针对电力线巡检中的安全距离问题,提出了基于数据融合的电力巡线无人机安全距离确认的算法,将数据应用到无人机安全距离确认过程,以提升其安全距离确认效率。考虑到无人机机载嵌入板的算力冗余,该算法使用7层神经网络模块进行数据融合,在传统逻辑算法的基础上融入了基于机器学习的人工智能功能,提升了无人机避障能力。仿真结果表明,该算法较大程度缩小了传统算法下无人机安全距离保护区的范围,使无人机安全距离平均缩小3.5 m,缩小比例为9.8%,为无人机作业空间提供了一定数据支持。

牵引供电安全监测数据中存在较多冗余数据,导致高速电气化铁路牵引供电安全智能监测效果较差。为此设计一种基于数据融合的高速电气化铁路牵引供电安全智能监测方法。首先,在数据监测过程中,对数据进行压缩处理。然后,根据设备的状态分类建立相应的监测指标,以评估牵引供电系统的可靠性和安全性。最后,采用D-S证据推理的数据融合方法,结合多个信任函数构建分配框架,实现了对监测数据的融合。实验结果表明,该方法在故障供电牵引网不可用时长监测、平均连续可用时长监测上都具有较高的监测准确性,且在铁路牵引供电安全在线监测上花费的时间较少,监测精度较高,有效提高了监测效果。

结构动载荷识别、参数识别都属于结构动力学领域的热点研究方向,目前已有一些研究致力于两者的联合识别,比如作者提出的EGDF算法。不过该算法与其他基于最小二乘法的连续识别方法一样,当仅用加速度信号作为反演的响应时,存在严重的载荷和位移识别信号的虚假低频漂移现象,其原因是加速度信号对于输入载荷的准静态分量不灵敏。考虑到应变信号包含有结构本征的低频振动特性,这里基于应变和加速度测量信号的融合策略,并应用模态缩减法拓展了原始EGDF算法。以平面桁架结构为数值仿真对象,验证了这里算法的有效性。

为了克服传统利用坐底自容式和水面船走航式ADCP测量水流方法的不足,研制了一套携带两台不同频ADCP的水流观测UUV系统。并针对UUV携带ADCP在水下测量水流时不能够实时接收到GPS信号,从而导致水流信息因缺失地理位置信息而变得不够准确和全面的问题,提出了一种UUV位置信息和水流数据融合的方法。首先采用多项式拟合和基于小波分解与重构方法对各数据源进行滤波处理,使水流数据的可信度提高;然后采用时间配准方式将舰位推算算法得到的UUV经纬度位置信息与观测的水流数据融合,得到了在大地坐标系下完整、准确的水流流场信息。此外,为了模拟出直观、形象的水流信息,采用插值与逼近相结合的方法实现了对水流流场的可视化表达。

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。

不同类型的缺陷对不同类型、位置和姿态的超声波换能器的敏感程度不同，数据融合技术可充分利用各种数据的有效特征，提高缺陷识别的可靠度。描述了局部决策和数据融合技术的基本理论，提出了基于后验概率的数据融合方法，以大型棒材锻件缺陷识别为例，通过感知器算法实现了典型缺陷的局部决策自动识别，并通过基于后验概率的数据融合技术提高整体决策的可靠度。

在现代靶场测量系统中,将不同测量设备测量数据进行融合处理以提高系统的综合测量水平和设备的使用效率.利用部署在光电经纬仪附近的雷达,建立雷达-光电经纬仪联合定位模型,将测角信息和部署在其附近雷达的测距信息进行数据融合,可以得到目标相对于经纬仪的距离,从而确定目标的空间三维位置;分析了定位模型的主要误差来源和典型情况下的误差情况.其结果表明,在典型情况下雷达经纬仪联合定位模型距离定位误差与雷达测距误差基本相当.

介绍了基于ARM9多传感器数据融合火灾报警系统的设计方案，该系统主要由传感器模块、A／D转换模块、$3C2440控制模块、报警模块、执行模块组成。对火灾的判断主要采用模糊推理的数据融合算法，火灾数据的处理和算法的实现都由控制器来完成。运行结果显示，该方法可以提高系统的准确度和可靠性。

传感器优化布置是结构健康监测研究的重要内容，传感器数量和位置的选择直接关系到模态参数识别的效果及模型修正的结果等。为了达到布置在结构上的有限传感器能够测量并得到用于模态参数识别的最佳信息的目标，提出了基于数据融合的传感器优化布置方法。该方法以距离测度作为数据融合的融合度，首先通过对距离测度矩阵、支持度矩阵的计算，得到待选测点的综合支持度；其次，根据待选测点的综合支持度大小来确定传感器优化布置的位置；最后，以网架结构的传感器优化布置为例，运用峰值法进行自振频率识别，通过已选测点与未选测点识别效果的对比，验证了该方法的有效性。

将D—S证据理论应用于多传感器数据融合，提出了多传感器数据融合一般化方法，并将其应用于液压泵故障诊断。通过数据融合诊断结果与单传感器诊断结果的比较，证明多传感器数据融合能明显提高故障诊断的准确率。