机内测试系统虚警问题的数学模型分析

根据虚警产生的机理及机内测试(BIT)系统信息处理流程对虚警率建模．基于Bayes概率分析构建了传统BIT系统虚警率的分析模型．为降低虚警率，提出嵌入数据异常检测和恢复功能的BIT系统改进模型，并证明了该模型的有效性，对影响FAR的因素进行了系统分析．分析表明，影响虚警率的主要特性参数有诊断层的虚警率以及传感层的漏警率和故障率．     

压力传感器灵敏度特性的研究

针对应变片在圆平薄膜上的两种布置方式，导出了圆平薄膜压力传感器灵敏度的计算公式，分析了应变片布置方式和位置以及温度对灵敏度的影响，通过理论计算与实际测量的结果比较，指出了提高压力传感器灵敏度的有效途径，并且分析了应变片两种布置方式压力传感器灵敏度与温度的关系。     

一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题，提出了杂波环境下多传感器多目标跟踪的极大似然关联算法．算法中考虑了传感器对目标的漏检情况，在各个观测站传感器的观测数据不完备的情况下，建立了传感器测量与目标的可行关联分配模型，并综合采用了假点的后验概率比模型，提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度．理论分析和仿真实验结果表明，所提出的算法可实现杂波环境下对弱目标的持续跟踪，并且在确保航迹关联性能和较好跟踪效果的基础上，降低了算法的运算量．     

基于智能车辆的多传感器数据融合算法研究与分析综述

多传感器数据融合是20世纪80年代发展起来的一门新技术,将智能车辆中多个传感器采集的数据进行合成,并充分利用多感器数据间的冗余和互补特性,从而得出准确的环境信息用于地面车辆定位、车辆跟踪、车辆导航等。文章通过对现有的数据融合方法进行分类和归纳总结,对多传感器数据融合算法的研究和数据融合技术的应用情况进行阐述,为智能车辆多传感数据融合方面的研究提供参考。     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．     

小型固态航向姿态系统的设计与应用

随着科技的发展，航向测量系统日益小型化、智能化。小型HPR－1固态航向姿态系统就是在这种背景下研发出来的，以Honeywell公司的HMR3300数字罗盘为核心，内含单片机，外带手持显示控制器的航姿系统。该系统不仅可以完成对航向、倾斜、俯仰等航姿信号的实时采集，而且可以在进行误差补偿之后提供多路满足用户需求的数字量和模拟量的输出。该系统具有体积小、重量轻、精度高、可靠性高和使用灵活等特点，可以应用于无人机导航、车辆、轮船的航向测量等多个领域。     

基于多传感器信息融合的轨道交通列车轮径校正方法

多传感器信息融合是实现轨道交通列车高精度定位的发展趋势。针对列车车轮在运行过程中逐渐磨损导致轮径减小,从而影响轮轴速度传感器测速定位精度的问题,通过分析定位传感器的误差特性,采用轮轴速度传感器、加速度计和多普勒测速雷达构成列车组合定位系统,并结合卡尔曼滤波理论,提出一种基于卡尔曼滤波的轮径预测校正方法。该方法在各传感器工作正常时,通过多传感器信息滤波融合得到列车运动状态参数的最优估计,并完成轮径校正;在辅助传感器失效或故障时,通过过去和当前的传感器量测信息对未来一定时间内的列车运动状态做出定量的预测估计,进而完成轮径的预测与校正。仿真试验结果表明,本文所提出的方法能够达到较高的精度水平,提高了列车组合定位系统的可靠性和自主能力。     

做好修车设备传感器的计量管理工作

随着修车设备技术的发展,传感器计量管理工作越发重要。通过对现状调查,找出问题并分析原因,提出提高计量管理能力、修订完善计量管理制度、开展证后计量确认工作的具体措施。     

HX_D3B型机车主变压器过热故障分析

文章对HXD3B型机车运用中微机显示屏提示＂主变压器过热＂的问题进行分析,对故障原因进行分类汇总并给出判定方法,并提出对应的处理措施及改进建议,达到消除机车质量隐患,确保机车安全行运的目的。     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。