作效率,这就需要将钢球磨煤机磨内的存煤量控制在合适的水平上,让钢球磨煤机始终工作在最佳工况下。为实现这个目标就需要对钢球磨煤机中的料位进行实时检测,将检测结果作为反馈量,对磨煤机磨内料位进行控制。论文首先研究了钢球磨煤机的运行特性,了解了现阶段对钢球磨煤机料位检测和控制的现状,比较了常用的料位检测及控制方法的优缺点,通过多方论证,将多传感器信息融合技术应用到钢球磨煤机料位检测、控制中。系统采用TI公司的TMS320VC5502 DSP芯片构建了融合硬件平台,设计了融合硬件平台的各部分电路,绘制了PCB板,完成了融合硬件平台的调试。系统将音频传感器采集的信号、出入口差压、入口负压信息作为融合参量,选择了合适的融合算法,完成了相应软件的设计,并进行了BP神经网络法和模糊集理论法的融合仿真。系统根据实际需要,设计了给煤机控制器,进行了操作界面组态,在此基础上完成了系统的总体硬、软件调试,建立了采用多传感器信息融合技术的钢球磨煤机料位检测和控制系统,目前,实验室阶段的调试已全部完成,正在进行现场安装及调试。通过实验室实验和现场初步调试结果可以看出,采用多传感器信息融合技术的钢球磨煤机料位检测和控制系统工作稳定,性能可靠,能实现对钢球磨煤机料位检测和控制的设计要求,并能将其工作状态始终控制在较为高效的工况下,提高了磨煤机的出力,降低了磨煤机功耗,实现了料位检测、控制的自动化。
李均阁[4]2013年在《多源信息融合及其应用》文中提出多源信息融合作为多学科交叉融合的新学科和高层次的共性关键技术,通过检测融合、位置融合、目标识别融合、态势估计、威胁估计和精细处理等,可以将各信源采集的不完整信息加以综合,减少多源信息间可能存在的冗余和矛盾信息,降低其不确定性,提高智能系统决策、规划、反应的快速性和正确性,自20世纪70年代以来得到了国内外的普遍重视,并在军事和国民经济各领域得到了广泛应用。目前,多源信息融合理论与技术正处在迅速发展阶段。
王琳[5]2002年在《多传感器信息融合技术及其应用》文中研究表明火电厂中钢球磨煤机筒内存煤量的测量问题一直是制粉控制效率低和自动控制难以投入运行的主要原因之一，本文从多传感器信息融合的角度出发，重点研究了一种解决不确定性问题的有力方法——证据理论方法。同时针对证据理论存在的不足，提出了一种将证据理论与模糊理论相结合的模糊证据理论方法，并将其用于解决球磨机存煤量的测量问题，融合结果表明了该方法能有效判别存煤量的数值范围，但受专家经验的制约较大。因而利用神经网络具有的自组织、自学习、并行分布处理、高度容错性和鲁棒性的特点，将证据理论与神经网络理论相结合得到了一种两级融合方法，该方法用于存煤量的测量能够有效判别出存煤量的数值范围及变化趋势，为球磨机自动控制的投入和运行操作提供了有效的保证。
高方伟[6]2007年在《多传感器融合的技术研究》文中研究说明多传感器融合是把多个传感器所提供的局部环境的不完整信息加以综合,形成对系统环境的相对一致的感知描述,是一个涉及到信息科学、计算机科学、自动化化科学的复合型学科,是一个正处于发展中的研究方向。本文阐述了融合系统的各个组成部分,分析了目前存在的问题,指出了信息融合的发展方向,着重就融合系统的结构和算法进行了分析研究。介绍了多传感器融合的三大模型——功能模型、结构模型和数学模型。结合众多的相关文献,对功能模型、结构模型进行了详细的分类和介绍。基于参数推理技术的融合方法最常用的是贝叶斯推理和D-S证据理论。贝叶斯推理和D-S证据理论是基于统计理论的融合方法,需要根据观测空间的先验信息,实现对观测空间里的对象进行识别。本文对这两种方法进行了理论介绍,并结合实验仿真验证了这两种融合方法的有效性。研究了多传感器信息融合中的不确定性信息融合问题,运用模糊积分理论解决FEI-DEO(特征输入—决策输出)和DEI-DEO(决策输入—决策输出)融合模式下的信息融合问题,通过实验仿真证明了模糊积分方法提高了系统的不确定信息的处理能力和系统的智能度。另外还提出了一种基于模糊理论和最优加权相结合的融合方法,结合了模糊理论和最优加权这两种方法的优点,提高了融合的精度和系统对于不确定性信息的处理能力。探讨了利用两种典型的神经网络——BP网络和径向基函数(RBF)网络进行多传感器融合的融合模型和融合机理,首先利用样本信息进行神经网络的训练,然后将训练好的网络作为状态分类器,进行多传感器融合的目标识别。不仅提高了融合系统对于不确定性信息的处理能力,而且加快了融合系统的融合速度。
赵文涛[7]2007年在《基于多源交通信息的数据融合技术及其应用研究》文中提出车辆检测是智能交通系统的基础核心问题,通过车辆检测获取准确的交通流量、车速等交通参数是实施有效的道路诱导、交通控制等交通管理的重要基础。传统的车辆检测方法一般都采用单类型的传感器,但单一传感器受其自身的制约,用于车辆检测都有其不利的一面。而通过多多源交通信息数据的融合,可以获取包括车速、车流量、道路占有率等比单一传感器更准确的交通信息,从而实现更加有效的交通控制和管理。目前,视频传感器已被广泛用于车辆检测,但视频传感器对于光线变化敏感,易受天气、光照等因素影响,而磁敏传感器不受上述因素的影响。因此可以用磁敏传感器弥补视频传感器车辆检测中难以解决的昼夜转换和复杂天气情况等问题,提高车辆检测的准确率。本文主要在视频传感器车辆检测、磁敏传感器车辆检测的基础上,研究两者的数据融合。在分析比较各种数据融合方法之后,本文基于经典Dempster-Shafer证据融合理论,提出了基于数据源可靠性的Dempster-Shafer证据理论融合算法。该算法不仅继承了Dempster-Shafer理论概率分配精度要求低,更完备的信息表达,接近人类逻辑推理过程等优点。同时通过进行可靠性评估与概率重分配的手段弥补了经典理论中常常出现的证据冲突问题。通过对实时采集的视频数据和模拟的同步磁敏数据进行融合,实验结果表明,同白天和夜间情况下单一传感器检测结果相比,数据融合方法可以大大提高夜间情况下的检测结果,同时白天情况下的检测结果也有所提高。本文在已有的融合服务器开发平台基础上设计并实现了基于视频检测和磁敏检测的融合框架和融合中心结构。该融合框架分检测和融合两个阶段,具有松耦合,可扩展等优点,使交通信息的数据源不仅局限于磁敏和视频两种,还可增加任何其他类型。融合中心的结构采用模块化设计,把特征提取、数据关联和融合计算分层次进行,具有结构清晰实用性强的特点。本文还设计了融合数据的通讯协议,规定了检测客户端与融合服务器之间的通讯方式和数据包格式。检测客户端负责对传感器信号进行处理并给出基本的检测结果,按照通讯协议规定发送检测结果到融合服务器。融合服务器通过特征提取接口解析数据包,将数据提取出来放入数据池中,而无需知道客户端具体的检测方法。之后,数据联合单元和融合计算单元负责对数据池中的数据进行关联和融合处理,并给出决策级融合的结果。本文提出了改进的证据理论融合算法,并对视频与磁敏数据的进行了数据融合试验,设计并实现了基于视频检测和磁敏检测的融合框架和融合中心结构,在多源交通信息融合方面做了有益的探索,为进一步实现多源交通信息融合的应用示范奠定了良好的基础。
陈硕[8]2011年在《基于多传感器信息融合的移动机器人路径规划研究》文中研究指明机器人是当代人工智能技术和自动化技术发展的典型体现，可以说代表着一个国家制造技术发展水平。移动机器人的发展更是迅速，已经成为机器人学中一个重要分支。实际工作中的广泛应用又对移动机器人的性能提出了更高的要求，不仅需要移动机器人能够有很好的环境适应能力，还要具有不同程度的智能系统，而路径规划是研究智能移动机器人中的关键问题之一。本文以移动机器人路径规划作为研究方向，结合传感器技术，对移动机器人系统中多传感器信息融合技术，机器人定位以及路径规划等问题进行了研究。主要工作如下：首先，区别于轮式机器人，建立了履带式移动机器人的运动学模型，针对机器人定位问题，采用推算定位方法。推算定位是一个对运动误差进行积分的过程，误差随时间的积累而增大，因此利用卡尔曼滤波器，对超声波传感器测距量与推算定位结果进行融合，以求对运动误差进行估计与校正。其次，对模糊控制系统进行了分析。采用双模糊控制器结构，分别设计了位置模糊控制器和位姿跟踪模糊控制器。针对两个控制器提出了相应的控制决策，即当机器人与期望目标点之间的位置误差较大时采用位置模糊控制器，当位置误差在一定范围内时，调整使用位姿跟踪模糊控制器。仿真实验表明所设计的模糊控制系统可以有效地对给定路径进行快速准确的跟踪。最后，研究了移动机器人的路径规划方法，重点分析了人工势场法。由于传统的人工势场经常使移动机器人陷入局部极小点，为此改写了势场函数，调整了移动机器人受力情况，将斥力分解，其中一个力的方向与引力方向相同，即指向目标位置，另一个力的方向为障碍物指向移动机器人。在动态障碍物环境中，考虑了移动机器人与动态障碍物相对速度的影响，将相对速度引入到势场函数中来。分别对移动机器人处在静态障碍物环境和动态障碍物环境下进行了仿真实验。另外，利用实验室中的履带式移动机器人，对本文提出的改进人工势场法以及推算定位进行了相应实验，通过实验验证了算法的可行性。
管天云[9]1998年在《多传感器信息融合研究》文中研究表明多传感器信息融合是把多种传感器所提供的局部环境的不完整信息加以综合，形成对系统环境的相对一致的感知描述，是一个涉及到信息科学、计算机科学、自动化化科学的复合型学科，是一个正处于发展中的研究方向。 本文阐述了融合系统的各个组成部分，分析了目前存在的问题，指出了信息融合的发展方向，着重就融合系统的结构和算法进行了深入研究。总结出多传感器信息融合的三大模型——功能模型、结构模型和数学模型。提出了运用三大模型指导融合系统设计的思想，并给出了多传感器信息融合系统设计的一般方法。 融合系统的结构目前尚没有统一的分类标准，综合众多的参考文献，作者将信息融合系统结构划分为四种基本结构：集中式、分散式、无反馈分级结构和有反馈分级结构。一个融合系统既可以有集中式结构，也可以有分散式结构，可以是四种基本结构组成的混合结构。运用Kalman技术推导出了这四种融合结构下的具体融合算法，分析了各自的优缺点，一个融合系统应根据具体问题灵活选择融合结构。 研究了多传感器信息融合中的不确定信息融合问题，给出了评价融合方法优劣的标准，运用模糊积分理论解决FEI-DEO(特征输入—决策输出)和DEI-DEO(决策输入—决策输出)融合模式下的信息融合问题。给出了基于模糊积分理论的多传感器信息智能融合系统，并将其运用于工业机器人的非视觉传感器信息的融合，模糊积分方法提高了系统的不确定信息的处理能力和系统的智能度。 基于神经网络和证据理论，给出了一种多传感器信息的空间和时间两级数据融合结构模型。从M．Sageno模糊推理模型出发，结合模糊理论和和神经网络的优点，研究了FMLPNN和FBFNN两种模糊神经网络，将模糊推理机制蕴涵于神经网络结构之中。用训练好的模糊神经网融合多传感器信息，既能处理精确信息，也能处理不精确信息或模糊信息，而且克服了模糊融合时的模糊规则难以获得、隶属函数不易确定的问题。 探讨了利用Rough set理论进行多传感器信息融合的方法，通过对传感器测量的不完整、不确定性的数据进行分析，提取传感器信息的最快融合算法，可望解决传感器数据超载以及传感器不完整信息的融合问题，提高多传感器系统的融合速度。
杜加萍[10]2011年在《多传感器信息融合算法的研究及应用》文中研究说明随着信息科学技术的发展,从20世纪70年代开始,出现了一个全新的概念“信息融合”。它可解释为将多传感器获得的信息进行融合处理,所得结果比任何单一传感器获得更多有用的信息。多传感器信息融合在军事和民事上有着广泛的应用前景,是目前学术界研究的一个热点领域。本文研究多传感器信息融合之间相似度问题在目标识别中的方法及应用。研究相似度量问题的两种情况:一种是对不同类别多传感器观测同一目标或特征时,在未知任何先验知识情况下,通过研究观测信息之间的相似度,对比融合前后效果;另外一种是对同一类别多传感器观测不同目标或特征时,在已知先验知识情况下,通过研究观测信息之间的相似度,分析融合结果。论文研究结果如下:(1)总结目前国内外多传感器信息融合研究状态,研究信息融合的结构模型,归纳信息融合常用方法;(2)针对第一种情况,提出基于一致可靠测度融合算法。该算法从各传感器在各个时刻的观测值的一致可靠测度出发,设计融合算法,给出了不同时刻各传感器的一致可靠测度,算法精确性高;(3)针对第二种情况,研究了D-S证据和vague集理论,D-S证据理论在证据体之间发生冲突时,方法失效;vague集理论中不同相似度量方法,对融合结果产生较大影响;(4)针对D-S证据理论中证据体间发生冲突时,经典D-S证据方法失效。建立基于加权相似度的D-S证据(WSD-S: Weighted Similarity Dempster Shafer)理论方法,该方法通过对权值的客观选取,提高了算法的融合精度,降低算法复杂度;(5)构造vague集相似度量的新模型,并给出了相应的证明。同时将构造的新模型用于航空电机故障识别中,在此沿用了模糊理论中的贴近度概念,通过待诊断故障同已知故障之间的贴近度大小,对待诊断故障进行正确的分类;(6)将WSD-S证据理论和BP及RBF神经网络相结合,建立两种不同的融合模型,并对汽轮机故障进行了有效的识别;(7)研究了用于人体健康状况实时监测的身体传感器网络,它不仅性能优良,而且使用上也很安全便利;同时将自适应加权算法用于监测身体体征参数,可有效的分析身体健康状态。
参考文献：
[1]. 多传感器智能系统信息融合理论及应用[D]. 陈忠德. 浙江大学. 1995
[2]. 基于信息融合技术船舶柴油机故障诊断方法的研究与应用[D]. 李宏坤. 大连理工大学. 2003
[3]. 多传感器信息融合及其在工业中的应用[D]. 肖斌. 太原理工大学. 2008
[4]. 多源信息融合及其应用[J]. 李均阁. 甘肃科技. 2013
[5]. 多传感器信息融合技术及其应用[D]. 王琳. 华北电力大学（河北）. 2002
[6]. 多传感器融合的技术研究[D]. 高方伟. 西安电子科技大学. 2007
[7]. 基于多源交通信息的数据融合技术及其应用研究[D]. 赵文涛. 上海交通大学. 2007
[8]. 基于多传感器信息融合的移动机器人路径规划研究[D]. 陈硕. 哈尔滨工程大学. 2011
[9]. 多传感器信息融合研究[D]. 管天云. 浙江大学. 1998
[10]. 多传感器信息融合算法的研究及应用[D]. 杜加萍. 江南大学. 2011
标签：自动化技术论文; 信息融合论文; 机器人论文; 故障诊断论文; 数据融合技术论文; 移动机器人论文; 智能传感器论文; 传感器技术论文; 特征提取论文; 模糊理论论文; 机器人传感器论文; 模糊算法论文; 磨煤机论文; 钢球论文;