摘要:簡(jiǎn)要闡述了AGV在倉(cāng)庫(kù)物流搬運(yùn)過(guò)程中的基本行駛軌跡類型以及如何利用車載的多個(gè)傳感器進(jìn)行信息融合以估算車輛的位置和姿態(tài)。在此基礎(chǔ)上,提出了一種路徑跟蹤技術(shù),能對(duì)AGV在各種行駛軌跡中實(shí)時(shí)進(jìn)行位置和姿態(tài)誤差控制,根據(jù)對(duì)AGV在實(shí)際項(xiàng)目現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù)的分析,該技術(shù)能較好地適用于常規(guī)倉(cāng)庫(kù)路面上AGV的運(yùn)行。
摘 要:物聯(lián)網(wǎng)技術(shù)帶給酒店業(yè)的深刻變革正逐步顯示其巨大威力,迫使其向智慧酒店轉(zhuǎn)型。文中介紹了智慧酒店的概念,概述了物聯(lián)網(wǎng)的概念和體系結(jié)構(gòu)?;谖锫?lián)網(wǎng)的三個(gè)層次體系結(jié)構(gòu),設(shè)計(jì)了智慧酒店整體架構(gòu),包括負(fù)責(zé)數(shù)據(jù)采集的感知層、負(fù)責(zé)數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)層,集成了負(fù)責(zé)對(duì)感知層信息處理的相應(yīng)軟件系統(tǒng)和各類酒店管理系統(tǒng),綜合應(yīng)用云計(jì)算、大數(shù)據(jù)、AI(人工智能)等信息新技術(shù),基于互聯(lián)網(wǎng)思維構(gòu)建智能決策分析系統(tǒng)的應(yīng)用層。該架構(gòu)為智慧酒店的建設(shè)提供了技術(shù)參考模型。
摘 要:針對(duì)疲勞駕駛的問(wèn)題,文中提出了一種新型檢測(cè)方法。使用Adaboost算法對(duì)人臉進(jìn)行檢測(cè),對(duì)檢測(cè)到的人臉區(qū)域中的眼睛和嘴巴進(jìn)行定位和狀態(tài)分析,在決策階段采用信息融合的方法對(duì)疲勞狀態(tài)進(jìn)行判定。結(jié)果表明,該方法在多種情況下均能精確檢測(cè)眼睛和嘴巴的狀態(tài),有效檢測(cè)駕駛員是否疲勞駕駛
摘 要:分布式信息融合是無(wú)線傳感器網(wǎng)絡(luò)信號(hào)處理中最重要的研究課題之一。文中給出了無(wú)線傳感器網(wǎng)絡(luò)的分 布式一致卡爾曼信息融合算法,該方法首先在無(wú)線傳感器網(wǎng)絡(luò)的每個(gè)傳感節(jié)點(diǎn)中配置微卡爾曼濾波器,再引入一致濾 波算法用于計(jì)算節(jié)點(diǎn)平均觀測(cè)數(shù)據(jù)和平均逆協(xié)方差,然后各自執(zhí)行微卡爾曼濾波,從而得到各節(jié)點(diǎn)的分布式狀態(tài)估計(jì)。 文中用仿真結(jié)果證實(shí)了該方法的有效性和可靠性。
維修評(píng)估是實(shí)現(xiàn)維修過(guò)程閉環(huán)管理的重要環(huán)節(jié),通過(guò)對(duì)維修可靠性、維修成本和維修能力等的綜合評(píng)估,可以綜合判斷當(dāng)前維修中存在的問(wèn)題,為進(jìn)一步改進(jìn)維修提供決策支持。值得說(shuō)明的是,維修策略的典型應(yīng)用領(lǐng)域是民航飛機(jī)和核電站,為增加其說(shuō)服力,對(duì)于數(shù)據(jù)收集
當(dāng)今制造技術(shù)快速進(jìn)步引發(fā)7許多新型測(cè)量問(wèn)題,推動(dòng)著傳感器、測(cè)試測(cè)量?jī)x器的研究與發(fā)展,促使測(cè)量技術(shù)中的新原理、新技術(shù)、新裝置系統(tǒng)不斷出現(xiàn)。和傳統(tǒng)的測(cè)重技術(shù)比較,現(xiàn)代測(cè)量技術(shù)呈現(xiàn)出哪些新的特點(diǎn)呢?1、測(cè)量精
摘要:針對(duì)單一普通型火災(zāi)探測(cè)器的環(huán)境適應(yīng)性和功能局限性,將多傳感器信息融合技術(shù)應(yīng)用于火災(zāi)報(bào)警系統(tǒng),實(shí)施多個(gè)傳感器同步探測(cè),全面提取火災(zāi)信息。同時(shí),應(yīng)用智能算法,對(duì)提取到的信息進(jìn)行融合,實(shí)現(xiàn)信息的優(yōu)化,
摘要 為了解決傳統(tǒng)火災(zāi)報(bào)警系統(tǒng)只對(duì)火災(zāi)的某一種物理或化學(xué)信號(hào)進(jìn)行探測(cè)而容易出現(xiàn)誤報(bào)和漏報(bào)的問(wèn)題,將多傳感器復(fù)合探測(cè)技術(shù)和無(wú)線通信技術(shù)應(yīng)用到火災(zāi)探測(cè)報(bào)警系統(tǒng)中,設(shè)計(jì)了一種基于STM32為主控制芯片的智能分布式
金融危機(jī)以后,在儀器儀表行業(yè)發(fā)展的過(guò)程中還存在著企業(yè)內(nèi)部結(jié)構(gòu)不合理,經(jīng)濟(jì)效益不高;產(chǎn)品結(jié)構(gòu)不合理,市場(chǎng)占有率不高;科研開發(fā)力量弱等諸多問(wèn)題,對(duì)于這些問(wèn)題,也采取了多種解決措施,效果如何,不得而知。筆者認(rèn)
為了提高輪胎壓力監(jiān)測(cè)系統(tǒng)的精度, 運(yùn)用貝葉斯方法建立了其多傳感器信息融合的數(shù)學(xué)模型。該模型融合了輪胎的溫度和壓力這兩種互補(bǔ)信息, 相對(duì)于傳統(tǒng)的輪胎壓力監(jiān)測(cè)系統(tǒng)而言, 具有信息的完整性、統(tǒng)一性、多樣性和容錯(cuò)性
摘要:針對(duì)攝像頭采集交通信息時(shí)易受環(huán)境干擾且采集到的信息不夠全面的問(wèn)題,提出智能交通多傳感器信息融合框架,對(duì)多種傳感器采集到的交通信息進(jìn)行融合。另外由于攝像頭采集的視頻數(shù)據(jù)量巨大且多為底層視覺信息,不
摘要:介紹基于Android的多傳感器信息融合技術(shù)在氣溶膠自動(dòng)化檢測(cè)中的應(yīng)用。多個(gè)傳感器采用統(tǒng)一接口方式組網(wǎng),每一個(gè)獨(dú)立傳感器采集的數(shù)據(jù)通過(guò)藍(lán)牙傳輸?shù)骄W(wǎng)內(nèi)的Android處理終端進(jìn)行融合和分析。通過(guò)對(duì)5種傳感器進(jìn)行組
摘要:介紹基于Android的多傳感器信息融合技術(shù)在氣溶膠自動(dòng)化檢測(cè)中的應(yīng)用。多個(gè)傳感器采用統(tǒng)一接口方式組網(wǎng),每一個(gè)獨(dú)立傳感器采集的數(shù)據(jù)通過(guò)藍(lán)牙傳輸?shù)骄W(wǎng)內(nèi)的Android處理終端進(jìn)行融合和分析。通過(guò)對(duì)5種傳感器進(jìn)行組
改進(jìn)的D-S 理論在ETC 系統(tǒng)中的應(yīng)用研究
摘要: 介紹基于Android的多傳感器信息融合技術(shù)在氣溶膠自動(dòng)化檢測(cè)中的應(yīng)用。多個(gè)傳感器采用統(tǒng)一接口方式組網(wǎng),每一個(gè)獨(dú)立傳感器采集的數(shù)據(jù)通過(guò)藍(lán)牙傳輸?shù)骄W(wǎng)內(nèi)的Android處理終端進(jìn)行融合和分析。通過(guò)對(duì)5種傳感器進(jìn)行
摘要: 介紹基于Android的多傳感器信息融合技術(shù)在氣溶膠自動(dòng)化檢測(cè)中的應(yīng)用。多個(gè)傳感器采用統(tǒng)一接口方式組網(wǎng),每一個(gè)獨(dú)立傳感器采集的數(shù)據(jù)通過(guò)藍(lán)牙傳輸?shù)骄W(wǎng)內(nèi)的Android處理終端進(jìn)行融合和分析。通過(guò)對(duì)5種傳感器進(jìn)行
基于Android的多傳感器信息融合技術(shù)應(yīng)用
基于Android的多傳感器信息融合技術(shù)應(yīng)用
引言 介質(zhì)充填率(指球磨機(jī)靜止時(shí)磨礦介質(zhì)鋼球體積占磨機(jī)筒體有效體積的百分比)、料球比(指被磨物料密實(shí)體積占球磨機(jī)內(nèi)介質(zhì)中空隙體積的比例(用小數(shù)表示))和磨礦濃度(指球磨機(jī)內(nèi)物料重量占礦漿總重量(物料+水)的百
摘要:隨著汽車行業(yè)的發(fā)展,對(duì)汽車的性能檢測(cè)、維修、管理提出更高的要求。通過(guò)分析多傳感器數(shù)據(jù)融合技術(shù)故障診斷方法及汽車診斷系統(tǒng)(故障預(yù)測(cè)與健康管理)的特點(diǎn),在不改變當(dāng)前汽車智能檢測(cè)系統(tǒng)硬件組成的情況下,將