随着科学技术的不断进步,无损检测技术现已广泛应用于产品质量、设备使用与维护过程中的安全检测方面。目前,应用比较广泛的无损检测技术有超声、红外、射线、涡流及生发检测等。

在多传感器信息融合系统的开发中，需要一个灵活可靠的仿真平台来对各种传感器模型、关联算法和融合算法进行调试评估。多传感器信息融合仿真平台经过模块化设计，面向对象方法编程，使得其具有开放性，易于扩展等特点。并给出一个该仿真平台的运行实例，使该仿真平台的可靠性、实用性等得到验证。

提出一种基于模糊神经网络的多传感器信息融合方法，并将其用于自主移动机器人导航避障。采用多个超声波及红外传感器探测障碍物的距离和方向，用CCD摄像机来跟踪目标。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。试验表明，该方法能够实现机器人的安全避障。

为了能够准确地对大型设备的性能退化过程进行描述，提出了一种基于支持向量数据描述（SVDD）和信息融合技术的评估方法。通过SVDD算法分别评估来自单个传感器的数据，然后运用D—S证据理论对来自多传感器的局部评估结果进行信息融合，最终给出设备的整体性能评估结果。实验分析表明，SVDD算法能够真实地反映设备局部性能退化状态的变化，而利用D—S证据理论得出的整体设备状态评估结果符合实际情况，同时有效地消除局部信息之间的矛盾，提高了设备整体评估的可靠性。

依据Dempster-Shafer理论,分析了超声检测中信息融合的方法以及分类决策策略,并对信息融合系统的工作原理做了研究,在此基础上进行了基于信息融合的缺陷分类与识别的初步试验研究.实验结果表明,该方法是有效的.

介绍了人工智能技术、自适应技术、机器人技术和相关技术在超声无损检测中的理论分析和应用.这些技术的应用,使得无损检测的定位、定性和定量的可靠性和完备性大幅度提高,为无损评价奠定了良好的判定基础.指出现代超声无损检测技术正向着智能化、自动化、图像化、数字化、小型化、系列化、多功能化、信息化和交叉领域的前沿方向发展,实现了复杂形面复合构件的超声扫描成像无损检测,满足现代质量对无损检测的要求.

当今的疲劳监测系统的监测方式比较单一,可靠性较低,若采取多种监测方式融合又受到汽车有限空间内布线越来越困难的限制。针对这一系列问题,本文提出了基于ZigBee的无线传感网络技术与传感器信息融合技术相结合的疲劳驾驶警示系统,系统由CC2430和协调器负责ZigBee网络的组建和管理,高性能处理器完成疲劳信息的融合。经过测试表明,该系统适于车载运行并能够较好地对疲劳行为进行监测,可靠性可达95%。

为降低车辆前方障碍物检测的误警率及冗余报警率,建立毫米波雷达与摄像机数据融合模型;通过毫米波雷达检测初选出有效目标物,借助OpenCV对摄像机采集的图像进行处理,获得障碍物轮廓信息,识别出障碍物;分析障碍物底部阴影特征,并建立图像感兴趣区域,从而判断其是否是车辆类型障碍物;最后在联合卡尔曼滤波算法的基础上提出多传感器信息融合障碍物检测方法。仿真结果表明,运用毫米波雷达与摄像机信息融合能够更有效地检测障碍物相关信息,并提高系统的精确度。

为了寻找一种直观、有效的液压系统运行状态监测方法,研究了基于电信号的图形化液压系统运行状态实时监测技术。该项技术通过Hilbert变换对实时电信号的基频分量进行快速提取,以保证监测系统的实时性;并利用李萨如方法对电信号进行融合,形成图形化的液压系统状态监测技术。在此基础之上,应用LabVIEW软件对运行状态在线监测系统进行整体设计,并进行液压系统极限工况试验,验证了该项技术的可靠性及实用性,为液压系统运行状态监测提供了新的思路。

针对液压泵故障特征的分散性和模糊性,提出基于振动和压力传感器的信息融合故障诊断方法。在充分分析液压泵球头松动故障机理的基础上,对振动信号和压力信号进行小波消噪处理,有效提取球头松动的故障特征。将不同类型特征参数进行特征层融合,利用主成分分析和改进算法的BP神经网络实现液压泵球头松动故障诊断。试验表明,基于不同类型传感器信息融合故障诊断方法可以有效地实现液压泵微弱故障的诊断。