一、多传感信息融合与自动化（论文文献综述）
李鹏,周蜜,苏建华,胡晓华,鲁挺[1]（2022）在《基于多传感融合的电力施工信息融合监控系统设计》文中认为针对传统监控精准度低的问题,提出一种基于多传感融合的电力施工信息融合监控系统设计方法。采集控制子节点的监控传感器的参数,使用嵌入式实时操作系统,以统一的嵌入式网关来完成全部数据的处理工作,方便系统维护。使用由间歇振荡电路组成的自激开关稳压电源,将线圈输出电压传递给负载。计算服从正态分布的最大和最小值统计量,确定统计量临界,剔除电力施工信息误差,并设计监控流程。实验表明,该系统没有受到干扰数据的影响,最高监控精准度为0.99,具有良好的监控效果。
卜文锐[2]（2021）在《基于改进多视图投影的机器人姿态解码器设计研究》文中研究表明由于未考虑传感定位的影响,在机器人姿态解码过程中导致机器人姿态自动控制能力较低的问题,提出了基于改进多视图投影的机器人姿态解码器设计研究。以ARM嵌入式处理器为主控制器,在设计机器人姿态译码器总体结构的基础上,采用多通道联合控制的方法,通过多视投影机器人感知定位来识别其姿态参数,通过多维传感器的目标分布函数跟踪识别出融合参数,在改进的多视图投影下实现机器人姿态解码与自适应控制。实验结果表明,该机器人姿态译码装置具有良好的姿态参数识别能力和参数融合跟踪能力,能有效提高机器人的姿态自动控制性能。
谢厚抗[3]（2021）在《无人驾驶无轨胶轮车多传感信息融合与智能感知技术研究》文中认为
杨伟[4]（2021）在《基于信息融合技术的煤矿岩爆预测方法》文中研究指明
陈元香,冯建强[5]（2021）在《基于多传感器融合的健美操上肢运动轨迹感知识别研究》文中研究指明健美操动作标准程度影响健美操上肢运动轨迹感知识别准确性,为此提出基于多传感器融合的健美操上肢运动轨迹感知识别方法。利用多传感器采集健美操上肢运动轨迹数据并构建特征分析模型,将健美操上肢运动轨迹数据进行分类检测。利用健美操上肢运动轨迹数据的关联分布规则集进行自适应学习,通过多传感器融合方法,实现对健美操上肢运动轨迹感知和特征识别。仿真结果表明,研究方法的健美操上肢运动轨迹感知识别的精度较高,能耗较低,具有实用性。
何佑星[6]（2021）在《多传感器融合的家庭服务机器人导航系统的设计与实现》文中进行了进一步梳理机器人应用场景正在不断拓展,从最初的用于工业生产提高生产效率,到当下开始转向服务行业帮助人们创造美好生活。因为家庭服务的需要,家庭服务机器人独特优势越来越明显,但是至今还没有开始应用,是因为存在一定的实际问题。其中就包括家庭服务机器人面临未知复杂的家庭空间环境而无法实现自主导航问题,因此对其导航系统的研究显得十分重要和迫切。本文以项目小企鹅形的家庭服务机器人在家庭环境下导航问题为研究对象,针对未知复杂的家庭空间环境,尤其是在家庭空间环境中存在的障碍物不规则、随机分布且分布在不同空间层次、位置不确定的情况下,设计其自主导航系统并实现自主导航和主动避障功能。本文主要研究内容如下:1.根据家庭服务机器人的功能需求,设计多传感器融合的家庭服务机器人自主导航系统的方案,包括系统硬件部分的设计和在机器人操作系统平台软件开发。另外,设计接触式自动充电方式,以便家庭服务机器人在电量不足的时能够自动充电。2.采用激光雷达的同时定位与建图技术构建家庭环境栅格地图,通过研究粒子滤波算法提高定位精度,从而可以构建精确的地图。在路径规划中运用A*算法和动态窗口算法,能够实现在构建好的地图中搜索出从初始位置到目标位置最优可行的路径,在向目标位置行走过程中,遇到障碍物重新规划到达目标位置的局部路径。3.主要针对上述家庭空间环境中分布的障碍物,在向目标位置行走的过程中采用激光雷达、超声波传感器和深度摄像头等多传感器信息融合实时感知检测,为实现自主避障及局部路径规划奠定基础,也是本文的工作重点。4.结合研制的导航系统,按照系统运行流程进行编程实现导航系统功能。针对项目功能需求,对家庭服务机器人导航系统进行一系列的实验测试。经过不断调试与完善,最后通过实际的实验结果表明,家庭服务机器人在复杂未知的家庭空间环境可以实现无碰撞安全行走功能以及自动充电功能。
王昕煜[7]（2021）在《移动机器人多传感信息融合位姿估计与速度控制研究》文中研究指明近年来,随着科技的不断进步发展,移动机器人相关技术已逐步在人类实际生活与生产过程中发挥重要作用,相关行业领域对于移动机器人的性能需求也愈发迫切。自主位姿估计与运动控制作为移动机器人在未知环境中完成工作任务的技术基础,近些年来引起了国内外学者的广泛关注。针对移动机器人在复杂环境下的实际功能需求,本文利用单目视觉、IMU与轮式里程计实时传感信息,进行移动机器人多传感信息融合位姿估计与速度控制研究。首先,根据移动机器人下单目视觉、IMU与轮式里程计多源传感信息,进行了移动机器人多传感信息融合前端处理研究。在单目视觉传感信息处理研究中,利用LK光流法对不同视觉图像帧间Harris角点特征进行匹配,并通过反向光流追踪的方法保证视觉特征匹配精度,然后根据视觉特征光流信息完成视觉关键帧的选取,基于对极几何约束实现视觉关键帧间位姿估计。在IMU与轮式里程计传感信息处理研究中,分别根据相关传感信息实现移动机器人运动状态估计。在此基础上,对各传感器的运动观测尺度进行初始校准,为移动机器人多传感信息融合位姿估计过程提供多源传感器冗余运动观测信息。其次,依据非线性优化理论对移动机器人多传感信息融合位姿估计进行研究。通过对多传感信息非线性优化融合方法的研究,构建了含有单目视觉、IMU与轮式里程计相关信息的移动机器人运动观测滑动窗口模型,实现了多传感器冗余运动观测下的移动机器人运动观测残差最小二乘优化,最终通过多传感信息融合完成对移动机器人位置、姿态等运动状态信息的精准估计。然后,设计开发了一种基于上下位机控制结构的四轮差速移动机器人系统,并针对传统移动机器人速度控制方法实际性能较低的问题,提出了基于运动速度优化估计的移动机器人速度控制方法。根据多传感信息融合计算得到的轮式里程计速度测量偏差信息,实现移动机器人运动速度优化估计,并采用PID控制策略实现移动机器人速度控制,提升移动机器人在复杂环境下的速度控制性能。最后,根据移动机器人系统设计方案完成实验平台搭建,在此基础上分别进行移动机器人位姿估计实验与速度控制实验。相关实验结果表明,本文位姿估计方法在不同实验环境下具有较好的移动机器人位姿估计精度与稳健性;本文速度控制方法相较于传统速度控制方法,在移动机器人直线运动过程中具有较好的速度控制精度与环境适应力。
李道格[8]（2021）在《面向电力物联网的核心传感应用研究》文中研究表明随着社会经济的发展,以云计算、大数据、物联网为代表的新兴技术正逐渐应用于越来越多的领域,电网公司的信息化建设也进入新阶段,核心传感真正由支撑环节转变成了价值创造环节。与此同时,为响应国家“两化融合”战略,核心传感设备的应用作为电网公司下一个有可能的新增长点,可以加快对核心传感技术的研究,扩大核心传感设备的应用范围,有利于电网公司开展科技创新业务,掌握核心科技。随着国企改革进入深水区,加之“碳中和”目标提上日程,国际形势愈发多变,必须加快电网监测系统的信息化建设,发展核心技术,建立一套完备的电力物联网核心传感监测系统,为电网的信息化建设提供支撑。通过温度、湿度、变形等多种传感器进行设备环境感知是电力物联网实时、准确、可靠地采集信息的基础,目前电力领域的传感器存在功能单一、结构庞杂、体积笨重、功耗过大等问题,不利于电力物联网的建设。针对该情况,本论文第一章首先对多维核心传感技术在变电物联网中的应用进行了理论分析。从电力现场环境特点入手,分析了电力设备多参数综合监测需求;比较了目前主流的三类传感器得出核心传感适用于变电现场设备监测的结论;研究了安全监控系统的平台设计和设备组成,分别给出了电力物联网的数据融合和混合协同组网方案,论证了多维核心传感器用于变电设备监控的可行性。第二章分析了电力核心传感系统的通信需求,完成了针对电力物联网的多源核心传感系统的架构设计,然后具体分析了 3种电力物理网核心传感器的部署场景,并结合场景分析结果对核心传感的部署做了相应的设计与研究,重点分析了变电场景下电力物联网传感系统的环境特性,比较了各类组网算法的优劣,选定了 LEACH算法作为变电站传感节点组网的基础算法,最后通过基于的改进LEACH算法降低了节点能耗,加快了网络组网速度。仿真结果表明,改进的LEACH优化了网络传输性能。第三章建立了面向变电场景下电力物联网的方差估计加权贝叶斯数据融合模型,首先进行了模糊贝叶斯监测数据融合架构设计,提出了基于多源信息的数据分类和贝叶斯估计的数据融合方案,通过对电力物联网设备传感器特点与多源信息融合的适配研究,建立了基于方差估计的加权融合算法改进,配套搭建了变电设备安全状况评估的技术指标设计,对状态进行分量定级,完成了基于数据融合的电力设备安全状况评估模型的构建,并通过仿真验证了算法的有效性。
任文强[9]（2021）在《移动机械臂及其上下料应用研究》文中研究表明随着科学技术的进步和智能制造的推进,完全使用人工进行生产已经满足不了制造业的发展要求。人工生产成本高,同时招工也难;对于一些特种零器件的生产使用人工不能满足高精尖要求;对于危险工作的操作,使用人工存在安全隐患;对于部分劳累工作,长时间的生产也会消耗大量的人力,无形中提高成本。所以,机器人换人进行生产成为大势所趋,符合智能制造的要求。应企业转型升级和推进智能制造需要,本课题结合校企合作项目,利用移动机械臂为企业电器盒生产提供一套自动上下料生产方案,并在此背景下展开关于移动机械臂及其在自动上下料应用中的相关研究,其具体研究内容如下:首先,进行运动学分析与建模。分别展开关于机械臂和移动底盘的正逆运动学建模,为后续控制做准备;在模型的基础上进行工作空间分析,首先采用蒙特卡罗法独立分析机械臂的工作空间,然后进行整体移动机械臂的静态工作空间分析;为了判定移动机械臂是否会在机械臂工作的情况下发生倾覆,利用ZMP和FA方法进行判定。其次,分析移动机械臂的误差情况并提出补偿方法。首先是对于移动机械臂的传感器的误差来源进行分析,对于误差影响较大的传感器进行降噪和补偿处理;其次分析机械臂的工作误差情况,其误差主要是来源于DH参数的累积误差导致的最终末端执行器的位姿偏差;然后分析移动机械臂整体的误差情况,最后利用BP神经网络技术对移动机械臂的整体进行误差补偿处理,将所有误差视为内部误差进行综合修正。然后,对于移动机械臂应用于自动上下料的工作规划算法进行研究。首先对于移动平台的工作进行规划,为了使得移动平台能够自适应调整轨迹,采用基于RBF的PID算法进行轨迹修正,同时采用基于五次多项式的速度规划算法降低移动机械臂的惯性对于移动精度的影响,然后利用多传感器融合技术采集移动平台的里程信息进行反馈修正;对于机械臂的上下料工作规划,使用A*算法进行空间路径规划,然后利用B样条技术进行轨迹平滑处理,对于机械臂的姿态规划则利用四元数进行插补的方法,最后通过仿真验证该规划的合理性和可行性。最后,进行样机设计和搭建以及工程应用实验。由于本研究课题的背景涉及工程实际应用,所以第五章节主要是介绍相关的设计和应用验证。首先是介绍移动机械臂的相关主要硬件部分,着重介绍移动底盘的相关硬件;然后介绍本研究课题设计的软件系统,集成了机械臂的控制系统和移动平台的控制系统,而该软件的人机交互部分主要是为了满足工厂实际应用;最后进行实验,着重模拟验证具体应用情况。综合研究,本课题从多个角度出发提高了移动机械臂的工作精度,所设计的控制系统能够平稳运行,设计的样机能够在模拟环境下完成针对于电器盒自动上下料应用的相关工作。
顾颉颖[10]（2021）在《基于多源异构信息与深度学习的截齿磨损状态识别》文中指出随着采掘机械向自动化、智能化的持续深入,机械故障智能化诊断技术至关重要。截齿是采掘过程中最重要的零件之一,截齿的严重磨损直接影响截割效率,增加生产成本,如何进行截齿磨损状态的有效识别是目前研究的热点问题,因此本文以截齿磨损状态为研究对象,引入深度学习网络为识别工具,在信号去噪、特征挖掘、跨维度多源异构信号融合、算法改进的识别模型等方面开展深入研究。截齿截割过程中蕴含着声发射信息的变化,构建了截齿截割实验台控制系统、SAEU3S声发射信号采集与分析系统,对煤岩试件进行一定比例的浇筑,同时根据截齿合金头的质量和尺寸差值定义截齿的磨损状态,分为四种不同磨损程度,分别为:新齿、轻微磨损、严重磨损、失效。构建基于SAEU3S声发射系统的信号采集、信号傅里叶变换及BP神经网络识别模型,为多源异构信号融合和深度学习识别模型提供大量声发射信号样本及对比数据。为了对声发射信号进行更好的滤波去噪,采用Daubechies 12对声发射信号进行小波包变换,利用三层小波包分解,得到分辨率高的重组信号,构建声发射信号特征数据库。构建基于自组织映射（SOM）神经网络的截齿磨损状态识别模型,经测试样本验证,识别准确率约为91%,为深度学习识别模型提供数据支持及识别效果对比数据。为了更好的挖掘图像有效信息,构建了FPV图传套装一体图像采集系统,并用Keyence VHX-5000超景深三维显微镜20倍镜头观察不同磨损程度截齿的表面形貌。利用3种小波去噪方法对图像进行处理,分别为:模极大值去噪法、小波系数相关去噪法、阈值去噪法,通过对比峰值信噪比（PSNR）、均方根误差（MSE）、归一化相关性（NC）,得到不同去噪方法的优劣势。建立基于Mallat算法的小波包分解方法,对截齿图像进行单层及二层分解重构,通过对比原始图像和重构图像的灰度直方图和BP神经网络识别率,验证了经过二层分解重构后的图像效果增强,信噪比增加,识别率提高。针对光线不足或者目标物体与背景相差较小的问题,采用指数高通滤波和密度分割技术相结合的图像增强方法,消除照明不够引发的图像降质问题,较好的保护细节,同时提高了图像特征的对比度,通过Hough变换对截齿的边缘轮廓进行合理的提取,并进行适当的平滑处理,为图像识别提供一种合理的边缘提取方法。建立截齿图像运动模糊退化模型,建立基于Lucy-Richardson算法图像复原模型,利用信噪比（SNR）、PSNR、信噪比改善因子（ISNR）来评价退化图像滤波后的效果,证明了15次迭代的复原效果最佳,为多源信号融合和截齿状态识别提供特征明显的图像信息。针对声发射信号的时序性特征,建立基于长短期记忆网络（LSTM）的截齿磨损状态识别模型,经过收敛效果分析,设定LSTM识别模型的超参数,得出模型的识别率为93%,较小波包处理前信号识别率提高11.9%,证明小波包信号处理的合理性,同时证明了深度学习识别模型准确率更高,收敛速度更快。建立了基于卷积神经网络（CNN）的多源异构信号深度融合模型,对一维声发射信号和二维图像分别进行1D CNN和2D CNN两层卷积层和池化层操作,进行多源异构信息融合,建立基于Adam算法优化的LSTM深度识别模型,通过Adam学习率自适应算法最小化LSTM的目标函数误差,得出基于CNN-Adam-LSTM识别模型的平均识别率为97.5%,识别用时为2.3秒,大大加快了训练速度,减少识别用时,同时具有很高的泛化能力。通过对比分析得出,多源信号较单一信号的识别率平均提高3.85%,深层神经网络（LSTM）较浅层神经网络（BP、SOM）的识别率平均提高8%,验证了本文建立的截齿磨损识别模型的合理性。该论文有图105幅,表18个,参考文献159篇。
二、多传感信息融合与自动化（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多传感信息融合与自动化（论文提纲范文）
（1）基于多传感融合的电力施工信息融合监控系统设计（论文提纲范文）
| 1 系统总体架构 |
| 2 系统硬件结构 |
| 2.1 主控芯片 |
| 2.2 嵌入式网关 |
| 2.3 自激式开关稳压电源 |
| 3 系统软件功能设计 |
| 3.1 基于多传感融合数据的层次分析 |
| 3.2 电力施工信息误差剔除 |
| 3.3 电力施工信息融合监控流程 |
| 4 实验 |
| 4.1 实验项目 |
| 4.2 实验结果与分析 |
| 5 结束语 |
（2）基于改进多视图投影的机器人姿态解码器设计研究（论文提纲范文）
| 0 引言 |
| 1 机器人姿态解码器总体结构设计及多传感定位 |
| 1.1 机器人姿态解码器总体结构设计 |
| 1.2 机器人姿态解码的多传感定位 |
| 2 机器人姿态解码器设计优化 |
| 2.1 机器人姿态解码算法设计 |
| 2.2 解码器的硬件集成设计 |
| 3 实验测试 |
| 4 结语 |
（5）基于多传感器融合的健美操上肢运动轨迹感知识别研究（论文提纲范文）
| 0 引言 |
| 1 健美操上肢运动轨迹多传感采集及特征分析 |
| 1.1 构建健美操上肢运动轨迹数据感知模型 |
| 1.2 健美操上肢运动轨迹特征分析 |
| 2 健美操上肢运动轨迹数据感知优化 |
| 2.1 健美操上肢运动轨迹数多传感器融合 |
| 2.2 健美操训练轨迹融合感知输出 |
| 3 仿真测试与结果分析 |
| 4 结语 |
（6）多传感器融合的家庭服务机器人导航系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究背景 |
| 1.1.3 课题研究意义 |
| 1.2 国内外移动机器人研究现状 |
| 1.2.1 国外移动机器人研究现状 |
| 1.2.2 国内移动机器人研究现状 |
| 1.2.3 现有研究存在的问题 |
| 1.3 自主导航关键技术的研究现状概况 |
| 1.3.1 机器人导航方式 |
| 1.3.2 同时定位与地图构建 |
| 1.3.3 路径规划 |
| 1.3.4 多传感器融合 |
| 1.4 本文主要研究内容及结构安排 |
| 第2章 导航系统总体方案设计 |
| 2.1 设计需求分析 |
| 2.1.1 功能需求分析 |
| 2.1.2 性能需求分析 |
| 2.2 系统总体架构设计 |
| 2.3 系统硬件部分 |
| 2.3.1 系统硬件的整体架构与组成 |
| 2.3.2 系统硬件部分搭建 |
| 2.4 系统软件开发平台 |
| 2.4.1 系统软件开发环境 |
| 2.4.2 机器人操作系统ROS |
| 2.5 本章小结 |
| 第3章 导航关键技术的研究 |
| 3.1 SLAM技术概述 |
| 3.1.1 SLAM问题描述 |
| 3.1.2 SLAM技术流程 |
| 3.2 粒子滤波 |
| 3.3 路径规划 |
| 3.3.1 全局路径规划 |
| 3.3.2 局部路径规划 |
| 3.4 本章小结 |
| 第4章 多传感器融合技术的研究 |
| 4.1 多传感器融合基础 |
| 4.2 多传感器融合决策规则 |
| 4.3 多传感器信息融合技术 |
| 4.3.1 多传感器融合分类 |
| 4.3.2 多传感器融合方法 |
| 4.4 贝叶斯估计 |
| 4.5 导航避障流程 |
| 4.5.1 多传感器识别障碍物过程 |
| 4.5.2 导航避障整体流程 |
| 4.6 本章小结 |
| 第5章 导航系统的实现与实验分析 |
| 5.1 导航系统的运行 |
| 5.1.1 导航系统运行原理 |
| 5.1.2 系统运行流程 |
| 5.1.3 系统数据通信 |
| 5.1.4 数据结构转换 |
| 5.2 导航关键技术的实现 |
| 5.2.1 SLAM构建地图实现 |
| 5.2.2 蒙特卡洛定位实现 |
| 5.2.3 路径规划实现 |
| 5.3 系统实验与分析 |
| 5.3.1 系统实验模拟搭建 |
| 5.3.2 实验过程与分析 |
| 5.3.3 导航系统性能测试与分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A |
（7）移动机器人多传感信息融合位姿估计与速度控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视觉位姿估计研究现状 |
| 1.2.2 IMU与轮式里程计位姿估计研究现状 |
| 1.2.3 多传感信息融合位姿估计研究现状 |
| 1.2.4 移动机器人速度控制研究现状 |
| 1.3 论文研究主要内容 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 移动机器人多传感信息融合前端处理 |
| 2.1 引言 |
| 2.2 单目视觉传感信息处理 |
| 2.2.1 单目视觉传感器成像模型 |
| 2.2.2 视觉特征提取与匹配 |
| 2.2.3 视觉关键帧间位姿估计 |
| 2.3 IMU传感信息处理 |
| 2.3.1 IMU测量模型 |
| 2.3.2 IMU关键帧间运动估计 |
| 2.4 轮式里程计传感信息处理 |
| 2.4.1 轮式里程计测量模型 |
| 2.4.2 轮式里程计关键帧间位姿估计 |
| 2.5 运动观测尺度初始校准 |
| 2.5.1 IMU旋转观测尺度初始校准 |
| 2.5.2 单目视觉与IMU运动观测尺度初始校准 |
| 2.5.3 轮式里程计旋转观测尺度初始校准 |
| 2.6 本章小结 |
| 第三章 移动机器人多传感信息融合位姿估计 |
| 3.1 引言 |
| 3.2 移动机器人多传感信息融合位姿估计方法 |
| 3.2.1 移动机器人运动观测滑动窗口模型 |
| 3.2.2 移动机器人运动观测残差非线性优化模型 |
| 3.2.3 移动机器人运动观测残差增量优化函数 |
| 3.3 单目视觉运动约束 |
| 3.3.1 单目视觉运动观测残差 |
| 3.3.2 单目视觉运动观测残差优化相关矩阵 |
| 3.4 IMU运动约束 |
| 3.4.1 IMU运动观测残差 |
| 3.4.2 IMU运动观测残差优化相关矩阵 |
| 3.5 轮式里程计运动约束 |
| 3.5.1 轮式里程计运动观测残差 |
| 3.5.2 轮式里程计运动观测残差相关矩阵 |
| 3.6 滑动窗口先验约束 |
| 3.6.1 滑动窗口边缘化原理 |
| 3.6.2 滑动窗口先验约束计算方法 |
| 3.7 本章小结 |
| 第四章 移动机器人系统设计与速度控制 |
| 4.1 引言 |
| 4.2 移动机器人硬件系统设计 |
| 4.2.1 移动机器人硬件系统设计方案 |
| 4.2.2 移动机器人主要结构与装配设计 |
| 4.3 基于ROS的移动机器人控制系统设计 |
| 4.3.1 移动机器人控制系统功能设计 |
| 4.3.2 移动机器人控制系统通讯设计 |
| 4.4 基于运动速度优化估计的移动机器人速度控制 |
| 4.4.1 移动机器人运动速度优化估计 |
| 4.4.2 移动机器人PID速度控制策略 |
| 4.4.3 基于运动速度优化估计的移动机器人速度控制系统 |
| 4.5 本章小结 |
| 第五章 移动机器人实验平台搭建与实验分析 |
| 5.1 引言 |
| 5.2 移动机器人实验平台 |
| 5.2.1 实验平台硬件系统 |
| 5.2.2 实验平台控制系统 |
| 5.2.3 传感器参数标定 |
| 5.3 移动机器人位姿估计实验 |
| 5.3.1 室内大厅环境下移动机器人位姿估计实验 |
| 5.3.2 室内走廊环境下移动机器人位姿估计实验 |
| 5.3.3 室外环境下移动机器人位姿估计实验 |
| 5.4 移动机器人速度控制实验 |
| 5.4.1 移动机器人速度估计精度实验 |
| 5.4.2 移动机器人速度控制精度实验 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录1 IMU运动观测残差雅可比子矩阵表达式 |
| 附录2 IMU相邻关键帧间运动状态优化变量误差公式 |
| 附录3 轮式里程计运动观测残差雅可比子矩阵表达式 |
| 附录4 轮式里程计相邻关键帧间运动状态优化变量误差公式 |
| 附录5 作者在攻读硕士学位期间取得的成果 |
（8）面向电力物联网的核心传感应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状分析 |
| 1.3 本文内容安排 |
| 第2章 核心传感器技术在变电物联网中的应用分析 |
| 2.1 面向电力物联网设备多参数综合监测需求分析 |
| 2.2 物联网多场景下的核心传感器件工作机理 |
| 2.2.1 电力物联网多场景业务分析 |
| 2.2.2 核心传感器与电力物联网业务适配研究 |
| 2.3 核心传感器综合信息数据采集融合及协同组网技术分析 |
| 2.3.1 电力无线核心传感器组网路由分析 |
| 2.3.2 电力无线核心传感数据融合技术 |
| 2.4 本章小结 |
| 第3章 面向电力物联网的多源核心传感协同组网架构设计与部署方案 |
| 3.1 变电场景下电力物联网多源传感系统架构设计 |
| 3.1.1 安全监控信息远程传输网络的选择 |
| 3.1.2 智能传感安全监控平台的设计 |
| 3.2 变电场景下的电力核心传感器与信息采集场景部署 |
| 3.3 电力物联网场景下的核心传感器件部署设计 |
| 3.4 面向电力物联网的核心传感器协同组网研究 |
| 3.4.1 面向变电站复杂环境的电力物联网多源核心传感设备部署方案 |
| 3.4.2 电力作业现场传感器的寿命周期优化组网 |
| 3.5 基于优化LEACH的电力物联网多传感器协同感知方案 |
| 3.5.1 协同感知概念模型 |
| 3.5.2 协同感知过程 |
| 3.5.3 基于优化LEACH的协同组网 |
| 3.6 仿真验证 |
| 3.7 本章小结 |
| 第4章 电力物联网环境下的多源核心传感数据融合与设备性能评估 |
| 4.1 核心感器电力物联网设备数据融合及交互系统方案 |
| 4.1.1 电力物联网监测系统数据融合架构设计 |
| 4.1.2 电力物联网设备信息的采集与交互 |
| 4.1.3 数据的融合与综合处理 |
| 4.2 基于优化贝叶斯网络的多源数据融合方案 |
| 4.2.1 多源信息融合的数据分类 |
| 4.2.2 贝叶斯估计 |
| 4.3 针对电力设备的方差估计加权贝叶斯数据融合算法 |
| 4.3.1 电力物联网设备传感器特点与多源信息融合适配 |
| 4.3.2 多传感器模糊贝叶斯模型 |
| 4.3.3 基于方差估计的加权融合算法 |
| 4.4 基于多源数据融合的电力物联网信息感知及设备状态评估模型研究 |
| 4.4.1 变电设备安全状况评估的技术指标设计 |
| 4.4.2 状态量的分级设计 |
| 4.4.3 基于数据融合的电力设备安全状况评估模型 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）移动机械臂及其上下料应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外移动机械臂应用发展现状 |
| 1.3 国内外移动机械臂研究现状 |
| 1.3.1 移动平台驱动形式研究现状 |
| 1.3.2 移动机械臂运动控制研究现状 |
| 1.3.3 移动机械臂工作轨迹规划研究现状 |
| 1.3.4 移动机械臂工作误差分析与补偿研究现状 |
| 1.3.5 基于多传感器融合的辅助定位研究现状 |
| 1.4 课题背景和要求及研究内容章节安排 |
| 1.4.1 课题背景和要求 |
| 1.4.2 研究内容章节安排 |
| 第二章 移动机械臂运动学建模与分析 |
| 2.1 移动机械臂运动学建模 |
| 2.1.1 机械臂运动学解析 |
| 2.1.1.1 机械臂正运动学求解 |
| 2.1.1.2 机械臂逆运动学解析 |
| 2.1.1.3 机械臂逆运动学筛选最优解 |
| 2.1.1.4 机械臂运动学验证 |
| 2.1.2 移动平台运动学分析 |
| 2.1.2.1 移动平台正运动学解析 |
| 2.1.2.2 移动平台逆运动学解析 |
| 2.1.3 求取一体化联动雅克比矩阵 |
| 2.2 移动机械臂运动空间分析 |
| 2.3 移动机械臂倾覆稳定性分析 |
| 2.3.1 基于ZMP稳定性判定计算 |
| 2.3.2 基于FA稳定性判定计算 |
| 2.3.3 稳定性分析仿真实验 |
| 2.4 本章小结 |
| 第三章 移动机械臂工作误差分析与补偿方法研究 |
| 3.1 移动平台工作误差分析 |
| 3.1.1 超声波传感器误差分析 |
| 3.1.2 IMU信息误差 |
| 3.1.3 激光雷达传感器信息误差 |
| 3.1.4 移动底盘运动误差分析 |
| 3.2 机械臂工作误差分析 |
| 3.3 移动机械臂联合误差分析 |
| 3.4 基于BP神经网络算法的综合位姿误差补偿策略和纠偏 |
| 3.5 本章小结 |
| 第四章 移动机械臂工作规划算法研究 |
| 4.1 移动平台工作规划 |
| 4.1.1 基于RBF神经网络PID算法的移动平台行驶轨迹跟踪 |
| 4.1.2 基于五次多项式的移动平台速度调整 |
| 4.1.3 基于多传感器融合下的移动平台的里程计信息处理 |
| 4.1.4 基于激光传感器信息反馈下的移动平台修正 |
| 4.2 机械臂避障轨迹规划 |
| 4.2.1 碰撞检测 |
| 4.2.2 基于A*算法的路径轨迹规划 |
| 4.2.3 基于B样条曲线的轨迹平滑处理 |
| 4.2.4 基于四元数的姿态轨迹规划 |
| 4.2.5 基于S型调速算法的机械臂轨迹平滑处理 |
| 4.2.6 机械臂避障轨迹规划仿真验证 |
| 4.3 本章小结 |
| 第五章 移动机械臂软硬件系统搭建与上下料应用测试 |
| 5.1 总硬件系统搭建 |
| 5.1.1 总控制器 |
| 5.1.2 UR5协作机械臂 |
| 5.1.3 移动平台硬件系统 |
| 5.1.3.1 移动平台驱动电机 |
| 5.1.3.2 移动平台传感器选型 |
| 5.2 总系统软件搭建 |
| 5.2.1 软件登录部分设计 |
| 5.2.2 软件编程部分设计 |
| 5.2.3 软件调试部分设计 |
| 5.2.4 软件自动运行模式设计 |
| 5.3 工程应用实验 |
| 5.3.1 直线行驶实验 |
| 5.3.2 曲线行驶实验 |
| 5.3.3 原地转向试验 |
| 5.3.4 抓取测试实验 |
| 5.3.5 模拟工程应用实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文及研究成果 |
（10）基于多源异构信息与深度学习的截齿磨损状态识别（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 2 基于SAEU3S声发射信号系统的截齿磨损状态识别 |
| 2.1 截齿截割实验台与数据采集分析系统 |
| 2.2 煤岩试件制备及截齿磨损状态标定 |
| 2.3 基于SAEU3S系统的声发射信号分析及识别 |
| 2.4 本章小结 |
| 3 基于小波包变换与SOM神经网络的状态识别 |
| 3.1 声发射信号去噪方法分析 |
| 3.2 声发射信号三层小波包分解与重构 |
| 3.3 基于SOM神经网络的截齿磨损状态识别 |
| 3.4 本章小结 |
| 4 基于图像处理与BP神经网络的截齿磨损状态研究 |
| 4.1 图像去噪机理及去噪方法分析 |
| 4.2 不同磨损程度截齿的图像采集 |
| 4.3 不同去噪方法对图像的处理效果分析 |
| 4.4 基于图像处理与BP神经网络的磨损状态识别 |
| 4.5 截齿图像增强和边缘检测 |
| 4.6 基于运行模糊处理的图像还原 |
| 4.7 本章小结 |
| 5 基于小波包变换与长短期记忆网络的截齿磨损状态识别 |
| 5.1 循环神经网络深度学习模型 |
| 5.2 长短期记忆网络模型建立 |
| 5.3 基于长短期记忆网络的截齿磨损状态识别 |
| 5.4 本章小结 |
| 6 基于多源信息融合与Adam算法优化的深度学习识别模型 |
| 6.1 多源异构信息融合理论 |
| 6.2 基于卷积神经网络的截齿多源异构信息融合 |
| 6.3 基于Adam算法优化的CNN-LSTM截齿磨损状态识别 |
| 6.4 识别结果对比分析 |
| 6.5 本章小结 |
| 7 结论、创新点及展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 查新结论 |
| 附录 1 |
| 作者简历 |
| 学位论文数据集 |
四、多传感信息融合与自动化（论文参考文献）
- [1]基于多传感融合的电力施工信息融合监控系统设计[J]. 李鹏,周蜜,苏建华,胡晓华,鲁挺. 电子设计工程, 2022(02)
- [2]基于改进多视图投影的机器人姿态解码器设计研究[J]. 卜文锐. 自动化与仪器仪表, 2021(09)
- [3]无人驾驶无轨胶轮车多传感信息融合与智能感知技术研究[D]. 谢厚抗. 中国矿业大学, 2021
- [4]基于信息融合技术的煤矿岩爆预测方法[D]. 杨伟. 华北理工大学, 2021
- [5]基于多传感器融合的健美操上肢运动轨迹感知识别研究[J]. 陈元香,冯建强. 自动化与仪器仪表, 2021(06)
- [6]多传感器融合的家庭服务机器人导航系统的设计与实现[D]. 何佑星. 兰州理工大学, 2021(01)
- [7]移动机器人多传感信息融合位姿估计与速度控制研究[D]. 王昕煜. 江南大学, 2021(01)
- [8]面向电力物联网的核心传感应用研究[D]. 李道格. 华北电力大学(北京), 2021(01)
- [9]移动机械臂及其上下料应用研究[D]. 任文强. 江南大学, 2021(01)
- [10]基于多源异构信息与深度学习的截齿磨损状态识别[D]. 顾颉颖. 辽宁工程技术大学, 2021