多传感器融合技术在船舶液位监测中的应用

目前国内外许多船舶采用了液位监控系统,极大地提高了船舶的自动化程度。为了保证液位监测的准确性与可靠性,针对环境干扰易导致液位测量结果出现偏差的问题,构建新的液位监控系统,对液位测量的精度进行分析和改进。考虑液位监控系统中存在一步随机时滞的情况,对传感器测量液位的过程进行数学建模,基于卡尔曼滤波和矩阵加权融合算法,提出一种新的多传感器融合算法。通过仿真实验,表明多传感器滤波融合算法能够使液位测量更精确、更稳定,且易于故障监测和分离。     

基于CKF的半潜平台压载舱液位估算法

针对液位计在半潜式起重拆解平台压载舱液位的测量过程中由于液位波动、外界干扰测量结果出现偏差、收敛速度慢及不稳定等问题,提出了一种基于容积卡尔曼滤波(Cubature Kalman Filter,CKF)的液位估算法。首先,对液位计的测量过程进行建模,建立运动方程;其次,基于容积卡尔曼滤波对测量结果进行滤波估计,建立量测方程,得到液位的滤波估计。仿真实验结果表明:经过基于容积卡尔曼滤波估计的液位值,具有更高的稳定性、可靠性和精度。     

Saab TankRadar油舱液位测量系统及故障简介

介绍Saab TankRadar油舱液位测量系统的基本组成和功能，阐述该测量系统常见的温度传感器故障、惰性气体压力传感器、雷达探头电气接线盒故障等常见故障的现象、原因和处理方法。     

基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

主机冗余多传感器测速数据处理算法研究

针对船舶主机遥控系统的冗余多传感器测速系统结构,为改进传统的船舶主机测速算法,通过基于测量误差理论和物理量限值的分析,提出了一种主机冗余多传感器测速数据处理算法.该算法具有转速输入通道故障判断、转速测量值滤波和冗余多路转速值取舍等功能.经试验应用,达到了预期的效果.     

船舶相对风的融合算法研究

船舶相对风是指船舶在海面上系泊或航行时测风传感器所测得的风速风向,大中型船舶往往安装2个以上的测风传感器以克服单传感器的局限性。为了综合利用多个传感器的测量值,提出一种基于动态权值的数据融合算法。在此基础上为进一步提高融合数据精度,将参考基准值首先采用卡尔曼滤波进行优化处理,然后再将其代入公式参与融合计算。采用实船航行试验测风数据验证表明,该融合算法能够区分测量值的优劣,倚重更有利的测量信息,有效降低相对风的测量误差,优于目前广泛采用的算数平均值方法。     

基于D-S证据理论和BP算法的直流电机故障诊断研究

提出一种基于D-S证据理论和BP算法的故障诊断方法,通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,利用多源信息间的冗余性和互补性,有效提取故障特征信息,提高了诊断的可靠性和灵敏度.     

基于图像传感器的液位测量方法研究

文章利用激光笔与摄像头构建了一种非接触式液位测量装置。依据液面上的入射光斑中心与液面高度之间的函数关系，利用最小二乘法标定液位测量装置的参数，完成液位测量。由于液面的晃动具有周期性，文章通过自相关算法来判断晃动液面的振荡周期，对液面高度构成的振荡曲线进行最小方差拟合，一个周期内拟合函数上下积分值相等的点为液面高度。此算法实现了准确的实时地连续监测液位，可应用在工业液位测量等场合。     

多传感器信息融合仿真平台的设计与实现

在多传感器信息融合系统的开发中，需要一个灵活可靠的仿真平台来对各种传感器模型、关联算法和融合算法进行调试评估。多传感器信息融合仿真平台经过模块化设计，面向对象方法编程，使得其具有开放性，易于扩展等特点。并给出一个该仿真平台的运行实例，使该仿真平台的可靠性、实用性等得到验证。     

多航向传感器信息融合与容错联邦卡尔曼滤波器在舰艇综合导航系统中的应用

不同的航向确定方法呈现不同的误差特性,通过多航向传感器的信息融合能够获得更稳定、准确的航向测量。本文提出了一种包含多个航向传感器数据融合和故障容错联邦卡尔曼滤波器的组合导航方法。该方法能够实现多个航向传感器的数据融合,同时还能实现传感器的在线故障检测和实时容错。首先基于输出误差协方差的权值法对航向测量进行最优融合,然后基于状态卡方和残差卡方设计了一个容错联邦卡尔曼滤波器,该滤波器能够检测并隔离故障的航向传感器。实测数据试验表明,该方法能够达到预期的舰艇组合导航系统的故障容错性能。     

多传感器数据融合算法研究

本文从目标跟踪、提高跟踪精度的角度出发，讨论了基于同类传感器测量的数据融算法和基于不同类传感器航迹的航迹综合算法，将前者用于侦察设备的多站定位，开了一载体的必要机动，后者用于多类传感器的航迹综合，仿真结果表明，多传感器数据融合结果要优于单传感器。     

基于多传感器信息融合的移动机器人障碍探测系统

采用单目CCD摄像机获取环境空间的网像信息,融合来自超声波测距传感器系列的深度数据可完成对环境空间的快速理解.设计出基于多传感器信息融合的移动机器人障碍探测系统,分析了多传感信息A/D数据的实时采集方法,采用多传感器数据自适应加权融合算法获取最终测量结果.实验表明该算法具有线性无偏最小方差性,可获取最优的数据融合值.     

面向智能船舶的容错卡尔曼融合估计方法

针对智能船舶多传感器系统因未知海洋环境干扰和设备间干扰等因素导致的一个或数个传感器产生随机间歇性故障从而导致融合估计结果出现偏差甚至失真的问题,设计1种基于四分位滤波的容错方法,并针对该方法导致的观测时滞问题设计1种预报方法,提前预报观测值,进而抵消容错方法导致的时滞问题。此外,针对多传感器之间的互协方差难以准确估计的问题,采用CI融合估计方法进行融合估计。为验证算法的有效性和融合估计的精度,对带有间歇性故障的两传感器系统进行仿真试验,并与按矩阵、按对角阵和按标量3种分布式融合估计方法得到的结果进行对比。4种方法的均方误差系数大小对比结果显示,对于带间歇性故障的多传感器系统,设计的融合滤波不仅具有鲁棒性,而且具有较高的融合精度。     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法，该方法是将多传感器的测量数据进行自组织聚类，从而实现测量数据的关联，利用融合估计完成对多目标的状态估计，计算机仿真结果表明了该算法的有效性。     

基于测量分量加权融合的GPS/SINS船舶组合导航算法

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用.但由于船舶组合导航系统中各子系统通常提供的是不等同维的测量数据,加之传统测量值加权融合存在各传感器测量等同维数的约束,使得该类算法在船舶组合导航中的应用能力和使用范围受到了很大的限制.针对上述问题,以GPS和SINS组成的、具有不同维数测量的船舶组合导航系统为研究对象,提出了一种新的基于测量分量加权融合的船舶组合导航算法.该算法的基本思想是寻找一个变换矩阵将具有不等同维数的测量扩维成满状态维数的矩阵,然后考虑扩维后的噪声方差是奇异矩阵,从而采用测量分量对应加权进行融合.与传统的测量加权融合方法相比,该方法不仅具有更广的应用范围,而且保持了与传统的集中式扩维融合相同的高精度性能.算法的性能分析和计算机仿真证明了新算法的有效性和优越性.     

测量液位装置

法国阿涅尔(Asnieres)市奥克西特尔(Auxitrol)公司制造了测量各种容积的压载水舱、燃油舱、液货舱或污水舱液位的装置。液位测量装置分电动气动式和全电动式两种。奥克西特尔公司声称世界上只有该公司能制造两种测量液位装置。该公司现在制造的测量装置有CT800系列(带一只固定的4—20mA传感器的全安全静压装置)、CT700(一只可靠的     

基于强跟踪滤波器的多传感器非线性动态系统状态容错融合估计

将强跟踪滤波理论与多传感器数据融合估计方法相结合，提出基于强跟踪滤波器的多传感器数据融合估计新算法。对拥用相同采样的分布式多传感器单模型非线性动态系统，应用强跟踪滤波器，得到目标状态基于全局信息融合估计结果，并利用计算机仿结果对算法的有效性进行了验证。这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题，从而丰富和发展了多源信息融合理论。     

考虑硬故障与软故障的船用设备传感器可靠性评估

船用设备传感器是感知船用设备运行状态数据的重要装置,其可靠性对船用设备的健康评估和视情维修有重要影响。由于传感器故障模式多样,且缺少有效的可靠性数据,难以开展其可靠性评估工作。文章通过分析船用设备传感器的故障模式及故障机理,建立了各故障模式的故障模型和传感器的可靠性模型,给出了可靠性模型的参数估计方法,并通过融合现场数据和退化数据的方法补充可靠性数据,提升了可靠性评估方法的精度。最后,通过实例验证了可靠性评估方法的有效性。     

一种改进的Kalman滤波在野值点去除中的应用

在工程实践中,Kalman滤波采用了递归滤波的方法和线性无偏最小方差准则,因而在理论上是一种最优估计,并因为这一良好的数学性质得到了广泛的应用。但是在实际测量中,在野值的影响下,Kalman滤波新息的特性遭到破坏,滤波不再准确甚至发散。针对此一现象,提出了基于＂新息＂序列和对新息序列进行Kalman预测的方法对测量数据进行处理的新算法。该算法利用＂新息＂序列进行野值点判别,利用Kalman预测的方法对野值点处的＂新息＂进行预测修复。仿真证明,该算法可使状态估计、野值点判别和野值点修复同时进行,并能很好地抑制滤波的发散。     

基于UKF联邦滤波的动力定位船舶运动状态估计

针对动力定位船舶,采用基于无迹卡尔曼滤波(UKF)的联邦滤波技术,利用多种位置参考系统和电罗经的测量值来实现对船舶运动状态的估计。从传感器测量原理出发,采用非线性的测量方程,实现对多种位置参考系统传感器特征的描述,利用UKF滤波方法和联邦滤波结构将动力定位船舶配备的多个冗余位置参考系统的测量数据进行有效融合,从而提高对船舶运动状态估计的精度和可靠性。仿真结果表明,采用基于UKF的联邦滤波方法可以有效实现对动力定位船舶相关运动状态的估计。