刮板输送机是煤矿井下重要的开采设备之一,简要分析了现阶段刮板输送机的故障诊断现状,针对刮板输送机故障种类繁多,相互影响大且不易诊断的问题,根据多传感器数据融合理论,提出了RBF和模糊积分相结合的刮板输送机故障诊断数据融合方法。在特征级采用RBF,可以对同类传感器采集的数据进行快速学习和收敛,得到同源数据对每一类故障的模糊测度,以便在高维空间内进行同源数据的线性可分。决策级采用模糊积分理论利用该模糊测度通过模糊积分计算,获得刮板输送机故障信息的预测结果,该方法具有较好的容错性,简化了冗余信息,降低了故障相互影响的关联性。刮板输送机减速器电机故障的诊断研究表明,文中所提出的方法有助于克服故障类型的不确定性,在整体上确保故障数据的完备性,正确地判定故障的类型,提高了故障诊断的准确性。

多传感器信息融合，介绍中图片为INS+ DVL组合程序，此外还有imu+ gps组合等其他程序

对于带未知互协方差的两传感器系统, 提出一种协方差交叉(CI) 融合鲁棒稳态Kalman 滤波器, 它关于未知
互协方差具有鲁棒性. 严格证明了该滤波器的实际精度高于每个局部滤波器的精度, 但低于带已知互协方差的最优
融合Kalman 滤波器的精度. 基于协方差椭圆给出了精度关系的几何解释. 进一步将上述结果推广到一般多传感器情
形. 一个跟踪系统的Monte-Carlo 仿真例子表明, 其实际精度接近于带已知互协方差的最优融合器的精度.

针对多传感器融合系统的非线性和不确定性，将小波分析与神经网络相结合，提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础，利用环境信息理论和测量方差归一化方法构建小波神经网络，并且通过数值样本训练小波神经网络，使其在融合过程中实时估计各传感器的信任度，再由融合知识库根据各传感器信任度来选择适合的航迹融合算法，最终得到全局状态估计.实验结果表明，提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值，

中心议题 　　多传感器数据融合技术能对缺陷信号作智能化处理 　　电磁感应式传感器和霍尔传感器的工作原理 　　采用小波去噪的方法，并利用RBF神经网络的数据融合技术对缺陷信号进行检测处理并得出仿真结果 　　解决方案 　　采用漏磁传感器阵列，提高检测灵敏度，减小钢管表面接触噪声和温度影响 　　对信号预处理，保证测试准确性 　　选用RBF神经网络作为融合中心的特征层融合器 　　随着电子技术、神经网络和人工智能处理技术的发展，国内外都在开展新的漏磁信号处理方法的研究。由于传统方法受人为因素影响严重，容易产生漏检误检，大大影响了检测准确度，因此特别需要一种对缺陷信号的智能化处理方法。多传

传统的电气火灾预警通过检测温度、空气压力等参数来判断电气火灾,报警响应时间较长,存在很大的局限性。基于传统火灾预警存在的问题,通过紫外光传感器、电流互感器、超声探测器等火灾探测器对短路、接触不良、漏电等电气故障进行研究。通过设计检测电路采集各传感器的信号,着重对故障信号波形信息进行分析。采用MATLAB软件编制D-S证据信息融合程序,将3种传感信息进行仿真融合,在低压电气火灾信息融合过程中论证D-S融合理论的有效性。结果表明:D-S证据融合理论具有良好的可行性、可信性与可靠性。研究结果对提高电气火灾预警的准确性具有重要意义。

摘要：为了提高智能轮椅在复杂环境下获取有效信息的能力，提出了一种基于DSP的多传感器数据采集系统。该系统主要包括：超声传感器、接近开关、自定位传感器、姿态传感器和视觉传感器。本文主要对系统构架、组件设计进行了分析和阐述。 　　0 引言 　　智能轮椅的任务是安全、便捷地把用户送到目的地，完成既定任务。在运动过程中，轮椅既需要接受用户的指令，又需结合环境信息启动自身避障、导航等功能模块，与移动机器人不同的是，在使用过程中，轮椅与用户成为一个协同工作的系统。这就要求在设计之初就把人这个因素纳入考虑之中，所以，安全、舒适和容易操作应成为智能轮椅设计中重要的因素；使用者身体能力的差异决定了智能轮椅需

GNSS与惯性及多传感器组合导航系统原理（第二版）-光盘资料

强大的光学和SAR多传感器图像配准

给出一种新的神经网络——粗神经网络结构, 并给出了基于粗神经网络的多传感器数据融合
模型, 阐述了用于数据融合的粗神经网络的结构和训练方法。分析和仿真结果表明, 新模型不仅能解决
传统模型所能解决的问题, 而且能解决传感器输出为二值或一个范围的多传感器数据融合问题。