【技术实现步骤摘要】
本专利技术涉及多源传感器数据融合，具体为一种对不稳定或低精确度传感器数据进行融合的方法。
技术介绍
1、近年来，传感器在关键设备的预测和健康管理中被广泛应用。为捕获不同的物理状态，通常同时使用不同类型的传感器。随着计算机科学和各工业领域硬件实现仪器的发展，可以获得越来越多样化的数据。因此，开展多传感器数据融合的研究，对于发展高机械系统的安全性具有特别重要的意义。
2、多传感器数据融合是一种将多个传感器的数据和信息进行组合和分析，以形成更准确的态势感知并确定如何应对的技术。数据融合技术出现在各种军事和非军事应用中，例如战场监视、自动驾驶车辆的制导和控制、复杂机械的监控、医疗诊断和智能建筑。数据融合包含了最大量的信息，因为保留了所有原始数据。它可以有效减少信息丢失，但同时也引入了更多的噪声和不确定性。直接使用融合数据可能不会比仅使用单个传感器产生更好的结果。这是因为如果未适当处理融合数据，可能会发生冲突或矛盾。
3、近年来，关于在单独使用时性能差异显著的传感器数据融合的研究有限。随着传感器之间质量差异的增加，进行数据...
【技术保护点】
1.一种对不稳定或低精确度传感器数据进行融合的方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种对不稳定或低精确度传感器数据进行融合的方法，其特征在于，步骤S2中预处理和数据增强具体包括：添加高斯噪声、随机缩放、随机拉伸、随机裁剪和归一化，然后标定所采集多传感器数据中已知故障类型的样本，并设定类别标签，最后划分为训练集、验证集和测试集。
3.根据权利要求1所述的一种对不稳定或低精确度传感器数据进行融合的方法，其特征在于，特征提取模块：设共有N个传感器，特征提取模块以预处理和数据增强后的多传感器数据为输入，首先对每一传感器采集的信...
【技术特征摘要】
1.一种对不稳定或低精确度传感器数据进行融合的方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种对不稳定或低精确度传感器数据进行融合的方法，其特征在于，步骤s2中预处理和数据增强具体包括：添加高斯噪声、随机缩放、随机拉伸、随机裁剪和归一化，然后标定所采集多传感器数据中已知故障类型的样本，并设定类别标签，最后划分为训练集、验证集和测试集。
3.根据权利要求1所述的一种对不稳定或低精确度传感器数据进行融合的方法，其特征在于，特征提取模块：设共有n个传感器，特征提取模块以预处理和数据增强后的多传感器数据为输入，首先对每一传感器采集的信号进行无重叠滑动窗口截取，得到等长度的数据段，不同传感器的相同滑动窗口的数据段组成data1、data2…datan，然后将data1、data2…datan 按时间维度直接拼接形成融合后的时序信号，表达式为，其中代表沿着时间维度拼接，接着将所有滑动窗口对应拼接后的时序信号依次送入卷积层、批归一化层、激活函数层和最大池化层，完成深度特征提取，并输出融合后的特征表示。
4.根据权利要求1所述的一种对不稳定或低精确度传感器数据进行...
【专利技术属性】
技术研发人员：孙亮，曹聪，邢同浩，白国力，闫宇翔，
申请(专利权)人：大连理工大学洛阳研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。