数据融合算法在煤自然发火实验系统中的应用

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (23): 226-229.

数据融合算法在煤自然发火实验系统中的应用

王华1，王连华2，邓军3

1.曲阜师范大学计算机科学学院，山东日照 276826
2.曲阜师范大学信息网络中心，山东日照 276826
3.西安科技大学能源学院，西安 710054

出版日期:2015-12-01 发布日期:2015-12-14

Application of data fusion algorithm in coal spontaneous combustion experiment system

WANG Hua1, WANG Lianhua2, DENG Jun3

1.School of Computer Science, Qufu Normal University, Rizhao, Shandong 276826, China
2.Network Information Center, Qufu Normal University, Rizhao, Shandong 276826, China
3.School of Energy, Xi’an University of Science and Technology, Xi’an 710054, China

Online:2015-12-01 Published:2015-12-14

摘要/Abstract

摘要： 煤自燃是矿井的主要灾害之一，煤自然发火实验台的建造为煤自然发火的实验模拟提供了有效的解决方案;实验中温度数据的准确、可靠测量是目前亟待解决的技术问题。对煤自然发火实验台的温度数据采用改进的一致性数据融合算法进行处理，该方法的应用使融合结果有更高的精度，更强的抗干扰能力。

关键词: 多传感器, 置信距离, 数据融合, 煤自然发火

Abstract: The Coal Spontaneous Combustion （CSC） is one of the main disasters in coal mine. The foundation of the CSC experiment furnace solves the problems of the experiment simulation of CSC process. The precise and credible measurement of temperature in CSC experiment is a most urgent technique problem which should be solved recently. An improved data fusion algorithm has been applied to temperature data fusion of coal spontaneous combustion experiment in this paper. The improved data fusion algorithm improves the precision, strengthens the anti-interference capability of the fusion results.

Key words: multi-sensor, confidence distance, data fusion, coal spontaneous combustion

王华1，王连华2，邓军3. 数据融合算法在煤自然发火实验系统中的应用[J]. 计算机工程与应用, 2015, 51(23): 226-229.

WANG Hua1, WANG Lianhua2, DENG Jun3. Application of data fusion algorithm in coal spontaneous combustion experiment system[J]. Computer Engineering and Applications, 2015, 51(23): 226-229.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	赵怡，高淑萍，何迪. 基于深度学习的眼动跟踪数据融合算法[J]. 计算机工程与应用, 2021, 57(10): 211-217.
[3]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[4]	曹雯雯1，康彬2，颜俊1，丁琬1. 面向多源数据融合的稀疏表示目标跟踪[J]. 计算机工程与应用, 2019, 55(6): 1-7.
[5]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[6]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[7]	贾宗璞，王冠琼，彭维平，郭海儒. 低耗能的支持完整性验证的隐私保护融合方案[J]. 计算机工程与应用, 2017, 53(5): 116-120.
[8]	段锁林，杨可，毛丹，任珏朋. 基于模糊证据理论算法在火灾检测中的应用[J]. 计算机工程与应用, 2017, 53(5): 231-235.
[9]	杨健1，赵杭生2，陈曦3. 认知无线网络中频谱预测的协作策略设计[J]. 计算机工程与应用, 2017, 53(15): 111-116.
[10]	倪育德，马宇申，刘萍. ADS-B与TCAS II数据融合算法研究[J]. 计算机工程与应用, 2015, 51(22): 218-221.
[11]	张明阳，沈明玉. 基于WSN的数据融合在水质监测中的研究[J]. 计算机工程与应用, 2014, 50(23): 234-238.
[12]	黄登成1，2，张丽2，尹晓利2，3，王昆2，3. 数据融合技术在提高NPP估算精度中的应用[J]. 计算机工程与应用, 2014, 50(22): 193-198.
[13]	党小超1，2，高琪1，郝占军1，2. 基于小波变换的分布式WSN数据融合模型研究[J]. 计算机工程与应用, 2014, 50(22): 97-101.
[14]	陈咨余，张新伟，叶凌云. 基于LMS算法的多传感器数据加权融合方法[J]. 计算机工程与应用, 2014, 50(20): 86-90.
[15]	袁甜甜1，徐敬东2，李凯1. 权衡能耗与延迟的数据融合算法研究[J]. 计算机工程与应用, 2014, 50(17): 1-6.