论文部分内容阅读
随着信息化、智能化的发展，针对多种传感器系统展开的关于数据处理的研究成为了一个热点，多传感器信息融合技术由此诞生。本文对多传感器信息融合中所涉及的理论与应用问题进行了深入的研究。从信息融合的结构入手，针对数据级、特征级和决策级三个融合层次的特点，探索了不同融合层次上有效的融合模型、相应的算法，并将其应用在数字化无人炮塔中。
首先，在数据级融合中，同类传感器测量中含有干扰因素。采用分布图法消除疏失误差并利用算术平均值与分批估计相结合的方法对数据进行融合处理，并应用于数字化无人炮塔车油箱温度测控系统，提高了温度测量的可靠性，避免了油箱局部过热；其次，在特征级融合中，炮塔车内燃机故障诊断系统中可利用的信息很多，只有充分有效融合有用的信息来对设备进行诊断才能提高故障诊断的精度和可靠性。本文采用标准。BP网络、改进BP算法的前向网络、L—M 算法前向网络三种网络模型进行故障诊断仿真。通过分析比较得出 L—M 算法前向网络是最有效的方法，能够获得设备的故障状态的最优估计与判决。最后在决策级融合中，针对模糊推理表达方便及神经网络学习能力强的特点，提出了用基于Takagi-Sugeno 模型的模糊神经网络进行信息融合的算法，并将其应用于炮塔火控计算机系统中，通过仿真验证了方法的可行性和有效性。
本文将信息融合技术应用在数字化无人炮塔车中，在不增加系统成本投入的前提下，很好的实现了预期目标。