基于灰色理论的一种数据融合方法

在灰色关联分析的基础上,对斜关联度进行了修正,引出了点、斜修正关联度分析的概念.通过对影响目标属性识别的各种因素进行分析,结合战术思想利用灰色点、斜修正关联度分析及多目标优化方法建立了数据融合模型,提出了一种基于灰色理论的多传感器数据融合方法.计算多传感器测量数据的灰色关联矩阵,进行灰色优势分析,然后进行数据融合.此方法考虑了各传感器测量数据的精确度,而且删除掉了测量比较差或测量不到的数据.仿真结果表明,应用该方法可进一步提高多传感器的测量精度和可靠性,适用于多传感器的数据融合.     

D—S证据理论在多传感器数据融合中的应用

多传感器数据的属性融合有很多算法，本文研究了居理论在多传感器数据融合中的应用，阐述了Ｄ－Ｓ证据理论的性质，给出了可信度公理及Ｄ－Ｓ综合规则，并进行了计算机仿真实验。     

多传感器数据融合方法在加力燃烧室试验中的应用研究

在航空发动机加力燃烧室试验中,为实现同一截面真实气流状态参数的多传感器精确测量,提出了1种多传感器数据融合方法。该方法运用格拉布斯准则剔除多传感器测量数据中的无效数据,运用方差自适应加权融合方法对有效数据进行融合计算并获取真实参数,并分别利用算术平均值方法和自适应加权融合方法对试验数据进行处理分析。结果表明:通过多传感器融合方法获取的数据均方差明显优于算术平均值方法获取的方差,具有更高的测试精度和可靠性。     

某型涡扇发动机测量数据融合模型

为提高传感器测量数据的有效性、可信性,基于共同工作方程,采用原始对偶内点法对某型涡扇发动机测量数据进行了融合分析。通过案例研究了当可测量参数存在误差时融合模型对流量、温度及压力等参数的预测效果;使用两种初值更新法,测试了不同工况下的物理运算时间;研究了约束违反程度对数据融合效果的影响;测试了关键传感器失效情况下,动态数据融合模型对缺失参数的预测效果,提出了进一步加快计算速度的方法。结果表明:通过数据融合,测量数据和未测量参数的不确定度下降到1%以内;通过算法优化,运算时间减小到5s,为发动机状态监控、传感器维护和传感器失效情况下发动机控制策略的制定提供了支持。     

多传感器数据融合的权值因子确定

对多传感器位置级的数据融合,从静态单传感器的特点入手,建立可靠的数据评价函数,引入到动态多传感器系统中,以多传感器测量数据的算术平均值或滤波对目标的状态估计值作为评价参考,从而量化对测量数据的评价,进而确定加权因子,得到融合值。从仿真结果来看,当评价函数确立合理、参考点选用得当时,融合数据能够很好地剔除假数据,减小偏差大的测量值的影响,在采用不够准确的参考点时,使用评价函数确定加权因子得到的融合数据仍能够优于算术平均值方法得到的数据。     

机载多传感器数据融合技术在空战中的应用

机载多传感器数据融合是一门新兴的信息处理技术,是继电子战之后又一技术制高点。它应用于空战各个环节,极大地提高了空战态势环境了解能力。本文对机载传感器数据融合的基本概念及其在空战中的应用进行介绍,对我国发展数据融合技术提出了建议。     

基于碳纤维复合材料的电容式燃油油位测量传感器

利用解析法和Ansys软件对基于碳纤维复合管材的电容式燃油油位测量传感器设计进行了计算和分析，给出了传感器的结构设计和中和电流法测量电路，实现了碳纤维复合材料在电容式油位测量中的应用。对传感器和测量系统的标定和稳定性、可靠性、高低温等试验，结果表明碳纤维复合管材电容式油位测量传感器在飞机燃油测量中的应用是可行的。     

移动工业机器人在飞机装配生产线中的应用研究

在总结移动工业机器人在飞机装配生产线等航空制造场景典型应用的基础上,重点分析了移动工业机器人多传感器融合的同步定位和建图、移动机器人导航控制、机械臂精度控制和数字化测量等关键技术,并对未来航空领域移动机器人的人机协作、多传感器数据融合、智能规划与决策、数字孪生体系等发展趋势进行了阐述。     

大尺寸精密测量技术及其应用

大尺寸精密测量技术应用问题是我国当前制造领域研究的热点问题.为了正确、高效应用大尺寸精密测量技术,首先对多种先进数字化测量系统进行分析对比,介绍了测量原理、特点及精度.其次,揭示了大尺寸精密测量与装配过程集成的内涵,以测量模型为核心实现多个环节的数据与过程集成.再次,提出了多数字化测量系统集成与数据融合基本架构,构建大尺寸数字化测量场.然后,给出了测量辅助装配中的核心算法及其与数据、过程间的关系,实现数据在装配过程中的传递.另外,为保证数字化检测技术应用,提出基于模型的检测规划与质量保证的基本架构.最后,研究了面向任务的测量不确定分析方案,总结不确定评估方法.     

基于相关信息熵的传感器故障检测研究

针对连续性过程系统中存在的大量强相关关系测点，根据测量数据间的关联特性，提出了一种应用相关信息熵进行传感器故障检测的方法。理论和实验分析证明，该方法具有简便、直观的传感器故障检测特点，较适合工程实际应用。     

载人航天任务测速雷达双通道数据融合方法

针对载人航天任务中高精度测速雷达在实时多主站外弹道融合时仅能采用单通道应答数据参与处理,获得的弹道精度较差,且测速雷达数据利用率仅有50%的问题,提出利用多普勒效应和应答机遥测参数两种方法对测速雷达跟踪模式进行实时准确识别,首先得到测速雷达双通道的应答数据,然后通过改进的非线性滤波+机动模型算法对火箭上升段外弹道测量数据进行高精度融合。最后采用仿真数据对传统方法和新方法的外弹道融合精度进行了比对分析。该方法的应用可有效提高测速雷达测元利用率和载人航天任务火箭上升段外弹道精度,具有较强的工程应用价值。     

Comparison of two measurement fusion methods forKalman-filter-based multisensor data fusion

Currently there exist two commonly used measurement fusion methods for Kalman-filter-based multisensor data fusion. The first (Method I) simply merges the multisensor data through the observation vector of the Kalman filter, whereas the second (Method II) combines the multisensor data based on a minimum-mean-square-error criterion. This paper, based on an analysis of the fused state estimate covariances of the two measurement fusion methods, shows that the two measurement fusion methods are functionally equivalent if the sensors used for data fusion, with different and independent noise characteristics, have identical measurement matrices. Also presented are simulation results on state estimation using the two measurement fusion methods, followed by the analysis of the computational advantages of each method     

非线性系统中多传感器目标跟踪融合算法研究

 研究了在非线性系统中 ,基于转换坐标卡尔曼滤波器的多传感器目标跟踪融合算法。通过分析得出 :在非线性系统的多传感器目标跟踪中 ,基于转换坐标卡尔曼滤波器 ( CMKF)的分布融合估计基本可以重构中心融合估计。仿真实验也证明了此结论。由此可见分布的 CMKFA是非线性系统中较优的分布融合算法     

量测数据自校准融合方法

提出了一种量测数据自校准融合方法,给出量测数据系统误差(未知输入)的自识别自校准公式与计算步骤,能够自动对量测数据中事先无法校准的系统误差进行识别、估计、补偿和修正,从而减小系统误差的影响。建立多传感器的数据融合公式与计算步骤,进而降低偶然误差的影响。分别对线性系统和非线性系统进行了详细讨论,并进行了大量实例计算和仿真模拟验证。从两个算例计算结果可以看出:该方法的相对误差至少要比传统方法减小45%,且计算简单,便于工程应用。      

光学测距传感器的工程计算

由于光学测距传感器能够有效地避开敌方电磁干扰并对目标距离进行测量,因而在现代飞机上仍然得到了广泛应用.本文从光学测距传感器的工作原理及其测距的工程实现方法入手,给出了一种通过数据融合的方法对目标距离信号的采集方式进行改进的方法.改进后的方法其实际测距曲线更接近于原理曲线,与传统的折线逼近法相比,有效地减小了测距信号的误差.由于测距信号精度的提高,航空武器系统的命中精度也得到了提高,使得飞机的作战效能得以提高.     

叶片三维轮廓测量点云数据高精度多角度融合

针对高精度多角度点云数据融合叶片测量难题,设计了一种基于相位测量轮廓方法的多角度点云数据融合的机械装置.通过设计对参考平面数据旋转的算法,实现叶片三维轮廓的高精度数据合成,精度达到(0.06±0.01)mm.这种装置的方法、结构简单实用,测量效率和精度高,可以多个叶片同时测量,是一种可以取代三坐标测量的实用方法.      

Comparison of two-sensor tracking methods based on state vectorfusion and measurement fusion

There are two approaches to the two-sensor track-fusion problem. Y Bar-Shalom and L. Campo (ibid., vol.AES-22, 803-5, Nov. 1986) presented the state vector fusion method, which combines state vectors from the two sensors to form a new estimate while taking into account the correlated process noise. The measurement fusion method or data compression of D. Willner et al. (1976) combines the measurements from the two sensors first and then uses this fused measurement to estimate the state vector. The two methods are compared and an example shows the amount of improvement in the uncertainty of the resulting estimate of the state vector with the measurement fusion method     

应用标校卫星鉴定测控系统精度方法探讨

根据标校卫星的用途及所需提供的高精度比较标准等技术要求,针对星载比较标准及靶场数据处理状况,提出了改进和提高测控系统精度鉴定的技术途径.探讨和提出了4种类型的数据处理技术和方法,简述了它们的思路和关键技术,分析了应用条件和特点.其中.第1种方法是目前使用的经典鉴定方法;后3种方法（自鉴定方法、精确标准鉴定方法和融合处理鉴定方法）都充分利用了星上测量资源、卫星轨道运动特性以及优良的差分、自校准等融合处理技术,它们都明显优于经典鉴定方法.可以使标校卫星提供更精确的比较标准,扩大其目前的功能和用途.特别是融合处理鉴定方法,不仅可以精确地评定定位系统测量精度,而且可以为测速系统精度评定提供一种良好的技术途径.     

Passive tracking scheme for a single stationary observer

While there are many techniques for bearings-only tracking (BOT) in the ocean environment, they do not apply directly to the land situation. Generally, for tactical reasons, the land observer platform is stationary; but, it has two sensors, visible and infrared, for measuring bearings and a laser range finder (LRF) for measuring range. There is a requirement to develop a new BOT data fusion scheme that fuses the two sets of bearing readings, and together with a single LRF measurement, produces a unique track. This paper first develops a parameterized solution for the target speeds, and then heading, prior to the occurrence of the LRF measurement, when the track is unobservable. At, and after the LRF measurement, a BOT, formulated as a least squares (LS) estimator, then produces a unique LS estimate of the target states. Bearing readings from the other sensor serve as instrumental variables in a data fusion setting to eliminate the bias in the BOT estimator. The result is an unbiased and decentralized data fusion scheme. Results from two simulation experiments have corroborated the theoretical development and show also that the scheme is optimal.