監(jiān)測監(jiān)控信息融合技術(shù)

第1章緒論
1.1多傳感器信息融合
1.1.1多傳感器信息融合的概念
1.1.2多傳感器信息融合的工作原理
1.1.3多傳感器信息融合系統(tǒng)的應用
1.2傳感器技術(shù)及發(fā)展
1.2.1傳感器及其應用
1.2.2新型及智能傳感器
1.3監(jiān)測監(jiān)控與信息處理
1.3.1監(jiān)測監(jiān)控技術(shù)與系統(tǒng)的發(fā)展及特點
1.3.2集成化、綜合化的信息獲取與處理
1.4監(jiān)測監(jiān)控網(wǎng)絡概述
1.5傳感器總線與現(xiàn)場總線
1.5.1基本概念
1.5.2典型的傳感器總線和現(xiàn)場總線
1.6OPC技術(shù)規(guī)范
1.6.1OPC技術(shù)特征
1.6.2基于OPC技術(shù)的監(jiān)測監(jiān)控系統(tǒng)應用設計
1.7工業(yè)無線網(wǎng)絡
1.7.1監(jiān)測監(jiān)控中的無線技術(shù)
1.7.2無線傳感器網(wǎng)絡
第2章信息融合
2.1信息融合處理過程
2.1.1信息融合處理的框架
2.1.2典型的融合處理過程
2.2信息融合系統(tǒng)的模型
2.2.1功能模型
2.2.2結(jié)構(gòu)模型
2.3信息融合方法
2.3.1信息融合方法分類
2.3.2常用的信息融合方法
2.4信息融合有效性評估
2.4.1信息融合有效性的定性分析與評估
2.4.2基于證據(jù)理論的融合有效性分析
2.4.3信息融合有效性的定量分析與評估
第3章煤礦安全監(jiān)測監(jiān)控信息融合系統(tǒng)
3.1煤礦監(jiān)測監(jiān)控系統(tǒng)綜述
3.1.1國外煤礦監(jiān)測監(jiān)控系統(tǒng)
3.1.2國內(nèi)煤礦常用的監(jiān)測監(jiān)控系統(tǒng)
3.1.3煤礦安全監(jiān)測監(jiān)控需要解決的關(guān)鍵技術(shù)
3.2煤礦監(jiān)測監(jiān)控網(wǎng)絡系統(tǒng)
3.2.1系統(tǒng)組成
3.2.2系統(tǒng)功能
3.3煤礦監(jiān)測監(jiān)控信息分析
3.3.1引言
3.3.2信息分析
3.4面向煤礦安全監(jiān)測監(jiān)控的信息融合系統(tǒng)體系結(jié)構(gòu)
3.4.1信息融合的層次
3.4.2信息融合體系結(jié)構(gòu)
3.5地面車場多媒體信息融合監(jiān)控的研究
3.5.1多媒體信息融合監(jiān)控系統(tǒng)組成
3.5.2多媒體信息融合監(jiān)控系統(tǒng)功能
3.5.3視頻切換控制
3.5.4多媒體信息融合監(jiān)控
3.5.5結(jié)論
第4章信息融合在礦井圖像中的應用
4.1信息融合在礦井圖像中的研究現(xiàn)狀
4.2信息融合在礦井圖像超分辨中的應用
4.2.1基于深層差異性信息融合的礦井圖像超分辨率算法
4.2.2基于多尺度信息融合的礦井圖像超分辨率算法
4.3信息融合在礦井視頻/圖像細節(jié)增強中的應用
4.3.1基于殘差同質(zhì)性信息融合的礦井圖像細節(jié)增強算法
4.3.2基于熱力學定律啟發(fā)的信息融合的礦井圖像細節(jié)增強算法
4.4信息融合在礦井視頻/圖像檢索中的應用
第5章礦山智能選冶過程中多源異構(gòu)信息融合處理
5.1智能礦山選冶綜述
5.1.1礦山智能選冶的現(xiàn)狀及不足
5.1.2信息融合在智能選冶過程中的重要作用
5.2智能選冶多源異構(gòu)信息預處理
5.2.1信息融合數(shù)據(jù)預處理簡介
5.2.2智能選冶數(shù)據(jù)預處理技術(shù)
5.2.3智能選冶數(shù)據(jù)特征提取
5.3基于信息融合的選冶破碎機、皮帶機故障診斷
5.3.1基于信息融合的選冶破碎機故障診斷
5.3.2基于信息融合的選冶皮帶機故障診斷
5.4基于信息融合的冶風機與溫度場工況分析
5.4.1基于信息融合的冶風機工況分析
5.4.2基于信息融合的溫度場工況分析
第6章無人駕駛多源異構(gòu)信息融合處理
6.1引言
6.1.1無人駕駛系統(tǒng)的發(fā)展現(xiàn)狀
6.1.2信息融合在無人駕駛系統(tǒng)中的作用及意義
6.2無人駕駛系統(tǒng)多源異構(gòu)信息融合
6.2.1相機與激光雷達的信息融合
6.2.2相機與毫米波雷達的信息融合
6.2.3相機與加速度傳感器的信息融合
6.2.4相機、激光雷達、毫米波雷達與定位裝置的信息融合
6.3多源異構(gòu)信息融合在無人駕駛定位系統(tǒng)中的應用
6.3.1GPS和慣性導航融合定位
6.3.2基于點云地圖和激光雷達定位
6.3.3毫米波雷達和攝像機融合定位
6.4多源異構(gòu)信息融合在礦山無人駕駛環(huán)境感知系統(tǒng)中的應用
6.4.1無人駕駛感知系統(tǒng)中相機與激光雷達的環(huán)境感知
6.4.2無人駕駛感知系統(tǒng)中紅外相機與毫米波雷達的環(huán)境感知
第7章水環(huán)境多源監(jiān)測信息融合的證據(jù)理論方法
7.1證據(jù)理論
7.1.1基本概念
7.1.2Dempster組合規(guī)則
7.1.3沖突證據(jù)組合方法
7.2河口地面監(jiān)測信息融合
7.2.1信息融合模型
7.2.2基于證據(jù)理論的信息融合
7.2.3基于BP網(wǎng)絡的信息融合
7.2.4驗證與分析
7.3湖泊富營養(yǎng)化狀態(tài)評估的模糊證據(jù)理論方法
7.3.1基于相似性的模糊證據(jù)理論
7.3.2湖泊富營養(yǎng)化狀態(tài)估計與評價模型
7.3.3驗證與分析
7.4湖泊富營養(yǎng)化狀態(tài)評估的BP網(wǎng)絡證據(jù)理論方法
7.4.1BP網(wǎng)絡證據(jù)理論方法
7.4.2監(jiān)測數(shù)據(jù)選擇與驗證分析
7.5遙感與地面監(jiān)測結(jié)合的湖泊水質(zhì)狀態(tài)評估
7.5.1研究背景
7.5.2神經(jīng)網(wǎng)絡證據(jù)理論方法
7.5.3驗證與分析
第8章傳感器數(shù)量有限條件下的灌區(qū)渠系水情狀態(tài)估計方法
8.1面向干擾用水的局部狀態(tài)估計方法
8.1.1水動力學關(guān)系和管理原則
8.1.2基于動態(tài)虛警率假定檢驗的干擾用水判別方法
8.1.3基于動態(tài)貝葉斯的干擾用水檢測方法
8.1.4隸屬度相關(guān)的干擾用水分配方法
8.2灌區(qū)渠系水情全局狀態(tài)估計方法
8.2.1狀態(tài)方程和量測方程
8.2.2單目標狀態(tài)估計
8.2.3多目標狀態(tài)估計
8.2.4基于松弛隸屬度約束的協(xié)調(diào)方法
8.3灌區(qū)渠系水情狀態(tài)估計系統(tǒng)設計
8.3.1需求分析
8.3.2系統(tǒng)要素
8.3.3系統(tǒng)流程
8.4灌區(qū)渠系水情狀態(tài)估計試驗
8.4.1試驗方法
8.4.2試驗對象
8.4.3試驗情景和結(jié)果
第9章認知大模型
9.1認知大模型綜述
9.2認知大模型總體設計
9.2.1認知大模型總體架構(gòu)
9.2.2認知大模型業(yè)務架構(gòu)
9.2.3核心技術(shù)路線
9.3認知大模型建設研究
9.3.1基礎算力設施
9.3.2基礎大模型
9.3.3行業(yè)大模型訓練
9.3.4智能體應用
9.4認知大模型場景應用規(guī)劃
9.4.1智能招投標應用
9.4.2文檔問答助手應用
9.4.3生成式智慧駕駛艙應用
9.4.4智能合同評審應用
9.4.5礦山企業(yè)文本生成應用
參考文獻