多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用

多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用

ID:46524463

大?。?68.75 KB

頁數(shù):4頁

時間:2019-11-24

多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用_第1頁
多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用_第2頁
多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用_第3頁
多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用_第4頁
資源描述:

《多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫

1、2003年第22卷第9期          傳感器技術(shù)(JournalofTransducerTechnology)1綜述與評論多傳感器信息融合技術(shù)及其在機器人中的應(yīng)用121孫 華,陳俊風,吳 林(1.哈爾濱工業(yè)大學(xué)現(xiàn)代焊接生產(chǎn)技術(shù)國家重點實驗室,黑龍江哈爾濱150001;2.哈爾濱理工大學(xué),黑龍江哈爾濱150080)摘 要:多傳感器信息融合技術(shù)是近年發(fā)展起來的一門新興技術(shù),在機器人領(lǐng)域有著廣闊的應(yīng)用前景。通過融合多個傳感器提供的冗余、互補或更實時的信息,可以獲得系統(tǒng)所需的更準確和更精確的信息。主要論述了多傳感

2、器信息融合的一般方法,并對其在機器人領(lǐng)域的應(yīng)用進行了介紹。最后指出多傳感器信息融合技術(shù)在微傳感器、智能傳感器和自適應(yīng)融合等方面的發(fā)展方向。關(guān)鍵詞:多傳感器;信息融合;機器人中圖分類號:TP212文獻標識碼:A文章編號:1000-9787(2003)09-0001-04Multisensorinformationfusionanditsapplicationtotherobot121SUNHua,CHENJun2feng,WULin(1.TheStateKeyLabofAdvancedWeldingProduct

3、ionTechn,HarbinInstituteofTechnology,Harbin150001,China;2.HarbinUniversityofScienceandTechnology,Harbin150080,China)Abstract:Multisensorinformationfusionisanewtechniquedevelopedinrecentyears.Itiswidelyappliedtorobot.Theadvantagesgainedthroughtheuseofredundan

4、t,complementary,ormoretimelyinformationinasys2temcanprovidemorereliableandaccurateinformation.Themethodsofinformationfusionarediscussedanditsapplicationtotherobotisintroduced.Finally,futureresearchdirectionsofmultisensorfusiontechnologyincludingmicrosensors,

5、smartsensors,andadaptivefusiontechniquesarepresented.Keywords:multisensor;informationfusion;robot0引 言1多傳感器信息融合的一般方法多傳感器信息融合技術(shù)是近年來十分熱門的研信息融合的方法是多傳感器信息融合的最重要究課題,它結(jié)合了控制理論、信號處理、人工智能、概的部分,由于其應(yīng)用上的復(fù)雜性和多樣性,決定了信率和統(tǒng)計的發(fā)展,為機器人在各種復(fù)雜的、動態(tài)的、息融合的研究內(nèi)容極其豐富,涉及的基礎(chǔ)理論較多。不確定或未知的環(huán)境中

6、工作提供了一種技術(shù)解決途多傳感器信息融合算法可以分為以下四類:估計方法、分類方法、推理方法和人工智能方法,如圖1所徑。多傳感器信息融合是指綜合來自多個傳感器的示。其中分類方法主要有參數(shù)模板法和聚類分析。感知數(shù)據(jù),以產(chǎn)生更可靠、更準確或更精確的信息。無監(jiān)督或自組織學(xué)習算法諸如學(xué)習向量量化法經(jīng)過融合的多傳感器系統(tǒng)能完善地、精確地反映檢(learningvectorquantization,LVQ),K-均值聚類測對象特性,消除信息的不確定性,提高傳感器的可(K2meansclustering),Kohonen特性圖

7、(Kohonen靠性。經(jīng)過融合的多傳感器信息具有以下特性:信featuremap)也常用作多傳感器數(shù)據(jù)的分類。K-息的冗余性、信息的互補性、信息的實時性和信息的均值聚類算法是最常用的無監(jiān)督學(xué)習算法之一,而低成本性。自適應(yīng)K-均值方法的更新規(guī)則形成了Kohonen本文較為全面地介紹了多傳感器信息融合技術(shù)特性圖的基礎(chǔ)。此外自適應(yīng)共振理論(ART)、自適的方法及其在機器人領(lǐng)域的應(yīng)用,并給出了將來的應(yīng)共振理論映射(ARTMAP)和模糊自適應(yīng)共振理發(fā)展方向。論網(wǎng)絡(luò)(fuzzy2ARTnetwork)以自適應(yīng)的方法進行收稿

8、日期:2003-05-28?1995-2005TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.2                    傳感器技術(shù)                    第22卷傳感器融合。它們能夠自動調(diào)整權(quán)值并且能在環(huán)境模糊集表達了一個不確定概念,應(yīng)用模糊理論并結(jié)變化和輸入漂移的情況下保持穩(wěn)定。合其它手段,如神

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。