基于多传感器数据融合的蔬菜大棚控制系统设计

介绍了一种基于多传感器数据融合的蔬菜大棚控制系统的设计,包括系统组成、多传感器数据融合算法的设计以及具体实现。该系统利用滑动平均窗进行初始数据平滑滤波,然后利用一种改进的拉依达准则去除异常值,再通过加权平均算法对同类传感器的多个参数进行数据融合,最后采用向量机模型进行异构传感器数据融合,利用融合后的数据控制执行机构执行相关操作。     

温室温度多传感器数据融合

针对目前温室面积不断增大、温室内传感器种类和数量不断增多等情况,以及为解决温室温度检测的测量误差大等问题,提出了温度检测疏失误差剔除方法和多传感器数据融合方法.实验结果表明,通过有限次温度测量和数据融合得到的测量结果比算术平均值结果更接近真实值,大大提高了测量的可靠性.     

基于多传感器数据融合的AMT故障在线自诊断

为了进一步提高AMT工作的可靠性和安全性,本文阐述了一种基于多传感器数据融合的AMT故障在线自诊断方法。根据电控机械式自动变速器(AMT)的结构,在不增加系统硬件的情况下,充分利用多种可以获取的信号,将多传感器数据融合与故障树方法相结合,从而对AMT系统的大部分故障实现在线诊断。     

基于多传感器融合的定位技术概述

为进一步研究多传感器融合的定位技术,项目小组介绍了几种常见传感器融合的定位方法,涉及的传感器包括里程计（ODO）、激光雷达（LiDAR）、全球卫星导航系统（GNSS）、惯性测量单元（IMU）等。基于不同传感器的适用条件以及各定位方法的测试结果,总结了GNSS/IMU传感器融合、GPS/INS/磁力计传感器融合、里程计/LiDAR/GNSS传感器融合三类传感器组合定位技术的优缺点,其中里程计/LiDAR/GNSS传感器融合定位技术定位精度高,并以里程计/LiDAR/GNSS传感器融合定位技术为例进行详细剖析,建议从室内外无缝定位平滑过渡优化、定位精度优化两方面对多传感器融合的定位方案进行改进,以提高定位精度。     

基于多传感器数据融合的温室环境控制的研究

温室具有空间大且温度场分布受多种参数影响大等特点.基于这些特点,提出了一种基于多传感器数据检测与数据融合技术的温室环境控制的方法.在多传感器采集数据基础上, 利用最小距离聚类法确定各传感器融合的次序,提高数据融合结果的客观性.这种方法可以提高温室环境监测的精确度,使温室环境的温度、湿度、光照等主要参数达到理想的条件.     

基于D-S证据理论的鸡蛋新鲜度多传感器融合识别

为提高无损检测在判断鸡蛋新鲜度方面的稳定性和模型适应性,通过D-S证据理论和BP神经网络将电子鼻和机器视觉两种传感器在特征层进行融合,构建了鸡蛋新鲜度的融合模型.探讨了一种可以弥补D-S证据在信息融合过程中不足的改进方法.验证试验结果表明:通过融合优化,不确定性的基本概率赋值下降到0.01以内,解决了单一检测方法检测模...     

自主车辆导航系统中的多传感器融合技术

分析了目前农业领域中几种常用的自主车辆导航方式，并说明了多传感器融合的必要性。着重探讨了卡尔曼滤波、模糊逻辑推理以及人工神经网络3种融合方法，分析了未来的发展方向。     

多传感器数据融合的无人机速率估算与定位

为了提高农用无人机速率与位置的估算精度,同时降低无人机制作成本,提出了一种对于农用无人机容易实现的传感器数据融合算法,即通过使用离散型卡尔曼滤波,提高实验对象在三维空间中位置和速率变化的估算精度。由于传统的惯性测量系统存在体积大、造价高等缺点,而廉价的惯性测量传感器又存在较大的飘移,因此结合农用无人机航拍的工作环境采用全球定位系统(GPS)提供位置的测量,由惯性导航系统(INS)给出加速度,并由光流传感器提供速度的测量加以辅助。最终,通过实验验证了该算法的有效性。     

一种多传感器融合的园艺移动平台导航系统

提出了一套基于多传感器融合的自主导航系统,利用摄像头采集环境图像,通过北斗/GPS模块获取小车的姿态信息,采用超声波和红外传感器判断障碍物;通过设计基于特征提取与识别、多源信息融合的自主导航控制和避障算法,实现了园艺作业机器人平台的自主导航控制。该系统的研究为各类设施园艺机器人的研究和功能提升提供了参考,具有一定的借鉴价值。     

基于多传感器融合的跟随AGV复合导引技术

在主从式AGV协同作业中,跟随AGV的定位和导引,除了获取环境信息,还需要观测领航AGV的位姿进行路径跟随,对精度和稳定性有更高的要求。为了提高跟随AGV的导航精度,提出一种惯性导航与多目视觉结合的组合导航方法。针对多传感器的数据融合问题,提出一种基于自适应无迹卡尔曼滤波的跟随AGV最优位姿估计方法。惯导传感器输出信号用于跟随AGV的状态预测;路径跟踪导航与RGB-D视觉导航组成多目视觉导航,作为系统观测修正惯导的累积误差。实验表明,本文提出的复合导引方案具有更快的偏差收敛速度、更稳定的路径跟踪状态和队形保持,提高了双车协同搬运系统的实时性和鲁棒性。     

基于数据融合技术的牧草打捆机控制系统设计

针对现有的牧草打捆机普遍存在的生产效率较低、工作可靠性一般及核心零部件缺乏创新等问题,设计研发了基于多传感器数据融合技术的牧草打捆机控制系统.系统以西门子PLC为核心控制器,安装有重量传感器、转速传感器、压力传感器,通过A/D转换模块将传感器采集的信号转换为modbus通讯协议的RS-485数据形式,由无线GPRS数传...     

基于数据融合的柴油机综合监测系统研制

融合柴油机热工、油液及振动三大类信息，采用自适应谐振理论（ART）和BP网络等相结合的决策级融合技术，建立了一套具有数据融合、状态分析和故障诊断能力的柴油机综合监测系统，解决多源信息融合和多类故障诊断的问题，并以12PA6V-280型柴油机为研究对象，进行了工作过程仿真及故障模拟研究。     

粮情测控系统中多传感器信息融合技术的应用

为了保证储粮安全,需要严格控制的温度、水分、湿度和害虫等内部与外部因素。将信息融合技术应用于粮情测控系统,把多个异质传感器提供的数据进行融合处理,以提高目标参量测量的准确度和稳定性,提出一种基于多参数的两级信息融合方法。首先,通过分布图及自适应加权方法对粮情数据进行初次融合;然后,通过BP神经网络对其融合结果进行处理。该方法能够实现对同质数据的优化处理,并从整体上考虑了异质数据的互补性,提高了测控系统的可靠性。     

基于JN5139的农田无线传感器网内数据融合研究

在无线传感器网络中,各个节点的存储能力、通信能力、计算能力及能源的供给都十分有限,因而运用网内数据融合算法消除冗余数据,减小数据传输量,从而达到节省功耗、延长节点生命周期、提高数据采集效率和准确度的目的。介绍了系统结构及主要模块JN5139,采用简单滑动平均法、指数平滑法及自回归滑动平均模型(ARMA),在分析大量WSN数据的基础上,利用时间序列对数据进行建模预测,提出了适合WSN的数据处理模型并用Mat Lab进行仿真,之后将程序烧写到节点中进行试验。试验表明:该方法在保证采集数据可靠性的前提下有效地减少了网络的耗能,延长了网络的生命周期。     

基于多传感器融合的鸡蛋裂纹系统性识别

通过图像分析、敲击振动和电子鼻3种传感器分别输出与鸡蛋外部常规裂纹、外部细小裂纹和内部裂纹有关的无损检测参数并进行实验,设计一组针对鸡蛋裂纹程度的支持向量机判据。用该判据并结合实验数据构建一对多的支持向量数为4的鸡蛋裂纹判别模型。模型性能参数（模型拟合度为0.9735,收敛误差在0.0001以内）和验证性实验（对确定的5种裂纹状态判别准确率均可达90%）表明该模型具有可信的结构和较好的判别能力。     

数据融合在测控技术中的应用

数据融合是一种被提出已久的技术形式,但由于硬件设备无法契合,导致其长期未得到时间。随着信息技术的发展,数据融合的效率和程度有了显著的提升。数据融合技术由于较为良性的价值体现,得到了相对广泛的应用。文章主要研究内容为测控技术,以各类传感器的数据交换,获得数据参数从而进行调节,而采用数据融合技术,在于多层面数据的整合,并为测控中心系统提供准确的数据反馈。因此,将其有效结合到测控技术中,将合理提升测控领域的发展。     

基于多传感器融合的拖拉机驱动轮滑转率估算方法

拖拉机驱动轮滑转率的精确估计对提高拖拉机作业效率及安全性,实现拖拉机驱动防滑控制具有重要意义。本文提出了多新息并行扩展卡尔曼滤波算法,融合了包括机器视觉在内的多个传感器信息,并通过在线统计多传感器的新息,引入D-S证据理论进行决策,修正测量噪声矩阵,从而实现拖拉机驱动轮滑转率的精确估计。仿真结果表明,相较于普通的卡尔曼滤波算法,本文提出的融合算法估计滑转率的精度更高,滑转率估计值的均方根误差从2.34%降低到1.45%,且对干扰信号不敏感。试验结果表明,在多组工况下本文所提出的多传感器信息融合算法相较于单一视觉法或雷达法对拖拉机驱动轮滑转率估计的平均绝对误差、均方根误差均有所降低,从而验证了所提出的算法满足拖拉机驱动轮滑转率的精确估计,可对后续实现拖拉机驱动防滑控制提供依据。     

基于ZigBee的温室房间温度传感器数据融合技术

介绍了ZigBee的技术特征,构建了一种基于ZigBee技术的低成本和低功耗温室温度无线传感器网络,并采用网内数据融合和神经网络的数据融合方法,提高了网络的整体效率,减少了数据传输量,降低了能耗,消除了单一传感器节点限制引起的误差,从而获得了更为精准的温值,提高了控制精度.     

数据融合技术在温室环境监控系统中的应用

多传感器数据融合技术是一门新兴前沿技术。针对目前温室环境监控的需求,提出了一种基于D-S证据理论和农业专家系统相结合的数据融合方法。实验结果表明,这种方法提高了温室环境参数测控的决策准确性,可显著改善温室环境的控制效果。