燕颢[1]2003年在《信息融合几种算法的研究》文中研究说明近年来，多传感器信息融合(数据融合)在军事和民用领域都引起了强烈的关注并得到了广泛的应用。目前世界各军事大国竞相开始投入大量人力、物力和财力进行信息融合技术的研究，安排了大量的研究项目，并已取得了大量研究成果。我国也把信息融合作为发展计算机技术、空间技术等高新技术领域的关键技术之一。 多传感器信息融合是对多源信息进行处理的理论和方法，可以把不同时间和空间的数据进行综合处理，从而得到对现实环境更精确的描述。多传感器信息融合技术从本质上说就是一个参数估计问题，或者说是一个算法问题。因此，对信息融合算法的研究便具有十分重要的意义。本文对国内外的理论成果进行了深入研究和探讨，主要做了以下几个方面的工作： 首先介绍了信息融合技术的定义、基本原理与方法、系统结构及其应用范围；然后通过实例和仿真具体研究了Bayes理论、D-S证据理论、人工神经网络技术、粗糙集理论、模糊积分在信息融合中的应用，并对基于粗糙集和神经网络相结合的新的融合方法进行了有益的探讨。作者还独立提出了一种基于粗糙集理论的信任函数构造方法，并分析证明了其完全符合证据理论的要求。 本文所做的努力，为今后进一步开展在信息融合领域，尤其是不确定信息处理方面的研究提供了有益的借鉴。
张永利[2]2008年在《基于支持向量机的信息融合技术研究及应用》文中进行了进一步梳理本文将支持向量机理论引入到信息融合中,对支持向量机在信息融合中的应用做了研究,并选取污水处理厂的日常监控数据作为实验对象。在信息融合中使用支持向量机的方法,可以大大提高信息融合的运算速度与融合结果的准确性。融合结果的准确性直接影响最终的决策正确性,支持向量机在信息融合中的应用将会在军事、民用领域产生巨大的经济和社会效益。本文介绍了近年来得到广泛关注和研究的信息融合与支持向量机的相关知识,首先介绍了信息融合的相关知识、原理和常规融合方法。然后讨论了支持向量分类机的算法,并深入地研究了序列最小最优化算法与最小二乘支持向量机算法,并对最小二乘支持向量机的结果缺乏稀疏性,提出了增加稀疏性的改进想法。对于支持向量机多类分类算法,本文首先介绍了常用的“一对余”和“一对一”算法,然后使用二进制对编码法的多类分类算法进行改进。在对污水处理厂日常监控数据试验中,本文首先使用了信息融合中常用的神经网络方法,然后,使用序贯最小最优化算法、最小二乘支持向量机算法与改进后的最小二乘支持向量机算法叁种支持向量机算法。在支持向量机中使用“一对余”和二进制编码法两种方法。通过大量的实验来确定支持向量机的参数。最后,对实验的结果分析得出,支持向量机引入到信息融合中是成功的。总体上说,支持向量机的方法无论是训练速度,还是类别测试的正确率都要高于信息融合中常用的神经网络方法。
刘力[3]2008年在《基于多传感器信息融合技术的高速公路交通事件检测方法研究》文中研究指明随着我国高速公路的快速建设和发展,高速公路交通安全问题日益突出,而且目前交通事件检测系统的实际应用效果并不理想。因此,交通事件检测(AID)方法研究已经成为广泛关注的热点问题。多传感信息融合技术作为一种新的信息综合处理方法,为AID方法的设计提供了新途径。运用信息融合技术设计高效的AID方法,不仅能拓宽信息融合技术的应用范围,而且能推动高速公路“安全、高效”的管理目标的实现,具有较高的理论意义和实际应用价值。本文初步探讨了交通事件信息融合理论,并针对基于单一传感器信息的AID方法存在的问题,运用多传感器信息融合理论和技术,按照信息融合的结构和层次框架,设计了采用集中式融合结构的基于特征级融合的AID方法和采用分布式融合结构的基于决策级融合的AID方法。按照信息融合的处理过程,在AID方法的低层信息预处理阶段采用小波分析法对交通流数据进行消噪处理,并利用实测数据比较了常用的两种小波消噪方式的效果。在AID方法的高层信息融合处理阶段,选用PNN和LVQ神经网络作为本文提出的事件检测融合算法模块的实现工具。同时,利用实测数据,在详细分析了交通事件状态下不同截面和不同车道的交通流参数的突变特性基础上,汲取双截面算法的优势,确定了基于特征级融合的AID方法的输入参数;汲取单截面算法和双截面算法的优势,并提出利用同一截面不同车道交通流的变化特性,确定了基于决策级融合的AID方法的输入参数。两种方法应用中均融合了天气情况和能见度信息。最后,利用经过消噪及归一化处理的京津塘高速公路实测数据对本文提出的AID方法进行测试,结果表明,两种方法均可获得较高的检测率和较低的误报率,性能优于经典AID方法。
郭毅[4]2017年在《基于半监督学习和信息融合的港口客户信用风险评价系统》文中指出伴随着经济一体化、全球化的发展趋势,我国国民经济的发展和对外贸易迅速增加,造就了水路运输的快速增长,也推动了港口的发展。为了维系和争取更多的客户,港口扩大了信用结算的适用范围。随着信用结算政策的改变,客户信用风险问题开始不断困扰着港口的管理者。客户延期还款甚至恶意拖欠,严重影响了港口正常的经营。而传统依靠人工的客户信用风险评价方法,已经难以满足港口日常经营管理的需求。因此,如何利用现有资源,增强港口信息化建设和应用水平,对港口客户未来一段时间内的信用风险水平进行评价,从而降低或规避因客户信用风险给港口带来的损失,提高港口的应变能力,是港口目前亟待解决的问题。本文面向港口客户信用风险评价,以广东省教育部产学研项目《广州港集团生产业务管理系统及通用软件产业》(2008B090500244)、《基于RFID的港口汽车滚装管理系统应用示范工程》(2009B090300467)和国家自然科学基金重点项目《物流资源整合与调度优化研究》(71132008)等为支持,深入分析了港口客户信用风险的成因,综合应用半监督学习、主动学习、信息融合、神经网络和遗传算法等理论和方法,设计并构建了基于半监督学习和信息融合的港口客户信用风险评价系统,主要研究内容和成果如下:(1)提出了面向港口的客户信用风险评价体系本文在对港口客户信用风险成因深入分析的基础上,比较了港口客户信用评价体系和现有主要信用评价体系之间的差异。针对目前相关研究不足、套用现有客户信用风险评价体系难以满足实际需求等问题,明确了构成评价体系的指标,引入外部影响因素,构建了港口客户信用风险评价体系。(2)构建了基于Tri-Training和标签传递算法的半监督文本倾向分类框架本文对有标签样本不足情况下的文本倾向分类进行了研究。针对实际应用中有标签样本不足,影响文本倾向分类性能的问题,引入了半监督学习算法。在深入了解半监督学习的基础上,针对标签传递算法无法直接处理样本外数据和Tri-Training算法易受初期噪音干扰的问题,提出了一种结合Tri-Training与标签传递算法的半监督文本倾向分类框架(Label-propagation Improved Tri-TrainingFramework,LIT2)。(3)提出了一种基于主动学习的半监督文本倾向分类优化策略针对LIT2在训练过程中出现的学习能力瓶颈,有针对性地提出了一种基于主动学习的优化策略。采用成员查询式的主动学习优化策略,通过构建训练信息较丰富的有标签样本,帮助LIT2克服训练前期的学习能力瓶颈;通过基于池的主动学习,选取具有较高训练价值的样本,从而令LIT2克服训练后期的学习能力瓶颈,综合提高LIT2的训练效率和分类性能。(4)提出了基于内外部信息融合的港口客户信用风险评价模型对港口客户信用风险评价的过程,也是融合港口企业内外部信息的过程。结合信息融合模型和BP神经网络,本文提出了基于内外部信息融合的港口客户信用风险评价模型(Internal and External Information Fusion based Port Customer Credit Evaluation Model,IEPCCM)。针对BP神经网络中的不足,提出了一种基于多项改进的 BP 神经网络构建方法(Mutil-Improved BP-NN Model Construction Method,M2C),并应用 M2C 构建了IEPCCM。(5)实现了 SIPCC的原型化开发在前文研究的基础上,根据基于内外部信息的港口客户信用风险评价系统(Semi-supervised Learning and Information Fusion based Port Customer Credit Evaluation System,SIPCC)的需求分析和体系框架,应用Java EE平台,Spring-Hibernate联合框架,结合Nutch等关键插件,完成了 SIPCC系统原型系统的开发,并实现了内部数据管理、外部信息抽取、文本倾向分析和客户信用评价等核心功能。通过多种技术框架体系和关键技术的联合应用,进一步提高了系统的高效性、可扩展性、实用性和安全性。
周云[5]2016年在《基于高分辨距离像的雷达目标识别研究》文中研究表明探测与测距是早期雷达的基本功能,这已经远远不能满足现代雷达需要获取越来越多的目标信息的需求。在军用和民用的很多应用中,不但需要探测到目标,还要识别出是什么目标,即雷达目标识别。目标识别自然成为现代雷达信息处理中非常重要的研究方向之一。雷达信号带宽的提高使得雷达具有距离向高分辨能力,可对目标进行高分辨成像。高分辨距离像(HRRP)能够较好的表征观测目标等效多散射中心沿距离向的分布结构,且易于获取和处理,为我们提供了一种非常有潜力的雷达目标识别手段。以高分辨距离像为研究对象,围绕着稳健特征提取、多特征综合、多特征信息融合、系统构架等关键问题,对雷达目标高分辨距离像识别中所涉及的相关理论和关键技术开展了深入的理论研究和实验验证。论文主要工作和创新之处概况如下:(1)对两种典型的流形学习算法——邻域保持投影(NPP)和局部切空间排列(LTSA)进行研究,分析了算法具备松弛HRRP的姿态敏感性的优良特性。针对HRRP雷达目标识别,分别提出了增强的邻域保持投影(ENPP)算法和增强核邻域保持投影(EKNPP)算法,以及线性鉴别局部切空间排列(LDLTSA)算法和核鉴别局部切空间排列(KDLTSA)算法。实验结果验证了所提算法的有效性以及相较于现有的同类算法所表现出来的性能优势。(2)针对雷达HRRP目标识别中由于训练样本非常有限导致传统的子空间算法学习性能下降的问题,对基于点到空间距离测度的子空间学习算法进行分析和研究,提出了两种新的基于点到空间距离测度的学习算法:邻域特征空间鉴别分析I(NFSDA-I)和邻域特征空间鉴别分析II(NFSDA-II)。实验结果表明,相对于其它已有的点到空间类的学习算法,NFSDA-I和NFSDA-II算法的子空间具有更高的多目标鉴别能力,目标识别性能较优。(3)对HRRP时域回波中潜在的目标几何结构特征进行分析,采用统计的方法,从HRRP时域回波中提取出8个从不同角度反映目标几何结构信息的特征量,并采用多特征综合的研究思路,选择多个特征组合起来得到8个综合特征。实验结果表明了其中一些几何结构特征的有效性,如:熵和不规则度特征,以及多特征综合识别所具有的性能优势。(4)首次将语音识别领域里有关谱包络的研究成果引入到HRRP雷达目标识别中,从HRRP的频域特性中提取出9个典型的谱包络特征,并组合构建了21个综合特征,用于目标分类。实验结果表明,所提取的谱包络特征对于HRRP雷达目标识别是有效的,且具有一定的潜力。此外,采用多个谱包络特征综合识别的效果良好。(5)研究了基于多特征融合的雷达目标识别技术。对基于信息融合的雷达目标识别系统框架和相关的融合算法进行了研究,在此基础上,给出了一个基于Dempster-Shafer理论多特征融合的HRRP雷达目标识别方案,分别提取四种不同特征、采用两种分类器进行分类,并在决策层上基于Dempster-Shafer理论进行融合判决。实验表明了该融合识别方案的有效性。(6)对宽带数字阵列雷达目标识别系统进行研究。以S波段16阵元线阵的宽带数字阵雷达系统为基础,构建了基于OpenVPX的信号与信息处理系统,并建立了适用于串行高速总线的目标识别开放式软件架构。
雷旭[6]2016年在《面向交通CPS的车辆感知与识别系统研究》文中认为交通系统的典型非线性、强耦合和泛时空特征,导致其运行规律极为复杂。受限于车辆信息的感知与识别技术,传统的交通流信息获取方式已不足以满足现代交通控制的需求。而集成计算、通信和控制技术于一体的信息物理融合系统(Cyber Physical Systems,CPS),为新一代智能交通系统提供了可行的发展方向。面向交通CPS,实现对道路车辆信息的准确、高效和深度感知,是全面掌握交通状况的前提和基础。因此,车辆信息感知与识别成为智能交通系统研究领域的重要方向。围绕车辆感知过程中数据融合、信息共享和信息提取等方面的关键问题开展研究,具有重要的理论意义和应用价值。本文在研究CPS相关理论和方法的基础上,建立一个完整的车辆感知与识别系统,主要研究内容有:1.在研究信息物理融合系统的相关理论和关键技术基础上,针对现代交通系统的泛时空分布、网络互连和规模化的复杂特点,基于地磁感应技术,建立车辆感知与识别信息物理融合系统。设计系统架构和功能模型,将系统划分为感知层、传输层、运算层和决策层。系统具有广泛规模化布设、网络化无线互联和车辆多物理特征信息感知的特点。2.研究车辆运动对地磁场扰动作用的原理,设计了系统感知层物理实体——车辆信息感知节点。为了解决感知层对车辆地磁扰动信号有效识别问题,基于随机过程理论,建立背景信号高斯模型,设计扰动数据自动识别算法。实验结果表明,算法能够有效地将车辆扰动信息与背景数据分离,解决了地磁检测容易受外部环境干扰的问题。3.针对系统感知节点广泛布设的特性,在考察典型十字路口交通流变化规律基础上,提出根据交通流变化特点的分时段网络分簇算法,在能耗模型基础上设计了路由协议的多跳算法。为了模拟实际应用长期运行效果,建立了网络仿真模型,仿真结果表明,网络能耗被有效均衡,系统生命周期得到延长。4.在建立多感知节点车辆检测模型的基础上,先对多节点感知数据以幅值和时间两个维度归一化预处理,以统一融合数据基准。针对相邻车道车辆干扰现象,基于极大似然估计理论,设计多节点地磁感知信息数据融合方法。针对连续通过车辆的辨别问题,以能量范数为基准,对叁轴信息进一步融合,设计双阈值车辆信息分割算法。实验结果表明,相关技术和方法有效解决了传统单节点感知漏检和误检的问题。5.考察地磁扰动信号的时域和频域特性,为了利用地磁扰动信号频率特征实现车辆类型识别,应用高斯过程分类模型,提出将地磁扰动信号频谱与分类径向基函数关联,以求取长度尺度超参数的方法。在此基础上,设计车辆类型二分类算法;基于有向无环图,设计多分类补充算法。实验结果表明,所提出的分类方法和传统方法相比具有良好的车辆类型识别性能。综上,本文基于CPS的相关理论和方法,研究了车辆地磁扰动信息感知与辨识、面向能耗均衡的无线网络分簇、多节点地磁感知信息融合和基于地磁信息频谱特征的车型识别等关键技术。经过测试数据实例分析、软件仿真实验和实验验证系统的现场测试,证明了所提出方法和算法的有效性和实用性。
张倩[7]2008年在《多传感器机动目标状态融合算法研究》文中指出当前,多传感器信息融合已成为国内外相关研究领域的热点与关键技术。随着现代战争中敌方飞行目标的机动性能与战术手段的不断提高与完善,利用单个传感器的量测数掘已很难实现对目标的不间断跟踪。同时,在集中式单个高精度传感器的昂贵成本与低抗毁性的情形下,选择多个成本与精度均适中的传感器,组成分布式的传感器网络,利用多传感器信息融合技术来保证目标跟踪的性能,则成为有限成本下的一种现实而可行的选择。本文基于实际工程背景,利用多个低成本小型雷达组成分布式探测网,通过对现有多传感器的信息融合理论的深入研究与算法改进,实现了对目标的高可靠与高精度跟踪。首先,对当前国内外公认的叁类单传感器的自适应滤波算法进行系统分析和仿真研究。结果表明:交互式多模型(IMM)算法有着更高的跟踪精度,但对于低精度的单传感器系统,即使是采用先进的IMM算法,系统精度也很难进一步得到提高。然后,本文采用了分布式融合结构,在对当前国内外广泛研究的简单融合算法、互协方差融合算法和分层融合算法分析比较的基础上选用分层融合算法。理论分析与数字仿真结果显示了此方法的可行性,对多个低成本小型雷达的航迹融合有效提高了系统的跟踪精度,特别是机动情况下的改善效果尤为明显。针对异步航迹的融合问题一直是实际工程中常见的迫切需要解决的难点问题,为便于工程实现,本文基于设定融合周期的异步融合模型,从同步情况下的分层融合算法出发,给出一种最优的异步分层融合算法。最后,对异步仿真数据进行处理,验证了该算法是行之有效的,为工程应用提供了有益的参考。
吴雨晨[8]2017年在《基于信息融合的糖尿病风险识别系统研究与开发》文中研究表明随着互联网技术的发展和医疗信息化的推进,各大医疗机构累积的海量数据对疾病诊断具有重要意义,但由于数据规模庞大、来源多样化以及结构不统一等问题,不易对其进行深度分析来获取潜在的知识。因此,本文针对目前医疗辅助诊断系统存在的问题,将信息融合的理念和方法应用于糖尿病诊断领域,以提高诊断效率,减少误判为目标,设计了基于信息融合的糖尿病风险识别系统,辅助医护人员进行决策。本文主要研究内容如下:(1)通过阅读大量文献了解国内外研究现状,并总结目前医疗诊断辅助系统存在的问题,以此确定论文的研究方向。(2)针对糖尿病诊断特征冗余问题,本文选择萤火虫算法对糖尿病特征集进行降维处理,并根据原始算法存在的问题,提出改进的RS-IFA特征选择算法,首先利用粗糙集理论的特性对初始萤火虫种群做出优化,其次将萤火虫位置的更新与全局最优个体相关联。实验中将RS-IFA算法和原始萤火虫算法、粒子群算法进行比较,结果证明RS-IFA算法得到的特征子集不仅在分类准确率方面有明显提升,而且解决了原始算法收敛速度慢的问题,提高了特征选择过程的效率。(3)针对糖尿病诊断问题,分析了信息融合的理论和方法,建立了二级糖尿病风险识别融合模型。特征级上利用BP神经网络对患者进行初步诊断,决策级上利用D-S证据理论方法合成特征级的输出,得到最终的诊断结果。将BP神经网络和证据理论结合不仅可以充分发挥BP神经网络的自学习能力,还能克服诊断过程中的不确定性,提高诊断的准确率。(4)根据糖尿病风险识别系统的设计目标,完成了系统的开发,各功能模块均达到预期目标,具有较好的使用价值。
吴杰[9]2011年在《基于高分辨距离像的雷达自动目标识别技术研究》文中提出雷达自动目标识别技术在军事和民用上都有着巨大的应用价值。宽带雷达高分辨距离像（HRRP）具有目标结构信息丰富、易于获取的特点，是雷达目标识别重要的发展方向之一。本文以探寻稳健、实用的识别算法为目标，围绕HRRP目标识别的关键问题，系统地研究了姿态敏感性、特征提取、噪声背景下的稳健识别和序列识别问题，为HRRP目标识别的实用化进行了有益的探索。主要研究内容和创新点如下：1．基于散射点模型理论，研究了不同方位角下等角域划分对目标识别的影响，通过对HRRP方位敏感性较强的方位角区域细分，以相邻HRRP的互相关系数为基准自适应地划分角域，弥补了最大相关模板匹配法（MCC-TMM）均匀划分角域的缺陷，改善了识别性能。2．针对HRRP目标识别中简单套用经典概率分布模型存在的“模型失配”问题，研究了逆向云模型的建模问题，给出了云滴确定度和逆向云隶属度的计算方法，提出了基于逆向云模型的雷达目标识别方法。仿真表明，相比经典的Gaussian模型，该方法具有识别精度高、对训练数据量依赖性小、对目标姿态变化不敏感、抗噪性能好等优点。3．当目标在某一角域内的散射特性失配时，其对应角域HRRP能量呈现非线性分布特性。针对这一问题，提出了一种基于核主分量分析（KPCA）重构的雷达目标识别方法。该方法在等角域划分下利用核主分量分析提取每个角域内HRRP的特征子空间，再将测试样本投影到各角域特征子空间中进行重构，最后通过计算最小重构误差来判别测试样本的类别。相比主分量分析重构方法和最大相关系数模板匹配法，核主分量分析重构方法可以松弛角域划分范围，降低角域划分的精度要求，同时也具有较好的抗噪性能。4．针对传统的线性判别分析（LDA）算法应用于HRRP特征提取时存在的“四个缺陷”（要求假设待分类数据服从具有相同协方差矩阵的高斯分布；降维后的特征子空间维数受限；在计算散射矩阵时没有突出边界样本在目标识别中的作用；待分类样本的维数大于或接近于样本个数时，容易造成所谓的“小样本问题”），研究了HRRP非参数特征提取方法：（1）提出了基于非参数特征分析（NFA）和逆向云模型相结合的HRRP目标识别方法。NFA算法在计算散射矩阵时用局部KNN均值代替类均值；利用样本的局部信息来构建类间散射矩阵，增加了类间散射矩阵的秩；通过权函数增强了训练数据中类边界样本在分类中的作用。弥补了LDA算法的前叁个应用缺陷。利用逆向云模型作为分类器改进了概率论和模糊数学在处理不确定性问题方面的不足，更加符合目标HRRP经过特征提取后特征子空间模糊分布的实际情况；（2）提出了基于非参数最大间隔准则的雷达目标识别方法。该方法结合最大间隔准则和非参数化方法的优点，采用“以差化商”的方法解决了LDA算法的“小样本”问题，用非参数的方法计算类内和类间散射矩阵弥补了LDA算法的其它叁种应用缺陷。仿真实验表明，相比参数的特征提取方法，所提出的非参数特征提取方法可以增加HRRP样本的类内聚合性和类间可分性，从而提高目标识别率和抗噪性能。5．针对传统的HRRP识别方法对噪声环境适应性差的问题，提出了一种噪声背景下的HRRP目标识别方法。该方法通过分析不同信噪比下幂次变换(PT)参数的选取对识别效果的影响，利用线性回归的方法给出参数选取的经验公式；结合信噪比实时估算，研究了基于自适应幂次变换的数据预处理方法。根据自相关小波变换的时移不变性特性和较好的抗噪性能，构造自相关小波SVM分类器。仿真实验表明，该方法在目标识别率和噪声稳健性方面远优于高斯核SVM分类器。6．为获得更加稳健、可信的识别效果，设计了HRRP序列的雷达目标识别模型，并根据该模型详细论述了雷达目标的序列识别方法；针对模型中的主干环节，基于概率推理理论，引入灰色关联算子，构造了HRRP序列目标识别算法中MYCIN的不确定因子，提出了一种基于HRRP序列的雷达目标识别方法。与单样本的识别算法相比，所提出的算法具有识别精度高、稳定性好、抗干扰能力强等优点，具有较好的工程应用前景。
王海静[10]2007年在《基于多传感器信息融合的码垛过程监控与故障诊断的研究》文中研究说明在自动化生产过程中,要用各种不同的传感器来监视或控制生产过程中的各个参数,使设备处于最佳工作状态,保证产品有最好的质量。但目前主要依靠内部传感器,例如各种位移、速度、压力等传感器,很少采用视觉等外部传感器。并且在对系统运行状态进行监控时,单一种传感器信息只能获得设备系统的部分信息段,反映设备系统运行状态的某一个侧面;并且如果传感器本身发生故障,系统并不能自行判断某个传感器失效并发出警报。为了全面地、综合地反映设备的真实运行状态并就故障给出相应的诊断信息,本文提出了将视觉和内部传感器信号感知信息融合监控诊断的方法,从而真实的反映设备运行状态,对设备故障做出科学、正确的分析与决策。对监控用内外传感器进行了选择和设置。重点对视觉跟踪中的采集信息进行了分析,采用点模式匹配的方法对目标进行跟踪,并设计了卡尔曼滤波器,对被跟踪目标的运动参数进行滤波预测,缩小了搜索区域,提高了系统的实时性和跟踪精度。分析了单独使用视觉或内部传感器进行系统监控的不足之处,在此基础上,针对码垛机器人的码垛过程、产品的安全性等要求,将多传感器信息融合技术应用到码垛系统中,并以信息融合技术的理论知识为基础,总结得到码垛系统的多传感器信息融合的基本原理图、所采用的结构形式以及信息融合故障检测方法。针对码垛机器人多传感器系统的特性和现场环境特点,总结出系统常见的故障类型,并采用模糊BP神经网络信息融合方法实现对码垛系统的故障监控和诊断。本文通过码垛系统的故障初始训练表形成了故障诊断理论样本,然后就码垛系统中的典型故障模式采用了模糊BP神经网络进行判断,仿真结果表明该方法是行之有效的。本文深入研究了基于多传感器信息融合的码垛过程故障监控与诊断的问题,当码垛过程发生故障时,该系统可以判断出故障原因并给出诊断结果,从而保证了系统运行的稳定性和可靠性。
参考文献：
[1]. 信息融合几种算法的研究[D]. 燕颢. 南京理工大学. 2003
[2]. 基于支持向量机的信息融合技术研究及应用[D]. 张永利. 西安科技大学. 2008
[3]. 基于多传感器信息融合技术的高速公路交通事件检测方法研究[D]. 刘力. 北京交通大学. 2008
[4]. 基于半监督学习和信息融合的港口客户信用风险评价系统[D]. 郭毅. 北京交通大学. 2017
[5]. 基于高分辨距离像的雷达目标识别研究[D]. 周云. 电子科技大学. 2016
[6]. 面向交通CPS的车辆感知与识别系统研究[D]. 雷旭. 长安大学. 2016
[7]. 多传感器机动目标状态融合算法研究[D]. 张倩. 南京理工大学. 2008
[8]. 基于信息融合的糖尿病风险识别系统研究与开发[D]. 吴雨晨. 浙江理工大学. 2017
[9]. 基于高分辨距离像的雷达自动目标识别技术研究[D]. 吴杰. 南京航空航天大学. 2011
[10]. 基于多传感器信息融合的码垛过程监控与故障诊断的研究[D]. 王海静. 河北工业大学. 2007
标签：自动化技术论文; 信息融合论文; 支持向量机论文; 相关性分析论文; 仿真软件论文; 分类数据论文; 数据融合论文; 传感器技术论文; 客户分类论文; 客户感知论文; 雷达论文;