【优质】先进制造技术.docVIP

1.微机机电系统（MEMS） （1） （多传感器信息融合的结构和控制，具体方法，拓扑结构） (1)多传感器定量（传感数据的一致性检验，基于参数估计的信息融合算法）定性信息融合方法介绍（Bayes，模糊数据论，神经网络法）？粗糙集理论原理介绍，及在信息融合领域中的应用情况？ 多传感器信息融合是人类和其他生物系统中普遍存在的一种基本功能。人类本能地具有将身体上的各种功能器官所探测到的信息(景物、声音、气味和触觉等)与先验知识进行综合的能力，以便对他周围的环境和正在发生的事件作出估计。多传感器信息融合的基本原理就像人脑综合处理信息的过程一样，它充分地利用多个传感器资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则组合起来，产生对观测环境的一致性解释和描述。 信息融合的目标是基于各传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。它的最终目的是利用多个传感器共同或联合操作的优势，来提高整个传感器系统的有效性。 （2）青举例说明应用此技术的导航系统，介绍国内外最新的研究概况，列举相关的传感器类型，重点对其应用的信息融合算法进行介绍说明。 2 多传感器信息融合的几种方法，。 引入基础概率分配函数m(f)∈[0，1]，满足和，与之相对应的信任函数： 其中 (2.4.1) 当利用N个传感器检测环境M个特征时，每一个特征为F中的—个元素。第i个传感器在第k-1时刻所获得的包括k-1时刻前关于第j个特征的所有证据，用基础概率分配函数表示，其中i=1，2，…，m。第i个传感器在第k时刻所获得的关于第j个特征的新证据用基础概率分配函数表示。利用证据组合算法，可获得在k时刻关于第j个特征的第i个传感器和第i+1个传感器的联合证据。如此递推下去，可获得所有N个传感器在k时刻对j特征的信任函数，信任度最大的即为信息融合过程最终判定的环境特征。 D-S证据推理优点：算法确定后，无论是静态还是时变的动态证据组合，其具体的证据组合算法都有一共同的算法结构。其缺点：当对象或环境的识别特征数增加时，证据组合的计算量会以指数速度增长。 2.5 Bayes估计 这是融合静态环境中多传感器低层数据的一种常用方法，其信息描述为概率分布，适用于具有可加高斯噪声的不确定性信息。假定完成任务所需的有关环境的特征物用向量f表示，通过传感器获得的数据信息用向量d来表示，d和f都可看作是随机向量。信息融合的任务就是由数据d推导和估计环境f。假设p(f，d)为随机向量f和d的联合概率分布密度函数，则 (2.5.1) p(f|d)表示在已知d的条件下，f关于d的条件概率密度函数；p(d|f)表示在已知f 的条件下，d关于f的条件概率密度函数；p(d)和p(f)分别表示d和f的边缘分布密度函数。已知d时，要推断f，只须掌握p(f|d)即可，即 (2.5.2) 上式为概率论中的Bayes公式。 信息融合通过数据信息d做出对环境f的推断，即求解p(f|d)。由Bayes公式知，只须知道p(f|d)和p(f)即可。因为p(d)可看作是使p(f|d)?p(f)成为概率密度函数的归一化常数，p(d|f)是在已知客观环境变量f的情况下，传感器得到的d关于f的条件密度。当环境情况和传感器性能已知时，p(f|d)由决定环境和传感器原理的物理规律完全确定。p(f)可通过先验知识的获取和积累，逐步逼近得到。 4详细阐述模糊控制和人工神经网络控制原理，举例说明其在导航系统中的应用。 我们通常可以用“模糊计算”笼统地代表诸如模糊推理（FIS，Fuzzy Inference System）、模糊逻辑（Fuzzy Logic）、模糊系统等模糊应用领域中所用到的计算方法及理论。在这些系统中，广泛地应用了模糊集理论，并揉和了人工智能的其他手段，因此模糊计算也常常与人工智能相联系。由于模糊计算方法可以表现事物本身性质的内在不确定性，因此它可以模拟人脑认识客观世界的非精确、非线性的信息处理能力。亦此亦彼的模糊逻辑 模糊计算在应用上可是一点都不含糊，其应用范围非常广泛，它在家电产品中的应用已被人们所接受，例如，模糊洗衣机、模糊冰箱、模糊相机等。另外，在专家系统、智能控制等许多系统中，模糊计算也都大显身手。究其原因，就在于它的工作方式与人类的认知过程是极为相似的。在这里，笔者结合自己的研究实践，以一个建筑结构选型的专家系统为例，说明模糊推理系统是如何模仿领域专家的思维进行工作的，其中所用到的步骤、计算过程在其他模糊系统中也具有典型