基于多传感器数据融合的助行机器人防摔倒技术研究

助行机器人为行动不便的老年人提供了身体支撑和行走辅助。在此设计的助行机器人防老年人摔倒系统将人体在站立、行走、摔倒等状态所获得的触滑觉信号、角速度信号、加速度信号作为神经网络的训练样本和试验样本。首先在信息层将一种传感器采集的单一信号送入局部决策器,进行局部处理后再送入融合中心综合决策,形成多传感器数据融合的防摔预测研究,并进行了相关仿真。仿真结果表明该系统可靠,对实现满足老年人在户外独立、安全行走需求的机器人开发提供理论及实验依据。     

基于神经网络的移动机器人多传感器数据融合研究

针对单超声波的测距缺陷,采用多个超声波结合红外开关共同测距,提高整体测量精度;针对BP神经网络训练收敛速度慢,容易陷入局部极小值等缺点,加入动量-自适应因子来改进BP神经网络;将改进的BP应用于移动机器人传感器旅行家II号数据融合中,实践证明,经改进后的BP神经网络收敛精度高误差小,融合后的信息比未经融合的信息更精确。     

基于神经网络的数据融合方法

作为一种新的方法体系,人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性,这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。本文对BP神经网络模设计、建立及训练进行了深入的讨论,研究了基于BP神经网络的数据融合的优缺点。     

数据融合在球磨机料位检测中的应用

针对火电厂球磨机料位用常规方法难以准确检测的难题,将多传感器数据融合技术与BP神经网络相结合,采用多传感器数据融合技术对球磨机的磨音信号、出入口差压和出入口温差三个参数采样,结合BP神经网络法对采样数据进行融合,实现对球磨机料位的测量。结果表明,采用数据融合技术获得的融合结果比单独采用磨音检测料位获得结果要好得多,若能获得足够多的训练数据,则融合结果必定能够非常接近实际值,同时也能消除干扰,为球磨机优化控制奠定基础。     

基于BP神经网络的多传感器融合方法

本文首先基于数学理论,给出了多传感器融合问题的数学描述,然后简单介绍了BP神经网络的算法以及其在多传感器融合技术的中的应用,最后通过仿真实验,证明了BP神经网络的多传感器融合方法的可适用性。     

基于数据融合的MEMS陀螺信号处理研究

针对当前MEMS陀螺仪信号为非平稳、非线性、不同步和信号量大的特点,提出了一种基于数字信号处理器(DSP)信号高速实时处理平台的、并结合多传感器数据融合技术的MEMS陀螺信号处理方案。该方案设计了基于SCC1300MEMS陀螺和DSP的信号采集处理平台,并运用正交基神经网络数据融合算法对采集的陀螺数据进行融合处理。实验结果表明,该方案在保证对陀螺信号进行高速实时采集的基础上,能提高信号处理精度达37.45%。     

神经网络用于传感器数据融合

本文提出了使用三个知识源，把向向传播神经网络应用于自动目标识别的数据融合，所用三个知识源为，一个提供高分辨多普勒信号特征信息的连续波用于（Ｘ波段）雷达，一个提供空中目标位置信息的监视雷达，以及从阿德莱德机场飞行时刻表得到的目标飞行固定航迹飞行时间的先验信息。     

基于粗糙集和神经网络的数据融合方法研究

在粗糙集和数据融合基本理论的基础上,研究基于粗糙集理论和神经网络相结合的数据融合方法.由于粗糙集理论能够有效地简化知识,降低特征的维数,将粗糙集理论和神经网络结合起来,利用基于信道容量的知识相对约简算法对输入信息进行简化,剔除冗余信息,从而缩减了神经网络的规模,提高网络的收敛性和融合系统的识别率,达到提高整个融合系统效率的目的.将改进后的融合系统与传统的神经网络融合的效率进行比较,通过实例说明了该方法的有效性.     

基于物联网的智慧医疗数据融合研究

多传感器的数据融合方法被应用在各行各业,随着智慧医疗的建设,数据融合在医疗行业内的应用也逐渐凸显优势。本文提出了一种基于物联网智慧医疗的数据特征提取及预处理方法。同时,通过数值分析的方式验证了算法的有效性和可靠性。     

基于遗传算法的多传感器数据融合

文章给出了一个新的应用遗传算法技术的分级多传感器数据融合算法，各个传感器信息之间的关系用一种较新的模糊算子确定，与传统的集合论的并、交操作相比，它能更好地模仿人的推理。此外，遗传处法能近似最优地确定模糊算子的参数，使算法在信息源的可靠性，信息的冗余度／互补性以及进行融合的分级结构不确定的情况下，以近似最优的方式对传感器数据进行融合。     

电路板故障诊断中神经网络信息融合技术的应用

将信息融合技术应用到导弹电子设备的电路板故障诊断之中．提出了一种基于红外热成像实验的温度故障隶属度函数构造形式以及改进的BP神经网络算法。进行了BP神经网络信息融合故障诊断的实验研究．从结果看信息融合能较好地解决电路板元件故障诊断的不确定性问题。     

蝙蝠算法优化神经网络的无线传感器网络数据融合

为了降低无线传感器网络数据间的冗余性,提高数据传输量和降低通信能耗,提出一种蝙蝠算法优化神经网络算法的数据融合策略.首先每个簇首节点接收该区域的各传感器节点检测到的数据,然后采用蝙蝠算法优化BP神经网络进行数据融合,最后采用仿真实验对其性能进行测试.仿真结果表明,本文算法节省了感知节点的能量消耗,延长了无线传感器网络的生命周期时间,提高数据融合的精度.     

基于小波神经网络的遥感信息融合处理

文章提出一种小波神经网络的遥感图像融合算法,在特征级对遥感信息进行融合.并针对小波网络的“维数灾”问题,通过采用改进的遗传算法对时频相位点进行优化选择,从而确定小波网络的隐层节点数目乃至整个小波网络.仿真结果表明利用该方法设计的小波网络具有网络结构小、收敛速度快的优点,证明了该方法在处理遥感信息上优于经典算法.     

基于神经网络组的空间目标识别的信息融合方法

针对神经网络在信息融合中的应用所存在的一些问题,受人的视神经网络的启发,提出了一种基于D-S方法的神经网络组方法,并把它应用到了特征级融合中进行模式识别.和用单一的神经网络相比,利用神经网络组方法提高了对目标的识别率,并且增强了对目标识别的稳定性.最后,通过仿真试验,对提出的方法进行了验证.     

神经网络与信息融合技术在内燃机车故障诊断中的应用

内燃机车是我国铁路运输中主要的牵引动力,其质量的优劣直接关系着铁路运输组织状况的好坏和人们的生命财产安全。将现场资深专家的机车故障诊断经验与信息融合技术和人工神经网络技术两种新型的智能化技术作为故障诊断理论基础,以东风系列内燃机车水阻试验系统对机车各个关键部位的状态检测参数作为数据来源,提供了一条内燃机车故障诊断的新途径。     

采用信息融合技术的消防报警系统

介绍了多传感器信息融合消防报警系统,包括火灾探测和消防管理两部分。根据“一点发现,多点求证”的原则,利用多传感器的不同性质,进行多级别、多方面处理,得到更可靠、更准确的结论。并结合消防管理规则,构建了具有自动化指挥的消防报警系统。     

基于BP网络的敏感电子器件二信息融合

压力传感器的输出信号在实际应用中受多个非目标参量的影响,其中它对温度的敏感成为其最大的缺点。我们提出了利用BP网络的二敏感电子器件信息融合来消除温度对压力传感器输出信号的影响,提高其精度和可靠性。该方法利用BP网络的Levenberg-Marquardt算法实现数据融合,网络结构简单,学习速度快,具有很好的应用前景。     

基于密度法测量原油含水率的检测仪设计

针对长庆油田油井的实际工况,根据密度法测量石油含水率原理,设计了一种检测井口外输原油混合液密度的检测仪,并对该测量方法进行了误差分析,评估了该测量仪所适用的范围。实践证明,该测量仪既能动态地实时测量,又能静态地实现取样测量外输原油含水率。     

基于多传感器信息融合的汽包水位诊断系统设计

文中旨在克服传统汽包水位故障诊断方法中存在的弊端,将基于RBF网络的信息融合技术应用于水位传感器的故障诊断,通过构建高精度RBF网络逼近器,结合其他聚类融合方法,引入多种类、多数量传感器信号和控制决策预测信号的汽包水位多传感器数据融合控制系统,其利用多传感器信息融合技术对火电厂锅炉系统中相关传感器提供的大量数据进行融合,从而得到汽包水位的高精度逼近值,以逼近值作为监测水位传感器状态的参考基准,来实现对汽包水位的有效故障诊断。仿真结果证明了所设计的系统能够准确、快速的融合处理底层传感器信号,并做出有效的控制决策。