机载多传感器数据融合模型和方法研究

随着多种传感器探测技术的快速发展,数据融合方法的不断被提出和采用。文中提出了一种机载多传感器探测系统结构,并分析了其关键技术,将贝叶斯判别法应用在完成目标估计和判别的数据融合方面。探讨了该方法实现机载多传感器数据融合模型及其可靠性。     

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.     

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。     

综合航电设备多传感器多级数据融合的敌我属性估计

介绍了C^4 ISR系统中多传感器数据融合的特点和一种空战融合模式,结合实例说明了多传感器各自对目标信息的测量结果进行融合处理,推导了单传感器和多传感器未知命题的周期融合的可信度分配,并根据概率分布函数求出我机和敌机的置信度和拟信度,进行了验证和分析。分析表明,多传感器数据融合可以较全面准确地识别空中目标,达到对目标属性的准确估计。     

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。     

基于数据融合技术的多导航传感器性能评价系统研究

试飞是对导航传感器性能进行评价的有效手段.为克服仅采用单一导航传感器作为评价基准的缺陷,提出了基于数据融合技术的多导航传感器性能评价方法及其系统实现.设计的多导航传感器性能评价系统融合了卡尔曼滤波、最优固定区间平滑滤波、最小二乘加权等多导航传感器数据融合算法,在分析上述融合算法特点及使用的基础上,从信息流的角度出发,设计并实现了相应的多导航传感器性能评价系统.给出了评价系统的主要功能模块的设计与实现.还通过仿真数据对评价系统的功能和性能进行了测试,测试结果表明评价系统能准确地实现对导航传感器性能的评价.     

多传感器数据融合在空间目标跟踪中的基本应用

现代防空系统面临的威胁是不断变化的。航空、航天和电子战技术的发展构成了新的空间作战环境。随着空间进攻战术的发展，为了对空间环境作出更好的判断，需要多传感器组网并采用数据融合技术的防空作战系统。数据融合是多源信息处理的一项新技术，将数据融合技术引入了多传感器目标跟踪系统能提高系统的整体性能，可以使系统发挥最大的潜力。本文首先分析研究了传感器网之间的各种融合方法的特性和共性。在此基础上，研究了融合算法的一个具体应用。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。     

数据融合体系结构的设计

在进行数据融合系统设计时,选择适当的融合体系结构是首要工作。本文首先分析了单传感器系统的不完善性;接着,分析了数据融合的功能模块及其相互之间的关系,指出了集中式/分布式/混合式融合处理结构的优劣,最后,讨论并分析了几种典型的数据融合体系结构。     

航空搜潜系统异类传感器数据融合算法研究

根据固定翼反潜机装备不同类型传感器的特点,在选取合适的数据融合系统结构和数据融合框架的基础上,建立了统一的传感器数据模型,给出了融合中心的状态估计融合算法,并进行了仿真验证。     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。     

一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。     

基于模糊贴近度的多传感器数据融合测量

依据现代测量中多传感器数据融合需求，提出了一种基于模糊贴近度的数据融合新方法，研究了它在测量中的应用过程。测量应用实例验证了其在工程中的可行性，体现了稳定性、可靠性高的传感器在测量数据融合中的“优越性”，运算过程简洁、快速、有效，便于实时测量操作。     

一种基于小波的发动机数据融合算法

航空发动机测试中,内部气流工况十分复杂,使用多传感器对同一截面进行测试表征一个面的气流状态,其结果往往有个别点不符合规律。为此,提出一种基于小波分析的解决方案。首先对发动机多传感器测试数据进行小波分频。然后从相似性、能量衰减等多个角度进行分析,指出高频和低频的不同特征,并提出对高频与低频部分使用不同方法进行融合的思路。最后总结出一种适用于航空发动机高空模拟试验数据使用的基于小波的数据融合算法。     

面向飞机装配精准定位的状态感知技术

状态感知、实时分析、自主决策、精准执行是航空智能制造的特征。总结影响飞机部件装配单元定位精度的多种因素,并结合感知技术发展,深入分析部件装配单元的可感知因素及其获取方式,确定了部件装配单元可感知的关键要素:装配现场温度、定位器所受载荷、定位器位移、产品位姿。结合飞机机翼装配单元,设计感知信息获取方式。通过模糊优选方法,构建传感器型号优选模型,完成部件装配单元传感器选型。通过传感器测量偏差平均化的方法,构建多种类、多数量的传感器布局模型,确定部件装配单元传感器的数目与位置,完成了传感器布局设计。基于多传感器信息融合方法,设计多传感器信息融合模型,对感知的多源异构信息进行融合处理,并通过构建状态感知模型,实现对部件装配单元定位状态的直观表达。     

基于神经网络补偿的室内无人机组合导航系统

针对无人飞行器在环境特征突变情况下数据融合的可靠性大幅下降问题，提出了神经网络预测补偿的组合导航算法。首先利用扩展卡尔曼滤波和粒子滤波对激光、光流等传感器得到的数据进行融合，然后采用径向基函数（RBF）神经网络对粒子滤波前后的误差进行预测。当激光数据可靠时，RBF神经网络进行训练学习模式，当激光数据中断或者不可靠时，利用训练后的模型对系统进行误差补偿。利用无人飞行器在室内环境下进行定点和轨迹实验，结果表明补偿后的位置导航信息能够明显降低激光数据不可靠时带来的定位误差。     

多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

机载探测设备目标识别算法的研究

针对机载探测设备多传感器系统具有多目标,大量观测数据的特点,提出了一种基于Demp-ster-Shafer（D-S）证据理论和主观Bayesian方法组合的数据融合算法。在数据融合过程中,为保证融合的实时性,融合系统采用时域融合和空域融合相结合的方法,首先对相同传感器的各次抽样值进行时域融合,然后传感器之间的融合采用D-S方法进行融合;最后,其融合结果经概率转化后,与来自于ELINT（Electronic Intelligence）的信息通过主观Bayesian方法进行识别级融合。最后给出一个实例,经过仿真计算证明了该算法的可行性和实用性。     

面向飞机装配精准定位的状态感知技术

状态感知、实时分析、自主决策、精准执行是航空智能制造的特征。总结影响飞机部件装配单元定位精度的多种因素,并结合感知技术发展,深入分析部件装配单元的可感知因素及其获取方式,确定了部件装配单元可感知的关键要素:装配现场温度、定位器所受载荷、定位器位移、产品位姿。结合飞机机翼装配单元,设计感知信息获取方式。通过模糊优选方法,构建传感器型号优选模型,完成部件装配单元传感器选型。通过传感器测量偏差平均化的方法,构建多种类、多数量的传感器布局模型,确定部件装配单元传感器的数目与位置,完成了传感器布局设计。基于多传感器信息融合方法,设计多传感器信息融合模型,对感知的多源异构信息进行融合处理,并通过构建状态感知模型,实现对部件装配单元定位状态的直观表达。