检索结果-内蒙古大学图书馆

作者：李向前北京交通大学

学位级别：硕士

随着汽车时代的到来,人们的生活变得更加舒适便捷,汽车已经成为了人们的生活必需品。但是由于汽车数量的增加、道路情况的日益复杂以及雾霾等环境问题的日益严重,交通事故的发生日益频繁,严重威胁了人民的生命财产安全,汽车安全已经成... 详细信息

随着汽车时代的到来,人们的生活变得更加舒适便捷,汽车已经成为了人们的生活必需品。但是由于汽车数量的增加、道路情况的日益复杂以及雾霾等环境问题的日益严重,交通事故的发生日益频繁,严重威胁了人民的生命财产安全,汽车安全已经成为亟待解决的重大问题。而随着智能交通系统和智能车辆的快速发展,车辆碰撞检测及报警系统的研究也逐渐引起一些科研机构的关注。这一系统主要用于检测事故是否发生及确认事故后进行紧急报警工作,该系统的使用可以显著降低伤员的救援等待时间,极大地减少人员伤亡和财产损失。因此,在本文中我们研究并设计了一套车辆碰撞检测报警系统来减少事故伤亡。本文首先设计了用于处理车辆传感器信息的模糊自适应多传感器数据融合算法。在现有的多传感器数据融合算法中,只有联合卡尔曼滤波常用于车辆碰撞检测场景中。但联合卡尔曼滤波的使用前提是假设测量噪声为高斯白噪声,而车辆运行环境的多变性又导致测量噪声的复杂多变。因此我们以自适应调节测量噪声为主要研究目标,并通过反馈系数的形式实现上述的自适应调节。反馈系数可以通过模糊推理系统来获取,同时考虑到坏点的存在及事故处理的需要,我们设计了结合联合卡尔曼滤波、模糊推理系统、坏点处理及事故判断模块的新型多传感器数据融合算法。通过Matlab仿真结果可以看出,我们设计的算法以较小的时延代价很好地提高了精确度,并且时延问题也可以通过增加算法重置机制加以改善,因此我们设计的新型算法有良好的性能。本文还设计了新型的车辆碰撞检测报警系统,该系统使用了我们上述设计的新算法。本系统包含基于Android编程的手机端和基于C语言编程的OBCU端。其中手机端和OBCU端分别包含不同的信息模块和交互模块,两端同时进行数据处理和事故检测,若二者在一定时延内均检测到事故,则认为发生了事故并和用户交互,判断是否需要报警处理。通过在实验室的模拟场景中测试,我们发现,这一系统可以准确判断出现碰撞事故的场景,虽然可能会出现对非碰撞场景的小概率误判,但可以通过手机端提示用户进行非事故判断的操作。而且整个系统独立于车辆,造价也很低,因此本系统有很好的性价比。

关键词：智能车辆多传感器数据融合测量噪声碰撞检测

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的液压门式起重机姿态监测关键技术研究

基于多传感器数据融合的液压门式起重机姿态监测关键技术研究

引用

作者：赵陈郑州大学

学位级别：硕士

在现代基础设施建设过程中,起重机得到了广泛地应用,并且随着施工环境的复杂化和施工对象的特大化,多台起重机联合进行抬吊作业成为一种更优的选择。然而,在实际工作过程中,多起重机难以达到理想的协同状态,导致各起重机间载荷分配不均... 详细信息

在现代基础设施建设过程中,起重机得到了广泛地应用,并且随着施工环境的复杂化和施工对象的特大化,多台起重机联合进行抬吊作业成为一种更优的选择。然而,在实际工作过程中,多起重机难以达到理想的协同状态,导致各起重机间载荷分配不均,严重时会造成吊绳断裂、起重机倾覆等恶性生产事故,故需要设计相应的安全监测系统对危险进行预防。本文针对使用两台液压门式起重机吊装盾构设备的工况,设计了一套基于多传感器数据融合的姿态监测系统,相关的工作如下:首先,查阅文献总结了起重机监测系统和多传感器数据融合的发展现状,结合液压门式起重机的抬吊作业工况进行相关的理论介绍及研究。具体包括:介绍了惯性坐标理论,通过姿态角计算吊绳的歪斜状态,根据空间任意力系平衡的充分必要条件分析受力状况,并使用稳定系数法分析了倾覆危险。另外,为了充分发挥各传感器的优势,采用双级扩展卡尔曼滤波算法对陀螺仪、加速度计和磁力计的数据进行融合求解姿态角。其次,分析了监测系统的功能需求,将系统分为采集、接收和展示三个模块进行相关的硬件和软件设计。在硬件系统中,选用STM32F103C8T6为主控芯片,传感器使用JY901,选用基于ZigBee协议的DL-LN32P模块进行无线通讯,设计相关电路并进行PCB板的绘制与焊接。在软件系统中,基于Keil平台使用C语言对传感器的驱动程序、姿态解算算法和无线通讯程序进行编写,在上位机PC端上使用Py Qt5制作图形界面对采集到的数据进行实时显示、存储以及在危险状况下预警。最后,在实验室条件下对数据融合算法的性能和监测系统的运行状况进行测试。在静止、水平运动和动态条件下,对卡尔曼滤波算法的解算效果进行分析,结果表明卡尔曼滤波算法能有效地抑制噪声,满足液压门式起重机的姿态监测要求。并搭建了实验平台,模拟抬吊作业,运行测试结果表明系统能稳定运行,并能对吊绳的状态及稳定系数进行展示和预警,可以用于液压门式起重机的抬吊监测。

关键词：液压门式起重机双机抬吊姿态监测多传感器数据融合无线传输

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的AGV定位方法研究

基于多传感器数据融合的AGV定位方法研究

引用

作者：李财电子科技大学

学位级别：硕士

AGV(Automated Guided Vehicle)是一种集机械、控制、光学、电子、计算机、物联网等技术为一体的综合型设备,以其智能化的运作方式、柔性化的路径管理、高效的空间利用率等诸多优势,被广泛应用于汽车工业、军工制造、仓储物流、家电生... 详细信息

AGV(Automated Guided Vehicle)是一种集机械、控制、光学、电子、计算机、物联网等技术为一体的综合型设备,以其智能化的运作方式、柔性化的路径管理、高效的空间利用率等诸多优势,被广泛应用于汽车工业、军工制造、仓储物流、家电生产等行业。定位技术是实现AGV自动化、智能化运行的前提条件,也是衡量AGV技术发展水平的重要标准之一。本论文主要内容如下:(1)对AGV定位领域的关键技术进行介绍,并完成定位系统研究平台的搭建,主要包括系统坐标系的定义、分布式网络架构的搭建、传感器数据的获取和处理几个方面的内容。(2)对现有的AGV定位方法进行研究和分析,明确多传感器数据融合进行AGV定位的基本思路,并提出了一种基于激光雷达、摄像头、IMU(Inertial measurement unit)姿态传感器的多数据融合定位方法。在该方法中,针对激光雷达定位精度不足的问题,引入了摄像头实现更高精度的环境感知,并采用摄像头标志识别进行定位,很好地控制了定位系统对计算资源的消耗;针对摄像头高精度的标志识别范围有限的情况,使用激光雷达扫描匹配得到的定位结果来辅助确定摄像头当前识别到的标志的准确位姿,进而获取高精度的AGV定位结果;并采用摄像头识别到的标志物尺寸大小判断摄像头标志识别定位结果的可靠性,然后通过动态加权的方式对摄像头标志识别定位结果与激光雷达扫描匹配定位结果进行数据融合得到最终位姿输出。分析测试结果表明:在一定条件下本文所提出的基于多传感器数据融合的AGV定位方法具有更好的定位效果。(3)探索性地尝试将神经网络应用到AGV定位系统中。设计了用于多传感器融合定位的BP神经网络模型,该模型以激光雷达、IMU传感器数据作为输入,以AGV的位姿作为输出,依靠BP神经网络的自学习能力实现多传感器融合定位。针对AGV运行轨迹连续的特点,提出了将循环神经网络应用到AGV定位系统中的具体方案。实验结果表明:BP神经网络能够实现一定的AGV定位效果,循环神经网络在定位过程中的位姿预测结果也比较准确。

关键词： AGV 定位技术多传感器数据融合标志识别神经网络

来源：评论

学校读者我要写书评

暂无评论

关于多传感器数据融合算法的分析与设计

关于多传感器数据融合算法的分析与设计

引用

作者：刘莹西安电子科技大学

学位级别：硕士

该论文主要讨论了有关多传感器数据融合的三个算法.首先该文给出了一种适用于多传感器环境的传感器容错算法,在算法中,采用了Marzullo<\'[2]>提出的观点,将冗余物理传感器映射为区间,此区间必包含有传感器在这一时刻... 详细信息

该论文主要讨论了有关多传感器数据融合的三个算法.首先该文给出了一种适用于多传感器环境的传感器容错算法,在算法中,采用了Marzullo<\'[2]>提出的观点,将冗余物理传感器映射为区间,此区间必包含有传感器在这一时刻对目标某个感兴趣参量的测量值.假设有n个传感器,其中至多有f个传感器可能出错,在此前提下,应用容错算法可以得到几个区间的集合,其中必包含所测参量的正确值,根据这个结果可以推断出所有可能出错的传感器对和出错传感器的个数,这样做缩小了对错误传感器的查找范围;其次该文给出一个应用遗传算法技术的分级多传感器数据融合算法,各个传感器数据之间的关系用一种较新的模糊集合上的操作确定,这种模糊操作比传统的集合论中的并交操作能更好的模仿人的推理;并且,遗传算法能对模糊操作的参数进行近似最优的确定,使算法能够在信息源的可靠性、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信息进行融合;论文最后针对传感器的探测范围不同而采用了一种不同于传统融合方法的分探测区域融合方法,为简化主要讨论的是传感器独立同分布且具有相同的信噪比的情况,得出了一些有用结论.

关键词：多传感器数据融合容错遗传算法模糊逻辑多传感器检测

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的机动目标跟踪自适应学习方法

引用

系统仿真学报 2002年第5期14卷 631-633,636页

作者：石晓荣王青张明廉毕静北京航空航天大学自动化学院北京100083

考虑到传感器对目标的观测都存在有偏差,同时针对雷达系统检测中存在漏检的现象,提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达/红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例,给出... 详细信息

考虑到传感器对目标的观测都存在有偏差,同时针对雷达系统检测中存在漏检的现象,提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达/红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例,给出了一个完整的多传感器数据融合和目标跟踪自适应方法。该方法简单易行,鲁棒性强,通过对红外成像和雷达系统的数据融合和目标跟踪的数字仿真,表明该方法有效。另外,该方法同样适用于多于两个的多传感器系统。

关键词：多传感器数据融合机动目标跟踪自适应学习方法雷达

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的太极拳轨迹分割与识别

基于多传感器数据融合的太极拳轨迹分割与识别

引用

作者：万瑜丹哈尔滨工业大学

学位级别：硕士

随着现代科技的迅速发展,动作识别技术在人机交互、医疗运动、安全监控等诸多领域内都取得了广泛的应用。太极拳不仅是一种养生保健的方式,还是一种国家认证的比赛项目。考虑到利用动作识别技术可以有效地提高运动员的水平,因此本文设... 详细信息

随着现代科技的迅速发展,动作识别技术在人机交互、医疗运动、安全监控等诸多领域内都取得了广泛的应用。太极拳不仅是一种养生保健的方式,还是一种国家认证的比赛项目。考虑到利用动作识别技术可以有效地提高运动员的水平,因此本文设计并实现了对太极拳动作的采集与识别系统。本文将使用惯性传感器和视觉传感器采集得到太极拳的运动数据,并通过对数据的分析处理,最终完成对太极拳动作的自动分割与识别分类。首先,本文分别设计了基于惯性传感器的系统和基于视觉传感器的系统的太极拳动作捕捉系统,每个系统都可以独立实现对太极拳动作数据的采集,并用人体关节在三维空间中的运动轨迹来表征太极拳动作。由于噪声干扰,传感器直接得到动作的轨迹还需要进行平滑处理。视觉传感器得到的数据经引导滤波与卡尔曼平滑处理后即可得到较好的效果。惯性传感器的测量结果则是采用五点滑动平滑的方法进行平滑。最后根据两种传感器的仪器特性设计了一种基于多传感器数据融合的惯性—视觉联合采样系统。其次,利用最小描述长度原则选取合适的特征点作为分割点,对动作轨迹进行分割。将分割得到的子轨迹段变成向量,并将所有向量的起点变更成原点,完成轨迹的向量化。子轨迹所对应的时间长度与向量化的子轨迹共同构成了四维的特征向量,使用DBSCAN完成对特征向量的聚类,并根据多种聚类评价指标选择最优的聚类结果。最后,根据聚类结果设计了一种基于动态时间规整的太极拳轨迹自动分割方法,该方法可以根据多个关节点提供的模板判断出招式的终止位置,对终止位置进行分割即可得到较好的自动分割效果。针对分割好的轨迹,本文设计了两种分类识别方法:第一种是针对单关节点的识别算法,首先将上一部分得到的聚类结果转化成混合高斯模型的形式,然后将其转化为标准的Fisher向量。将Fisher向量投入支持向量机来训练分类器。第二种是针对多关节点的识别算法,这种算法仍然用DWT来计算轨迹之间的相似度,并通过模板匹配的方法完成动作的识别。在第5章的实验中,给出了不同情况下分类器的准确率。

关键词：多传感器数据融合轨迹分割轨迹聚类动作识别

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的智能机器人设计

引用

微计算机信息 2007年第35期23卷 245-246页

作者：崔乃忠赵欣姜丽飞唐山师范学院物理系唐山063000

提出一种基于多传感器数据融合技术的智能机器人系统设计,介绍了系统所选用的激光、超声、红外、光敏等传感器的类型,阐述了系统的硬件结构与软件设计及D-S数据融合算法。

关键词：智能机器人多传感器数据融合导航

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合分散估计算法

引用

电子测量与仪器学报 2002年第2期16卷 15-18页

作者：何青王耀南童调生湖南大学电气与信息工程学院长沙410082

本文基于最优估计理论 ,提出了一种多传感器分散估计融合算法 ,以解决测量噪声干扰下参数估计问题。该方法不要求知道测量数据的先验知识 ,在减少测量误差方面比传统的集中估计方法有明显的改善。

关键词：多传感器数据融合最优估计分散算法噪声测量误差

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的液压支架高度测量方法

引用

工矿自动化 2017年第9期43卷 65-69页

作者：张坤廉自生谢嘉成吕凯波廖瑶瑶太原理工大学机械工程学院山西太原030024 煤矿综采装备山西省重点实验室山西太原030024

针对综采工作面液压支架高度测量困难和测量结果不准确等问题,以两柱掩护式液压支架为例,推导了利用倾角传感器所测液压支架姿态角度计算液压支架高度的表达式。为减小倾角传感器角度测量误差造成的液压支架高度测量累积误差,提出了一... 详细信息

针对综采工作面液压支架高度测量困难和测量结果不准确等问题,以两柱掩护式液压支架为例,推导了利用倾角传感器所测液压支架姿态角度计算液压支架高度的表达式。为减小倾角传感器角度测量误差造成的液压支架高度测量累积误差,提出了一种基于多传感器数据融合的液压支架高度测量方法,即利用分批估计算法和自适应加权算法将分别通过掩护梁和前连杆处倾角传感器所测角度计算得到的液压支架高度数据进行融合。实验结果表明,该方法对于623.2mm高液压支架样机的高度测量误差不大于0.3mm,与单一倾角传感器测高相比,精度提高了1mm。

关键词：液压支架高度多传感器数据融合倾角传感器姿态角度分批估计自适应加权

来源：评论

学校读者我要写书评

暂无评论

基于HSW多传感器数据融合的隧道无线突水模拟监测系统

基于HSW多传感器数据融合的隧道无线突水模拟监测系统

引用

作者：付建平西南交通大学

学位级别：硕士

近年来,隧道突水灾害事故频发,严重影响了隧道施工安全,并给社会生命财产造成了重大损失。该现状表明隧道突水问题尚未能得到有效解决,因而体现了发展新的突水监测方法的必要性。鉴于此,本课题通过分析现有隧道突水监测方式的优缺点,并... 详细信息

近年来,隧道突水灾害事故频发,严重影响了隧道施工安全,并给社会生命财产造成了重大损失。该现状表明隧道突水问题尚未能得到有效解决,因而体现了发展新的突水监测方法的必要性。鉴于此,本课题通过分析现有隧道突水监测方式的优缺点,并针对隧道突水监测的需求,设计了一种新的基于湿度、应变和水位多传感器数据融合的无线突水监测系统。该系统的监测方案涵盖隧道突水的数据采集、数据传输和数据处理三个方面。具体地:在数据采集上,采用全局监测的相对湿度传感器和协同性局部监测的应变与水位传感器,对隧道突水表征物理量进行监测;在数据传输上,采用ZigBee无线传感网络,将终端节点数据传输到中心节点,并由中心节点将汇聚数据传输到监测中心服务器;在数据处理上,采用Highcharts工具,对监测数据绘制实时动态曲线,并应用径向基函数神经网络,对历史监测数据进行数据融合分析,从而评估出隧道突水安全等级信息。该系统由下位机监测节点和上位机监测软件两部分构成。其中,下位机监测节点通过ZigBee无线传感网络,实现了对隧道突水表征数据的采集与传输功能;它主要包括终端采集节点和协调器节点,并基于CC2530实现了节点的硬件单元和控制软件。上位机监测软件通过B/S结构的网络应用,实现了对隧道突水表征数据的动态曲线显示和融合分析等功能;它主要包括突水监测模块和突水数据融合分析模块,并基于SSH2(Struts2-Spring-Hibernate)框架实现了模块的表示层、业务逻辑层和数据持久层。该系统具有的特点如下:第一,融合互补性监测的HSW多传感器(湿度传感器、应变片和水位传感器),能提高隧道突水监测的完整性;第二,基于径向基函数神经网络而建立的突水数据融合分析模型,有助于提高隧道突水监测的健壮性和可靠性;第三,采用ZigBee无线自组网通信方式,可扩展隧道突水监测的自由度。本文最后设计了实验测试方案,并就系统的监测方案进行了实验验证。本文通过与现有突水监测方法进行对比,论证了本系统在无线多传感器监测及数据融合方面的有效性。系统对隧道中的突水监测问题,提供了一种新的可供参考的解决方案。

关键词：隧道突水监测湿度传感器多传感器数据融合径向基函数神经网络 ZigBee

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：