智能传感器系统多传感器信息融合技术演示课件.ppt

传感器信息融合的实例 1. 信息融合的民事应用领域 1）工业过程监视及工业机器人 2）遥感与金融系统 3）空中交通管制与病人照顾系统 4）船舶避碰与交通管制系统 5）生物特征的身份识别 2. 信息融合技术军事上的应用 1）采用多传感器的自主式武器系统和自备式运载器 情报收集系统 2）采用多传感器进行截获、跟踪和指挥制导的火控系统 3）军事力量的指挥和控制站 4）敌情指示和预警系统 好好的 传感器信息融合的实例 1.机器人中的传感器信息融合 控制和信 息融合计 算机 自主移动装配机器人 装配机械手 力觉传感器 触觉传感器 视觉传感器 超声波传感器 激光测距传感器 多传感器信息融合自主移动装配机器人 好好的 2.舰船上的传感器信息融合 行扫描 处理器 红外探测器 直流偏 压AGC 搜索器万向支架 惯性导 航系统 图像摄像机万向支架 图像 处理 共享 存储器 数据融合 处理器 环境控制 显示 记录 人机 界面 图像摄像机 传感器 海军舰船传感器信息融合系统 好好的 1、最小二乘法 误差方程： 最小二乘法与回归分析 好好的 好好的 回归分析：应用数理统计的方法，对实验数据进行分析和处理，从而得出反映变量间相互关系的经验公式，也称回归方程。 线性回归方程（经验公式）的一般形式为： 一元线性回归方程： 一元线性拟合 好好的 Example X:15.0 30.0 40.0 Y:75.0 80.0 82.0 用一元线性回归建立x与y的关系。 好好的 多元线性拟合 好好的 1、定义 ：分析若干个预测变量和一个主要变量间的关系 。 2、多元回归分析原理 　　回归分析是一种处理变量的统计相关关系的一种数理统计方法。 其基本思想： 虽然自变量和因变量之间没有严格的、确定性的函数关系，但可以设法找出最能代表它们之间关系的数学表达形式。 多元回归分析法 好好的 回归分析主要解决以下几个方面的问题： 　　(1) 确定几个特定的变量之间是否存在相关关系, 如果存在的话， 找出它们之间合适的数学表达式； 　　(2) 根据一个或几个变量的值，预测或控制另一个变量的取值，并且可以知道这种预测或控制能达到什么样的精确度； 　　(3) 进行因素分析。例如在对于共同影响一个变量的许多变量(因素)之间， 找出哪些是重要因素，哪些是次要因素，这些因素之间又有什么关系等等。 好好的 应用 　　回归分析有很广泛的应用， 例如实验数据的一般处理， 经验公式的求得，因素分析，产品质量的控制，气象及地震预报，自动控制中数学模型的制定等等。 　　多元回归分析是研究多个变量之间关系的回归分析方法，按因变量和自变量的数量对应关系可划分为一个因变量对多个自变量的回归分析(简称为“一对多”回归分析)及多个因变量对多个自变量的回归分析(简称为“多对多”回归分析), 按回归模型类型可划分为线性回归分析和非线性回归分析。 好好的 二元回归分析法 1、 曲面拟合法基本原理 已知压力传感器输出是电压U，且存在温度灵敏度。 因此只对压力传感器进行一维标定实验，并由获得输入(压力P)—输出(电压U)特性曲线来求取被测压力值会有较大误差。 因为被测量P不是输出值U的一元函数。现在另由一温度传感器输出电压Ut代表温度信息t，则压力参量P可以用U及Ut二元函数来表示才较完备，即 好好的 同理，我们也可以将压力传感器输出电压U描述为压力参数P和温度传感器输出Ut的二元函数， 即 由二维坐标(UPi, Uti)决定的Pi在一平面上，可利用二次曲面拟合方程，即二维回归方程来描述如下： 同样， 其中：α0~α5、α0′~α5′——常系数 ε1, ε2——高阶无穷小。 好好的 1. 实验标定 在压力传感器的量程范围内确定n个压力标定点， 在工作温度范围内确定m个温度标定点，于是由压力P与温度t标准值发生器产生在各个标定点的标准输入值为 Pi: P1，P2，P3，…， Pn Tj: T1, T2, T3, …, Tm 好好的 图 5-12压力传感器输入-输出特性 (a) 压力传感器P-U； (b) 温度传感器T-UT 好好的 二次曲面拟合方程待定常数的确定 第k个标定点的值与计算值之间的方差为 k=1, 2, …, m×n 总计有m×n个标定点，其均方误差R1应最小 均方误差Rl是常系数α0~α5的函数。根据多元函数求极值条件， 令下列各偏导数为零，即 好好的 好好的 则可得如下6个方程： 好好的 式中： l=m×n。  整理后得 好好的 式中： ——标定点的总数； ——压力传感器在标定点输出值Uk之和；