为了提高对液压泵复杂条件下的故障诊断能力,综合运用传感器数据融合与级联森林模型来实现液压泵的健康评价。运用特征级与决策级融合技术来实现对柱塞泵各传感器信息的快速融合,以随机森林模型对初步特征重要性实施评价并从中选择具备高重要度的初始特征参数,通过级联森林模型对液压泵健康检测结果实施分类。结果表明:以多传感器信息融合方法构建的级联森林模型进行预测时可以实现对液压泵健康状态的准确诊断,只设置5%训练集时,液压泵健康诊断结果达到99.5%精确率;当采用单一温度特征无法同时满足精确率与召回率条件时,组合模式的各类预测精确率与召回率相对其他模式达到了更高的预测精度与召回率,其中,温度融合流量组合形式具备更大优势。

为了解决单传感器振动信息不能全面表达柱塞泵故障特征信息的问题,提出了一种基于多传感器数据融合深度残差收缩网络学习的轴向柱塞泵故障诊断方法。首先,采用多传感器对振动信号进行采集,完善振动信号的故障特征信息。其次,针对振动信号的非平稳、非线性等特征,提出基于多元多尺度散布熵的多通道融合方法,获取一维故障特征向量,从而达到增强故障冲击特征的目的。然后,将故障特征向量输入到深度残差收缩网络模型,通过注意力机制,利用软阈值函数降低样本噪声及无关特征干扰,实现轴向柱塞泵故障特征识别。最后,通过轴向柱塞泵故障诊断试验验证所提方法的有效性。试验结果表明,该方法可有效提取振动信号的故障特征,识别正确率明显高于典型的深度学习方法。

在车载三维测量系统中，为了快速、实时、完整地获取数字城市中所需要的三维空间信息，集成了全球定位系统（GPS）、激光扫描仪（LS）等多种传感器，其中，数据的处理应用了多传感器数据融合原理。各传感器间的空间配准和时间配准是多传感器数据信息有效融合的关键。通过解算各传感器坐标系间关系和利用激光扫描仪的时间记录功能、GPS时间打标功能解决了空间配准和时间配准问题，成功地应用于“近景目标三维测量技术”，取得了预期的效果，并给出了实验结果。

为了对充满不确定性与模糊性的空中目标识别数据进行处理，提高空中目标多传感器融合的准确性和可靠性，提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型。该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量，而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理。通过详细分析空中目标识别的推理规则，建立了空中目标识别的贝叶斯网络拓扑结构，提出了贝叶斯推理算法对多种证据进行融合计算的模型。识别实例表明该模型能够融合不同信息源的数据，有效地提高空中目标识别的效率。

液压泵健康状态评估对工程设备的运行状态监测有极其重要的意义,现有基于振动信号分析的方法数据来源单一、可靠性低,为此,提出了一种基于多传感器信息融合和多粒度级联森林模型的液压泵健康状态评估方法。通过试验系统采集了不同工作时间下液压泵的压力、温度、流量等信号,分别提取信号的时域特征组成初步特征。使用多个分类器获取初步特征的类别概率向量,将其与随机森林模型选出来的重要特征进行拼接形成最终特征,并使用多粒度级联森林模型进行健康状态评估。试验结果表明,所提方法在仅有5%训练比例的情况下分类精确率仍可达99.5%,可以有效提高液压泵健康状态评估的准确度。

针对固体充填液压支架处于复杂地质条件下时空间位姿状态动态变化难以直接识别,现有位姿测量系统存在位姿参数部分缺失的问题,设计了一种固体充填液压支架全位姿测量系统。利用3D Max建模软件建立了固体充填液压支架三维模型,基于固体充填液压支架不同的特征节点,采用多传感器融合测量方法获取反映其空间全位姿的9个参数,即支架底座倾斜角(与水平面夹角)、顶梁姿态角(与水平面夹角)、支架高度、推矸推移距离、护帮板状态、推压密实机构倾角(与后顶梁夹角)、推压密实机构推移距离、支架组护帮板之间的距离、刮板输送机中部槽与支架推矸的夹角。将倾角传感器布置于前顶梁、后顶梁、底座、推压密实机构千斤顶等处,用于测量支架的底座倾斜角和前后顶梁姿态角等,将位移传感器安装在支架的推矸和推压密实机构上,用于测量推移距离等。...

针对移动机器人室内定位过程中,单目视觉难适应光照变化、里程计累计误差导致定位误差较大问题,提出边缘侧多传感器融合的定位方法。以稀疏直接法(半直接法)作为单目视觉的前端,实时单目相机估计位姿,通过惯性传感器恢复尺度输出位置信息,并且获取IMU的加速度以及偏航角、里程计当前速度,通过扩展卡尔曼滤波算法融合3种传感器信息,实现更加精确的定位。在移动机器人侧处理传感器读取的信息,从而减小机器人体积。边缘侧混合式多传感器信息融合使移动机器人在单个传感器失效以及无法人为干预时,也能够精确实时地在多种复杂环境中完成自主定位。

针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表...

目的提出一种考虑能耗的多传感器融合加工表面粗糙度预测方法,精确预测零件表面粗犍度。方法首先采集车削过程中的功率和振动信号,测量加工表面粗糙.度值,利用集成经验模态分解(Ensemble empirical mode decomposition,EEMD)和小波包分析提取振动信号的时域与频域特征,联合功率信号的时域特征、能耗特征与切削参数,构造联合多特征向量。然后采用核主成分分析(Kernel principal component analysis,KPCA)对联合多特征向量进行融合降维处理生成融合特征。最后将融合特征作为基于支持向量机(Support vectormachine,SVM)的表面粗糙.度预测模型的输入特征,并使用遗传算法(Genetic algorithm,GA)对SVM模型相关核参数进行优化以提高预测精度。结果预测得到的表面粗糙度平均相对误差为4.91%,最大误差为0.111um,预测时间为9.24s。与单传感器预测方法及多传感器联合特征领测方法相比,多传...

为实现二层台自动井架工的精确定位,设计了一套基于编码器、位移传感器的多传感器融合定位系统。该系统以编码器、位移传感器等传感器及PLC控制器为硬件基础,结合了最优路径算法实现了多传感器的数据融合。建立了自动井架工运动的数学模型,取得了良好的实际控制效果。该系统定位可靠,精度较高,达到了预期研究目标。