肖斌[1]2008年在《多传感器信息融合及其在工业中的应用》文中研究指明本文以太原某自动化技术有限公司的研究课题“基于多传感器信息融合技术的钢球磨煤机料位检测和控制系统”为背景撰写而成。多传感器信息融合技术是刚刚发展起来的一个新的研究方向,虽然对它的研究还不太普及和完善,但它在军事、航空航天、工业控制、遥感遥测、医疗、工业机器人等领域已经取得了许多成功的应用。论文在研究了多传感器信息融合技术的基础理论并综合了许多应用实例的基础上,进一步验证了多传感器信息融合技术应用在工业控制领域中的可行性,给出了行之有效的系统设计和评价方法。钢球磨煤机是火力发电厂的重要设备,也是能耗最高的设备之一。目前对钢球磨煤机料位的检测和控制大部分没有实现自动化,基本凭操作人员的经验进行手动操作,导致钢球磨煤机的工作效率低下,能耗较高,自动化程度低,同时也增加了工人的工作量。由于钢球磨煤机空载和满负荷运行时电耗相差不大,因此,降低钢球磨煤机能耗的关键在于增加磨煤机的出力,提高其工作效率,这就需要将钢球磨煤机磨内的存煤量控制在合适的水平上,让钢球磨煤机始终工作在最佳工况下。为实现这个目标就需要对钢球磨煤机中的料位进行实时检测,将检测结果作为反馈量,对磨煤机磨内料位进行控制。论文首先研究了钢球磨煤机的运行特性,了解了现阶段对钢球磨煤机料位检测和控制的现状,比较了常用的料位检测及控制方法的优缺点,通过多方论证,将多传感器信息融合技术应用到钢球磨煤机料位检测、控制中。系统采用TI公司的TMS320VC5502 DSP芯片构建了融合硬件平台,设计了融合硬件平台的各部分电路,绘制了PCB板,完成了融合硬件平台的调试。系统将音频传感器采集的信号、出入口差压、入口负压信息作为融合参量,选择了合适的融合算法,完成了相应软件的设计,并进行了BP神经网络法和模糊集理论法的融合仿真。系统根据实际需要,设计了给煤机控制器,进行了操作界面组态,在此基础上完成了系统的总体硬、软件调试,建立了采用多传感器信息融合技术的钢球磨煤机料位检测和控制系统,目前,实验室阶段的调试已全部完成,正在进行现场安装及调试。通过实验室实验和现场初步调试结果可以看出,采用多传感器信息融合技术的钢球磨煤机料位检测和控制系统工作稳定,性能可靠,能实现对钢球磨煤机料位检测和控制的设计要求,并能将其工作状态始终控制在较为高效的工况下,提高了磨煤机的出力,降低了磨煤机功耗,实现了料位检测、控制的自动化。
袁燎原[2]2015年在《飞行控制系统传感器信息融合与容错方法研究》文中认为可靠性与安全性是飞机设计需要考虑的关键因素。当前电传操纵技术和主动控制方法的发展与应用,在大幅提升飞机操纵性、机动性的同时,也增加了飞行控制系统的复杂程度,给系统的可靠性与安全性带来了挑战。高精度、高可靠性的容错传感器子系统是保证飞行控制系统正常工作的基础。先进信息融合技术与容错方法的应用,能够取代典型管理方法——基于余度技术的表决监测,满足更高的性能指标要求。在传感器正常工作时,信息融合技术能够综合先验信息、量测信息等多种信息来源,提高传感器信号精度;在传感器发生故障时,故障诊断方法能够及时对故障源进行检测与隔离,减小故障传播对飞行安全造成的危害,信号重构方法则基于飞行状态量之间的数学关系,计算解析信号从而维持飞行控制任务的执行。因此,围绕飞行控制系统传感器的信息融合与容错方法的研究,对于保证系统的可靠性与安全性具有重要意义。本文以飞行控制系统传感器为研究对象,确定了容错飞行控制系统传感器信息融合的整体框架,对传感器元件的故障诊断方法、基于信号重构的俯仰角速度传感器容错设计、基于方差变化检测的传感器组件加权融合方法、基于自适应非线性滤波的子系统级融合以及混合余度系统的可靠性建模分析方法进行了研究。论文的主要工作和创新点如下:(1)根据飞行控制系统传感器的组成和配置特性,设计了包括元件级、组件级和子系统级三层融合层级的信息融合方案。每一融合层级均能利用互补和冗余信息,提高传感器信号精度,增强飞行控制系统的容错能力。(2)研究了余度传感器元件的故障诊断方法。在平均奇偶向量法(Average Parity Vector,APV)的基础上,采用模型群切换(Model Group Switching,MGS)算法对奇偶向量进行补偿,提出了一种MGS-APV故障检测隔离方法。MGS-APV方法根据元件组的工作模式,对模型群进行了覆盖定义;并且设计了模型群激活和终止逻辑,实现模型集合的在线调整,有效地减小了传感器误差对于决策函数的影响。通过典型传感器元件组在稳态飞行与机动飞行下的仿真,并与典型方法进行对比,验证了MGS-APV算法能够快速实现幅值较小故障的检测隔离,同时每一解算周期运行的滤波器数量较少,运算量较小。(3)俯仰角速度传感器是保证飞行安全的关键元件。为提高元件组的容错能力与可靠性,提出了包括解析信号辅助故障诊断和容错控制功能的容错设计方案。根据两种功能对于解析信号的不同要求,分别设计了对应的信号重构方法。容错控制对信号实时性要求较高,信号重构方法采用跟踪微分器法。而针对故障诊断功能对解析信号的高精度要求,提出了一种基于模糊“当前”统计模型的信号重构方法。为提高模糊模型与实际运动模式的匹配精度,提出了一种基于杂草入侵机制的变长染色体遗传算法,对模糊模型的规则和参数进行了同时优化。解析信号辅助故障诊断功能则通过对移动数据窗法的改进实现。典型算例的测试验证了改进优化算法收敛性与精度的提升。典型飞行状态下的仿真验证了信号重构、容错控制以及故障诊断方法的有效性。(4)针对传感器测量噪声变化导致加权数据融合精度下降的问题,提出一种改进加权融合算法。加权融合算法包括方差估计和假设检验两个环节。首先,采用自适应移动数据窗实现方差估计,窗口长度由多元假设检验的结果决定。然后,假设检验环节则应用信号分段处理方法与中心极限定理,使得检验统计量满足正态分布,简化了后续计算与理论推导;并根据马尔可夫状态转移理论和最大后验概率准则,实现噪声方差变化的快速检测。最后通过与典型算法的仿真对比,验证所提算法克服了典型方法的局限性,能够保证加权数据融合以及方差估计具有更高精度。(5)为解决大气数据传感器测量精度低、失效率高的问题,提出一种自适应中心差分卡尔曼滤波(ACDKF)算法。ACDKF方法在传感器正常工作时,基于飞机运动学方程和精确的惯性信号,有效提高大气数据精度;在传感器发生故障时,通过新息序列分布变化的假设检验以及多重渐消因子的引入,对滤波增益矩阵进行自适应调整,实现了故障传感器的检测与隔离。通过单一传感器故障与多数传感器故障设置下的仿真,并与CDKF和表决监测方法进行对比,验证了ACDKF方法的有效性和优越性。(6)针对信息融合与容错方法引入的时序故障与复杂管理逻辑,从可靠性的角度对混合余度传感器系统进行建模分析。首先,分别对系统的故障过程和诊断过程进行建模,集成建立半马尔可夫过程可靠性模型。然后,通过代数模型与补充变量法的结合,提出了一种定量分析方法,采用代数模型法将系统模型简化为故障模式的逻辑和,应用补充变量法求解化简后的半马尔可夫过程。接着,基于事件的分布函数推导了时序故障概率计算公式,用于求解各故障模式的定量概率。最后,通过算例分析以及与典型方法的比较,体现了模型的通用性以及定量分析方法的准确与简便,并在建模与定量概率计算研究的基础之上,对故障容错设计对于系统可靠性的影响进行了分析。
刘涛[3]2013年在《信息融合算法及其应用研究》文中指出随着无线传感网的日益广泛应用和物联网的产生与应用，信息融合技术已经逐渐融入到社会生活当中，给人们生活带来了前所未有的便利。随着传感器数据来源越来越复杂，如何全面、快速、准确的获取信息已成为研究热点，因此对信息融合方法的研究具有重要意义。本文以多传感器的监测数据作为研究对象，从监测数据的时间和空间冗余性出发，利用流数据模型构建了基于时间维的数据级信息融合模型和基于空间维的特征级信息融合模型，提出了对应的信息融合方法，并将之应用于森林火灾监测系统中。具体研究内容如下：为了更好的利用监测数据上下文的情景信息，提出了基于滑动窗口的信息融合模型，其基本思想是利用窗口内连续数据序列的上下文情景信息，对属性在窗口内的变化进行估计，并利用这种估计来表述属性的变化；同时利用同一属性不同窗口以及不同属性相同窗口的数据序列之间存在的冗余信息，实现多传感器数据的关联和融合。针对数据级的信息融合，提出了基于时间维的数据级信息融合算法--DIFAT算法(Data-Level Information Fusion Algorithm based on Time-Dimension)，利用被监测对象自身存在的变化规律，对窗口内数据序列进行时域和频域分析，建立被监测对象关于时间变化的模型，并通过最优化方法给出被监测对象规律的最优估计。利用Matlab仿真工具，对该算法的有效性进行了验证，结果表明该算法能有效地去除部分噪声，减少感知数据的不确定性，得到相对可靠的对属性变化特性的估计。针对特征级的信息融合，既考虑了同一属性不同传感器数据的融合，也考虑了不同属性不同传感器的数据融合，提出了基于空间维的特征级信息融合算法--FIFAS算法(Feature-LevelInformation Fusion Algorithm based on Spatial-Dimension)，通过数据关联、神经网络等方法确定被监测属性之间的映射关系，并利用这种关系进行信息融合，确定被监测属性的状态。利用Matlab仿真工具，对该算法的有效性进行了验证，结果表明该算法能很好的描述属性的真实情况，对属性的原始的数据频域分布能做出合理的估计。为了进一步验证所提出的算法的实用性，设计了各算法在森林火灾监测系统中的应用架构，运用DIFAT算法和FIFAS算法给出森林火灾的预警等级。
胡晓瑞[4]2012年在《基于BP神经网络的雷达与AIS目标信息融合处理研究》文中认为目前，随着信息科学和计算机技术的快速发展，多传感器信息融合处理技术发展较快，在军事领域尤为明显。而在海上交通方面，雷达与AIS（船舶自动识别系统）是获取海上船舶信息的两种重要传感器，这两种传感器获取的信息内容和精度均不同，且各有优缺点，具有一定的互补性。所以对雷达与AIS目标信息融合进行研究就显得很有必要并具有一定的实际意义。本文在介绍多传感器信息融合技术和神经网络理论与应用，尤其是神经网络中的BP算法的基础上，提出了基于这些理论的雷达与AIS目标信息融合的框架模型和基本思路。接着，针对雷达与AIS目标信息融合中的核心内容，即目标关联问题，提出了基于BP神经网络的目标关联算法。并对算法中涉及到的网络结构设计中各个重要组成部分进行了详细讨论。在利用该算法判断和确定了关联目标后，再次利用BP神经网络模型提出了雷达与AIS目标信息的合并模型，并简要介绍了模型的设计。最后，利用Matlab和Excel等工具，对本文提出的雷达与AIS目标关联算法和信息融合模型进行了大量的仿真和分析，并在目标关联阶段利用实测数据进行了验证。对基于BP神经网络的雷达与AIS目标信息合并和普通加权统计合并方法进行了对比分析。仿真结果验证了该方法的可用性和有效性。
陈幼珍[5]2011年在《基于联邦滤波位置参考系统信息融合研究》文中提出动力定位(DP)船舶大多从事危险性较高的海洋工程作业，国际海事组织及各国船级社都要求DP船舶按照等级配备多种位置参考系统，因此如何有效利用各种测量信息提高DP系统的安全性和作业性能成为一个亟待解决的问题。信息融合技术正是一种对多传感器信息进行优化组合的有效方法，本文针对动力定位船舶位置参考系统采用基于联邦滤波思想利用无迹卡尔曼滤波(UKF)技术实现了多传感器信息融合。该方法能克服使用单个位置参考系统存在的局限性，有效的将动力定位船舶配备的多个冗余位置参考系统测量数据进行有效融合；同时利用UKF滤波方法解决了传统EKF方法在处理非线性系统滤波估计时存在的线性化误差较大的问题。此外，文中所采用的联邦滤波结构在实现多种位置参考系统信息融合的同时可以进一步提高整个多传感器位置参考系统的容错和故障恢复能力。动力定位船舶所配备的多冗余位置参考系统是典型的多传感器系统，而且各种测量系统均存在高度的非线性特性。传统的多传感器信息融合方法，大多采用传感器测量值的噪声协方差特性来对传感器特性进行描述并用于相应融合方法的研究中。与传统方法不同，本文尝试从测量原理出发采用非线性测量方程实现对各种位置参考系统传感器特性的描述，并利用联邦滤波结构和UKF滤波方法实现相应的信息融合功能。联邦滤波结构主要由一个主滤波器和若干个子滤波器构成，是一种具有两级数据处理分布式滤波方法。本文针对动力定位船舶的位置参考系统(张紧索、水声和GPS)建立相应的非线性测量方程，将所建立的非线性测量方程结合非线性船舶运动方程，采用UKF方法设计实现了针对每个位置参考系统的子滤波器。而后根据子滤波器得到的状态变量及估计误差协方差矩阵等信息设计实现了具有信息融合功能的主滤波器。同时为了提高整个位置参考系统的容错和故障恢复能力，在无反馈联邦滤波结构的主滤波器前端引入故障检测功能，设计实现了具有故障检测及恢复功能的容错联邦滤波器。最后基于建立的仿真环境，对所设计的无反馈和有反馈两种结构的联邦滤波信息融合方法中的各部分功能模块进行了仿真验证。结果表明，利用所研究的基于UKF的联邦滤波信息融合方法能很好的实现位置参考系统数据处理及信息融合功能，针对传感器故障问题，通过引入的故障检测功能可以有效提高整个系统的容错功能。综上所述，采用基于UKF的容错联邦滤波方法可以有效实现动力定位船舶位置参考系统的信息融合功能，其为提高动力定位位置参考系统的安全性、可靠性及整体精度提供了有效途径。
王海静[6]2007年在《基于多传感器信息融合的码垛过程监控与故障诊断的研究》文中指出在自动化生产过程中,要用各种不同的传感器来监视或控制生产过程中的各个参数,使设备处于最佳工作状态,保证产品有最好的质量。但目前主要依靠内部传感器,例如各种位移、速度、压力等传感器,很少采用视觉等外部传感器。并且在对系统运行状态进行监控时,单一种传感器信息只能获得设备系统的部分信息段,反映设备系统运行状态的某一个侧面;并且如果传感器本身发生故障,系统并不能自行判断某个传感器失效并发出警报。为了全面地、综合地反映设备的真实运行状态并就故障给出相应的诊断信息,本文提出了将视觉和内部传感器信号感知信息融合监控诊断的方法,从而真实的反映设备运行状态,对设备故障做出科学、正确的分析与决策。对监控用内外传感器进行了选择和设置。重点对视觉跟踪中的采集信息进行了分析,采用点模式匹配的方法对目标进行跟踪,并设计了卡尔曼滤波器,对被跟踪目标的运动参数进行滤波预测,缩小了搜索区域,提高了系统的实时性和跟踪精度。分析了单独使用视觉或内部传感器进行系统监控的不足之处,在此基础上,针对码垛机器人的码垛过程、产品的安全性等要求,将多传感器信息融合技术应用到码垛系统中,并以信息融合技术的理论知识为基础,总结得到码垛系统的多传感器信息融合的基本原理图、所采用的结构形式以及信息融合故障检测方法。针对码垛机器人多传感器系统的特性和现场环境特点,总结出系统常见的故障类型,并采用模糊BP神经网络信息融合方法实现对码垛系统的故障监控和诊断。本文通过码垛系统的故障初始训练表形成了故障诊断理论样本,然后就码垛系统中的典型故障模式采用了模糊BP神经网络进行判断,仿真结果表明该方法是行之有效的。本文深入研究了基于多传感器信息融合的码垛过程故障监控与诊断的问题,当码垛过程发生故障时,该系统可以判断出故障原因并给出诊断结果,从而保证了系统运行的稳定性和可靠性。
胡松[7]2007年在《基于多传感器融合的室内移动机器人设计与研究》文中研究说明近年来,移动机器人的应用越来越广泛,对移动机器人的研究也随之越来越多,研究移动机器人的一个重要方向是实现自主导航和有效地避开障碍物。在对常用的多传感器数据融合算法做了概述的基础上,介绍了多传感器数据融合技术在国内外发展的概况以及在移动机器人中的应用情况。目前移动机器人领域中常用的多传感器信息融合方法有加权平均法、Kalman滤波、扩展Kalman滤波、Bayes估计、Dempster-Shaferi证据推理、模糊逻辑、神经网络等。以机器人的控制系统硬件开发为基础,详细阐述了系统主要的硬件结构设计,本文设计的机器人的结构采用轮式结构,其中两后轮作为驱动轮,前轮作为导向轮。驱动机器人行走的电机使用步进电机,电机的驱动采用步进电机专用芯片TA8435。机器人主要结构包括单片机系统、步进电机驱动系统、超声波测距传感器、红外接近传感器、碰撞开关传感器等。机器人采用超声波测距、红外接近传感器、碰撞开关三种传感器感知外部环境。红外接近传感器与超声波测距传感器相互补充,可以有效地获取机器人附近障碍物的距离信息,而碰撞开关传感器则可以获知超声波、红外无法探测到的障碍物信息。根据室内环境以及机器人的特点采用了一种简单、有效的算法将传感器获取的数据进行融合,单片机根据融合结果判断机器人所处的环境,做出相应的决策,实现障碍物的探测,从而使机器人在室内未知环境下导航、避障。本文提出了贴墙走和n形漫游方式两种导航策略满足机器人室内导航的要求,同时又根据障碍物的不同提出了不同的避障方式。本文开发设计了一个移动机器人实验的硬件平台,并从理论和实践两方面对多传感器数据融合技术在室内移动机器人上的应用进行了的探索和研究。
周华[8]2009年在《多传感器融合技术在移动机器人定位中的应用研究》文中研究说明多传感器信息融合技术是近年来十分热门的研究课题,信息融合技术结合了控制理论、信号处理、概率和统计学、人工智能等诸多学科的发展。多传感器信息融合技术综合了来自多个传感器的感知数据,产生更可靠、更准确或更精确的信息,经过融合的多传感器信息具有以下特性:信息的冗余性、信息的互补性、信息的实时性和信息的低成本性。信息融合为机器人在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径。本文以多传感器信息融合技术作为研究重点,结合它在机器人中的应用进行了理论和实践上的探讨。论文首先介绍了国内外信息融合技术和移动机器人的发展动态和趋势,单一的传感器提供信息已经无法满足现代移动机器人的需求,多传感器信息融合技术开始在机器人领域广泛应用。然后,对多传感器信息融合技术的基本原理、融合层次和融合方法进行了详细的分析,研究了现今机器人领域中多传感器信息融合的常用方法,目前移动机器人领域中常用的多传感器信息融合方法有加权平均法、Kalman滤波、Bayes估计、Dempster-Shaferi证据推理、模糊逻辑、神经网络等。论文重点分析了基于概率的移动机器人定位技术,基于对当今移动机器人卡尔曼滤波、马尔可夫和粒子滤波等常用概率定位方法的优点和缺陷分析。论文着重以卡尔曼滤波作为融合算法基础,设计了数据层和特征层的混合融合结构。并对卡尔曼滤波进行了初步的仿真论证,卡尔曼滤波在通常情况下能实现机器人的自定位,但需要严格的运动模型匹配,要求机器人是线性的运动模型,但是现实情况下,机器人是一个非线性系统,因此采用经典卡尔曼滤波解决机器人定位存在缺陷,由此采用扩展卡尔曼系统解决机器人的非线性问题。最后,引入RFID定位系统,详细分析了RFID定位算法和多传感器信息融合定位算法的优缺点,进行了仿真。结果表明,融合了里程计、电子罗盘、超声波和RFID的自定位算法可以减少传统RFID定位的误差更新问题。为了实现机器人在已知的结构环境中自主定位,以实验室自制机器人为平台在室内搭建试验环境并进行机器人实体实验。
李埃荣[9]2007年在《基于多传感器数据融合的驾驶状态监控研究》文中提出交通事故防治一直是交通安全工作的重点，随着经济的快速增长，在汽车拥有量不断增长的环境下，交通事故所造成的后果也随之更加严重。国内外专家在分析造成交通事故的原因时，比较一致的看法是，在“人”、“车”、“路”这三大原因中，人为因素是其中的最主要原因。为了保证汽车安全行驶，提高机动车安全性能，开发并完善针对驾驶员驾驶状态和机动车工况进行较为全面的智能监控和预警防范系统汽车的安全监测与控制系统迫在眉睫。而以往的事故防范系统的研究只局限于将传感器的信息送给独立的处理系统，20世纪90年代，当信息处理技术从单个传感器处理变为多个传感器处理时，传感器信息融合技术成为传感器技术发展的一个方面，多传感器信息融合技术成为近年来研究的热点。本文从多传感器信息融合技术理论出发，采集反映驾驶状态的是否疲劳驾驶、方向盘转角大小、紧张程度、车速度四类信息。能准确有效地通过多传感器融合信号对驾驶员的驾驶状态做出实施监控，在司机处于紧张状态或疲劳驾驶情况下，对驾驶员做出提示、警告，必要时实施限速制动。本文是笔者导师2006年申请的山西省科技产业化环境建设计划项目《机动车驾驶状态智能监控装置》的子模块，同时也是笔者的国家发明专利“疲劳驾驶状态监控装置及方法”(ZL：200610012623.6)在硬件方面的改进本文首先从国内外有关汽车主动安全及被动安全方面研究入手，并比较和借鉴国内外各种先进及有效的安全防范措施，将多传感器信息融合技术应用到驾驶员状态监控中。并深入细致地对多传感器信息融合技术进行研究，结合多传感器信息融合在不同层次，不同级别的融合方法，将证据理论应用到驾驶员状态监控的信息融合决策中。分析汽车电子电源的特点及车载电子产品的选用原则，针对系统选用传感器特性，设计了系统采用的电源模块。深入研究CCD传感器的工作原理，并比较CCD传感器和CMOS传感器的优缺点，最后选用NEC公司线阵CCD图像传感器用于驾驶员是否疲劳的监测；深入研究加速度传感器的工作原理，并比较各种不同类型的加速度传感器，最后选用上海朗尚科贸有限公司LAM-TD-360单轴传感器用于方向盘转角的监测；深入研究压电式传感器的工作原理和人体脉搏的微弱型号的特点，最后选用合肥华科电子技术研究所HK-2000系列的HK-2000A集成化脉搏传感器用于驾驶员紧张状态监测；深入研究了霍尔式轮速传感器以及自动防抱死制动系统的工作原理，对各种车用转速测量霍尔元件进行了技术分析和实验研究，选用的了Micronus公司的320A霍尔式轮速传感器，并进行了试验研究。将多传感器信息融合方法的证据理论应用到驾驶员状态监控的多传感器信息融合实例中来，并通过MATLAB计算证明其在该监控系统的有效性。
祝宏, 曾祥进[10]2007年在《多传感器信息融合研究综述》文中提出介绍信息融合技术发展历史与研究现状,给出多传感器系统的特点和结构,详细描述信息融合研究的热点和研究方法,最后给出应用和研究展望。
参考文献：
[1]. 多传感器信息融合及其在工业中的应用[D]. 肖斌. 太原理工大学. 2008
[2]. 飞行控制系统传感器信息融合与容错方法研究[D]. 袁燎原. 西北工业大学. 2015
[3]. 信息融合算法及其应用研究[D]. 刘涛. 南京邮电大学. 2013
[4]. 基于BP神经网络的雷达与AIS目标信息融合处理研究[D]. 胡晓瑞. 集美大学. 2012
[5]. 基于联邦滤波位置参考系统信息融合研究[D]. 陈幼珍. 哈尔滨工程大学. 2011
[6]. 基于多传感器信息融合的码垛过程监控与故障诊断的研究[D]. 王海静. 河北工业大学. 2007
[7]. 基于多传感器融合的室内移动机器人设计与研究[D]. 胡松. 大庆石油学院. 2007
[8]. 多传感器融合技术在移动机器人定位中的应用研究[D]. 周华. 武汉理工大学. 2009
[9]. 基于多传感器数据融合的驾驶状态监控研究[D]. 李埃荣. 太原理工大学. 2007
[10]. 多传感器信息融合研究综述[J]. 祝宏, 曾祥进. 计算机与数字工程. 2007
标签：自动化技术论文; 信息融合论文; 机器人论文; 数据融合技术论文; 移动机器人论文; 传感器技术论文; 机器人传感器论文; 仿真软件论文; 数字滤波论文; 容错机制论文; 数据滤波论文; 卡尔曼滤波论文; 功能分析论文; 磨煤机论文; 钢球论文;