数字孪生车间是智能制造背景下车间全息监控、精准分析、实时决策的有效手段。而实时高效的异构数据采集和融合,以及虚实车间的交互连接是驱动数字孪生车间运转的核心。为此,依托制造物联网和OPC UA通信技术,建立了数字孪生车间实时数据采集框架。采用分层融合的策略,去除原始数据中的信息冗余,匹配产生中间事件和生产过程数据,同时基于空间尺度构建实时数据空间对象模型。另外针对提高数据传输实时性的目的,按照信息分类—自适应压缩—节点合并的路线,缩减OPC UA信息模型节点数目和节点容量,设计了面向数字孪生车间的OPC UA信息建模方案。最后,以某航天结构件生产线为案例,为数字孪生车间开发了实时数据采集系统,并验证了此方案的可行性。

目的检测细铜棒内部缺陷. 方法采用组合超声检测法, 结合多探头数据融合技术. 结果实现了细铜棒内部缺陷的定性、定量自动检测. 结论利用组合超声法和数据融合技术可以提高细铜棒的检测精度.

在车牌字符识别中，针对单一识别方法识别率不高的问题，提出了应用数据融合技术，将不同的识别方法有机地结合起来构成融合型识别系统，有效地、综合地提高整个系统的识别性能。数据层选择了加权平均算法，特征层选择了人工神经网络算法，决策层采用了模糊推理算法实现对车牌字符的最终识别。应用MATLAB进行了仿真，并与单独使用BP神经网络算法的识别率进行了比较，结果证明采用数据融合技术系统的识别率得到了较大提高，达到90％以上。

针对飞行器气动力多源数据融合、飞行试验气动辨识问题,提出了一种基于Chebyshev-Taylor-Fourier混合级数模型函数、不确定度平衡权函数和加权最小二乘原理的多源数据融合和辨识方法.该方法采用二元Chebyshev级数、Taylor级数和Fourier级数技术建立飞行器气动模型函数,采用权函数技术平衡各数据源间的不同精度和不确定度,采用最小二乘法原理确定超定方程组解,从而获得Chebyshev-Taylor-Fourier混合级数模型函数的各项参数值,最终确定多源数据融合的飞行器气动力(力矩)系数模型函数数学表达式.典型的应用实例表明该方法高效实用、精度可靠,工程应用前景良好.

飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式。受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖。为弥补各种数据的“缺陷”,提出并实现了两种数据融合算法一种是依据不确定度作为权值参考,进行加权融合的加权融合算法,利用高斯过程回归算法获得不同来源气动数据预测值的特征,并进行加权融合;另一种是基于模型的CoKriging融合算法,利用CoKriging算法直接建立融合模型。并以某型飞行器气动数据为例进行了对比分析。结果表明使用单一精度数据建模时,在一定的范围内,样本数据越多,覆盖的设计变量空间越广,精度越高;与单独使用一种精度数据的建模算法相比,两种融合算法预测结果的精度都有较大的提高;相比于基于不确定度的融合算法,使用CoKriging算法建模得到的结果精度更高,提高了...

为了解决用单一(振动,压力,温度)传感器对液压泵故障诊断时效率低的问题,在PSO-BP诊断层的基础上,利用D-S证据理论对多传感器信号进行融合处理,建立了一种基于PSO-BP诊断层与D-S决策层融合的液压泵故障诊断模型,并针对液压泵正常状态以及五中典型故障(漏油,柱塞磨损,配流盘磨损,松靴磨损,轴承磨损)开展测试分析。研究结果表明:利用本故障诊断模型能够更准确判断柱塞磨损程度与松靴磨损状态,柱塞磨损诊断效率为98.6%,松靴磨损诊断效率为98.4%,单一传感器诊断精度没有超多90%,通过D-S决策层把数据融合后精度都在98%以上,证明了PSO-BP诊断层与D-S决策层融合模型的可行性。本研究具有很高的液压泵故障诊断效率,尤其适用于一些微弱的故障信息,对提前侦测故障危险具有很好的价值。

针对当前传统液压支架跟机控制功能不足、定姿精度较低、响应速度慢等问题,设计了一种基于微控制单元(MCU)联合多传感器融合的液压支架跟机控制系统,通过多种传感器实时检测到的支架与采煤机之间的距离,采用数据融合的方法来确定液压支架支撑高度,并以所设计的电液控制器实现液压支架自主跟机控制。实验结果表明:跟机系统适应性良好,移架平均速度为5.97 s,系统响应速度较快,且在能够完成多种模式的液压支架控制,能够较好地满足实际需求。

针对移动机器人单传感器数据短时丢失、定位精度低、传感器频率异步等问题,采用激光雷达、IMU、轮式里程计获取定位信息,提出基于扩展卡尔曼滤波和互补融合的组合数据融合方法。先通过S-G滤波算法对初始定位数据进行预处理,利用扩展卡尔曼滤波融合算法实现IMU和轮式里程计传感器的定位数据融合,得到融合数据1;再利用互补融合算法将融合数据1和激光雷达进行融合得到融合定位数据2。其中融合数据1对激光雷达进行实时补正,解决频率异步的位移偏差,从而明显提高定位精度。最后采用Gazebo仿真平台,搭建移动机器人模型以及设置传感器的基本参数,验证算法的有效性和稳定性。实验结果表明:数据融合算法提高了非线性传感器的定位精度和稳定性,并且平均定位误差在8 cm内。

本文将多传感器数据融合技术引入电液伺服控制系统中，减小了广泛采用的模糊控制规则库的规模，降低了测量噪声的影响，提高了控制系统的可靠性。更多还原

运用数据融合的方法进行液压泵的故障诊断，建立了含有数据采集处理、神经网络局部诊断和D-S证据理论融合诊断3个模块的故障诊断系统，利用此诊断系统在CY14-1B柱塞泵上进行了模拟故障诊断试验，验证了该诊断系统的有效性。