吕漫丽[1]2008年在《基于多传感器信息融合的移动机器人避障研究》文中认为多传感器信息融合技术是一门新兴的实践应用技术,有着广泛的应用领域,它为各领域的信息处理以及决策支持提供了可靠的手段,具有很高的研究价值以及应用潜力。经过融合的多传感器信息具有以下特性:信息的冗余性、信息的互补性、信息的实时性和信息的低成本性。为移动机器人在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径。本文在介绍了国内外机器人和信息融合技术的发展动态和趋势的基础上,分析了多传感器信息融合技术在移动机器人领域的应用;对信息融合中的拓扑结构、融合层次和主要的融合算法等问题进行了探讨。本文以UP-VoyagerII机器人为平台,针对未知环境下基于多传感器信息融合技术的移动机器人避障问题开展研究。移动机器人要实现在未知和不确定环境下自主的工作,应具有感受作业环境和规划自身动作的能力。针对超声波传感器产生的不确定信息,提出了一种基于模糊逻辑的多传感器信息融合避障方法;同时研究基于Takagi-Sugeno(T-S)模型的模糊神经网络信息融合方法。针对实验室的运行环境,研究了机器人的避障策略。最后在移动机器人上进行了实物实验,验证了方法的可行性和有效性。
郭明强[2]2007年在《基于CCD和声纳传感器信息融合的移动机器人避障研究》文中提出多传感器信息融合技术是一门新兴的实践应用技术，具有广泛的应用领域。它为各领域的信息处理以及决策支持提供了可靠的手段，具有很高的研究价值以及应用潜力。本文以AS-R移动机器人为平台，从多传感器信息融合的角度出发，重点研究了该方法在移动机器人避障中的应用。主要研究内容如下：1．对信息融合技术进行了系统的研究，分析了多传感器信息融合技术在机器人领域中的应用。2．应用实验的方法，对超声波传感器的性能进行了测试；并对超声波传感器产生误差的原因进行了分析。3．根据物体的成像原理，提出了一种基于梯形区域的自底向上的障碍物边缘坐标提取的方法，该方法可以有效地排除干扰信息的影响，实现障碍物边缘信息提取的功能。4．建立了移动机器人的物理模型，研究了采用CCD摄像机和超声波传感器构成的移动机器人多传感器避障系统；针对移动机器人的运行环境，重点研究了移动机器人的避障策略。5．将基于T-S模型的模糊神经网络信息融合方法应用到移动机器人的避障中；最后，通过仿真实验验证了所提方法的可行性和有效性。
付志超[3]2010年在《基于信息融合技术的煤矿井下探测机器人检测系统研究》文中进行了进一步梳理多传感器信息融合技术是一门产生不久但却得到迅速发展的新兴技术,涉及了控制理论、信号处理、模糊逻辑、神经网络以及人工智能等众多学科,得到了广泛的应用,它为机器人在复杂未知的环境中工作提供了一种良好的解决途径。课题来自山西省科技攻关项目“煤矿井下搜救探测机器人技术与系统研究”,要求机器人在井下具备环境感知和自主工作能力。本文研究了煤矿井下探测机器人的检测系统,并采用信息融合技术,对机器人在井下未知复杂环境中的导航做了研究,重点针对机器人的自主避障问题,利用基于Takagi-Sugeno模型的模糊神经网络信息融合方法来实现探测机器人的避障问题。本文对多传感器信息融合技术做了重点研究,结合它在煤矿井下探测机器人导航中的应用进行了理论与实践上的探讨,主要研究工作如下:1、阐述了国内外煤矿探测机器人和信息融合技术的发展历程、现状和研究趋势。从总体上对信息融合技术做了介绍,分析了多传感器信息融合的基本原理、拓扑结构以及融合层次等重要问题,对机器人传感器数量以及种类的选择等问题进行了探讨。分析研究了机器人配备的各种传感器的基本原理及性能特点,在此基础上确定了传感器型号。2、分析了模糊逻辑和神经网络的基本原理和它们的几种常见结合方式,在此基础上,对模糊神经网络在信息融合技术中的应用进行了研究,并把基于T-S模型的模糊神经网络信息融合方法应用在煤矿井下探测机器人的自主避障中。3、根据煤矿井下探测机器人的特殊性及其要求,对本文机器人的结构以及硬件配置进行了总体设计。分析了机器人的几种控制体系,并提出了本文采用的机器人混合式控制体系。4、研究了煤矿井下探测机器人的检测系统,并对其进行了软硬件的设计。另外简单介绍了本文采用的路径规划方法以及对煤矿井下探测机器人的运动控制。5、对机器人的导航问题进行了分析,把基于T-S模型的模糊神经网络信息融合技术应用到煤矿井下探测机器人的自主避障中。建立了基于超声与红外传感器的信息融合系统,设计了机器人的避障模式和物理模型。在此基础上对机器人的避障进行了计算机仿真研究,以验证所用方法的可行性。
冯占军[4]2002年在《基于模糊神经网络的信息融合技术在移动机器人中的应用》文中研究表明近年来，移动机器人的应用越来越广泛，其应用中一个很重要的方向是实现自主导航和对各种障碍物的躲避。本文提出了将基于模糊神经网络的信息融合技术应用于移动机器人避障中，使其在具有静态和动态障碍物的动态环境中能无冲突的运行。为了实现自主式导航，本课题中采用了全球定位系统和光码盘定位系统实现移动机器人的自主定位，并通过多类外部传感器感知周围环境实现避障。 本论文在天津市自然科学基金“面向复杂任务的移动机器人系统技术研究”(课题编号：003601211)和河北省攻关计划“用于物料自动传输的自主车精确导航的研究”(课题编号：00547001D-18)两项基金的支持下，开展了基于模糊神经网络的信息融合技术在移动机器人自主导航中的应用研究，本论文的主要研究内容如下： 1．介绍了由本研究室自行研制的HEBUT-Ⅰ型移动机器人的车体结构并对驱动系统和运动学特性进行了分析。 2．分析和介绍了模糊神经网络的基本原理，提出了一种适用于移动机器人信息融合的模糊神经网络。该网络以前馈神经网络为基体，以模糊量作为网络的输入和输出，经过训练，网络完成对模糊控制规则的记忆，在此基础上实现移动机器人的智能导航。 3．介绍了全球定位系统(GPS)的组成和原理，绝对定位和相对定位的基本方程。探讨了移动机器人在局部坐标系中的定位方法，通过光码盘进行准确定位。 4．对上述理论进行实验验证，将基于模糊神经网络信息融合技术应用到本实验室的移动机器人中，通过实验可知，该方法有效可行，实现了机器人的无冲突运行。
范晓静[5]2008年在《基于多传感器信息融合的机器人避障和导航控制研究》文中提出随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络,但模糊逻辑缺乏自学习和自适应能力,神经网络则不适于表达基本规则的知识。在机器人避障和导航控制中,本文采用了基于T-S(Takagi-Sugeno)模型的模糊神经网络的多传感器信息融合算法,该算法融合了神经网络与模糊逻辑的优点,具有处理不确定信息的模糊推理能力和依据样本数据进行学习的能力,能较好的实现机器人在未知环境中的自主避障与导航。首先,本文深入的研究了多传感器信息融合技术,重点研究了模糊逻辑和T-S模糊神经网络这两种多传感器信息融合方法。然后,构造了移动机器人的传感器系统,利用超声波传感器和红外传感器提供未知环境中障碍物的信息,电子罗盘和GPS组成的定位系统提供机器人的位置和目标信息。最后,将模糊逻辑和T-S模糊神经网络这两种多传感器信息融合算法应用到机器人的避障和导航控制中,并对这两种控制方法进行了MATLAB仿真和比较。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,T-S模糊神经网络信息融合算法是优于模糊逻辑信息融合算法的。
房波[6]2007年在《割草机器人多传感器融合与导航技术的研究》文中认为随着经济的发展，城市绿化进程逐渐加快，草坪业也得到了迅猛发展，每年对城市草坪、足球场、高尔夫球场等公共绿地进行修剪和维护作业需要消耗掉大量的人力、物力和时间。使用传统割草机对草坪进行修剪时，产生巨大的噪声和废气不仅污染环境，而且会对从业人员的身心健康产生严重影响，因此有必要研制一种自动割草机器人，用于实现草坪修剪作业的自动化，将人们从高重复、枯燥、劳累的割草作业中解放出来。本文首先对国外市场上现有的自动割草机器人进行了介绍和比较，在总结国外自动割草机器人现有成果的基础之上，根据智能割草机器人的特点和发展方向，着重指出了在自动割草机器人研制过程中需要解决的多传感器融合技术、导航定位技术、避障控制技术以及路径规划等关键技术。其次，本文介绍了多传感器融合技术及其在移动机器人中的应用，并依据割草机器人的设计要求、割草机器人具体的工作环境以及市场价格等因素，选取合适的传感器并搭建传感器系统。不同于室内移动机器人，割草机器人工作在户外非结构化环境中。在整个工作区域内，割草机器人使用传感器来监测自身状态并感知周围环境，为其实现定位、地图建模、导航以及避障等任务提供来自外界情况和自身状态的实时信息和依据。由于割草机器人工作环境的复杂性和不确定性，单一种类的传感器不能完成上述任务。因此，本文设计了一种用于割草机器人导航避障的多传感器系统，该系统集成了超声波传感器、红外线传感器、温度传感器、碰撞传感器、编码器以及电子罗盘。然后，本文设计了一种多超声波传感器构成的割草机器人避障探测系统，并采用模糊神经网络算法来实现多超声波传感器信息融合。应用多个信息的互补性和冗余性来获得信息源的本质特征和准确状态，以减少或消除超声波传感器的不确定性，有效地提高了超声波传感器的测量精度，正确地反映障碍物的距离信息，为割草机器人避障提供了实时、准确的控制决策。最后，本文提出了一种基于多传感器融合的割草机器人地图建立及定位的方法，确定了采用基于多个超声波传感器信息融合方法的导航策略。仿真结果表明，本文设计的多传感器系统、多传感器融合方法以及该方法在割草机器人地图建立以及导航定位中应用的可行性和有效性。
杨鹃[7]2005年在《多传感器信息融合技术在移动机器人避障中的应用》文中认为多传感器信息融合技术是一门新兴的实践应用技术,有着广泛的应用领域,它为各领域的信息处理以及决策支持提供了可靠的手段,具有很高的研究价值以及应用潜力。本文针对未知环境下基于多传感器信息融合技术的移动机器人导航问题开展研究。移动机器人要实现在未知和不确定环境下自主的工作,应具有感受作业环境和规划自身动作的能力。本文从移动机器人避障的角度出发,采用基于Takagi-Sugeno(T-S)模型的模糊神经网络信息融合方法进行移动机器人的避障。本文以多传感器信息融合技术为研究重点,结合它在移动机器人导航中的应用进行了理论和实践上的探讨,本文所作的工作如下:1.阐述了信息融合技术的产生与发展,并且概括了当前信息融合技术的研究现状。通过介绍信息融合技术在移动机器人上的实际应用,概括了信息融合技术在移动机器人方面应用的未来的发展方向。同时通过对当前模糊神经网络信息融合方法应用的分析,将基于T-S 模型的模糊神经网络信息融合方法应用在移动机器人的避障中。2.对信息融合技术进行了系统的研究,论述了多传感器信息融合的基本概念和理论,并且针对信息融合中的拓扑结构、融合层次等问题进行了探讨。同时针对传感器的应用方面,论述了当前机器人的感觉系统,并且分别对传感器的数量、种类等问题进行了探讨。3.对机器人控制系统进行了研究,提出系统的控制目标。论述了当前存在的移动机器人控制体系,在此基础上提出了本文所要采用控制体系,并且设定了当前移动机器人的功能模块,以及移动机器人所要实现的运动。4.对模糊神经网络信息融合技术进行了简单的介绍,将基于T-S 模型的模糊神经网络信息融合方法应用到移动机器人避障中,并且设定了整个移动机器人的物理模型,以及当前移动机器人的用于信息融合的传感器。对当前移动机器人导航的环境类型以及导航方法进行了设定,并进行了仿真实验。
郑慧侠[8]2008年在《基于信息融合的移动机器人路径规划》文中指出路径规划是自主机器人导航的一个重要问题。信息融合技术作为一门新兴的实践应用技术,为各领域的信息处理以及决策支持提供了可靠的手段,也是实现机器人智能化的关键技术之一。本文针对基于信息融合技术的移动机器人路径规划问题展开研究,实现移动机器人在障碍物环境中从Home点出发无碰撞移动到目标点。研究问题涉及运动速度、偏转角度两个控制量的变化及运动控制、仿真实验及机器人实体实验。本文首先针对研究问题展开理论方面的概述,较详细的阐述了信息融合技术、定位技术和移动机器人路径规划技术。同时介绍了研究工作初级阶段基础测量实验成果和开发系统设置问题。在熟悉Pioner3-DX的基础上,进行了机器人基本行为避障的仿真实验和实体实验,并取得了满意的结果。路径规划研究中,采用基于行为的路径规划方法与局部路径规划方法相结合的方法。将基于Mamdani模型的模糊逻辑算法应用于移动机器人局部路径规划。首先设计了模糊控制器且在MATLAB中进行算法仿真,仿真结果表明了控制算法的有效性。在ARNL中进行定位与导航仿真,仿真结果表明机器人能够避开障碍物到达目的地。
杨小菊[9]2016年在《基于多传感器信息融合的移动机器人避障研究》文中指出随着科技水平的不断提高,传感器技术得到了突飞猛进的发展。多传感器信息融合技术逐步在军事与非军事领域得到了广泛运用。如今,信息融合已经成为十分热门的研究方向。此外,移动机器人技术是一个国家智能化的关键技术,已引起世界各国科研人员的高度关注。避障技术是移动机器人完成各种任务的重要保障,将多传感器信息融合技术运用于机器人避障系统,为提高机器人在复杂非结构环境中的避障准确性提供相应的理论基础和技术途径。本文重点研究多传感器信息融合技术,通过对人工神经网络、人工势场法等国内外多传感器信息融合的常用自主避障算法进行研究,分析了各融合算法的特点和在移动机器人领域的应用现状。发现模糊控制与神经网络是解决机器人非线性问题的有效工具,分别对模糊控制算法与T-S(Takagi-Sugeno)模糊神经网络算法进行一定的探讨与研究。经过对比发现模糊控制与神经网络两融合算法结合的优越性。在理论与实践上对该融合算法在机器人避障应用中进行了探索。首先搭建了移动机器人多传感器避障试验平台,针对机器人执行避障任务的特点,采用超声波与红外传感器获取未知环境的障碍物距离信息,电子罗盘实时获取机器人位置与目标方位角。将各个传感器提供的环境信息进行融合预处理,然后分别输入到模糊控制器与模糊神经网络控制器,通过Matlab仿真与实物的验证与对比,证明了移动机器人在未知环境中的避障精度和响应速度上,具有自学习功能的T-S模糊神经网络算法优于模糊控制算法。从理论与实践上验证了所提方法在移动机器人避障中的有效性与可行性。
王海静[10]2007年在《基于多传感器信息融合的码垛过程监控与故障诊断的研究》文中指出在自动化生产过程中,要用各种不同的传感器来监视或控制生产过程中的各个参数,使设备处于最佳工作状态,保证产品有最好的质量。但目前主要依靠内部传感器,例如各种位移、速度、压力等传感器,很少采用视觉等外部传感器。并且在对系统运行状态进行监控时,单一种传感器信息只能获得设备系统的部分信息段,反映设备系统运行状态的某一个侧面;并且如果传感器本身发生故障,系统并不能自行判断某个传感器失效并发出警报。为了全面地、综合地反映设备的真实运行状态并就故障给出相应的诊断信息,本文提出了将视觉和内部传感器信号感知信息融合监控诊断的方法,从而真实的反映设备运行状态,对设备故障做出科学、正确的分析与决策。对监控用内外传感器进行了选择和设置。重点对视觉跟踪中的采集信息进行了分析,采用点模式匹配的方法对目标进行跟踪,并设计了卡尔曼滤波器,对被跟踪目标的运动参数进行滤波预测,缩小了搜索区域,提高了系统的实时性和跟踪精度。分析了单独使用视觉或内部传感器进行系统监控的不足之处,在此基础上,针对码垛机器人的码垛过程、产品的安全性等要求,将多传感器信息融合技术应用到码垛系统中,并以信息融合技术的理论知识为基础,总结得到码垛系统的多传感器信息融合的基本原理图、所采用的结构形式以及信息融合故障检测方法。针对码垛机器人多传感器系统的特性和现场环境特点,总结出系统常见的故障类型,并采用模糊BP神经网络信息融合方法实现对码垛系统的故障监控和诊断。本文通过码垛系统的故障初始训练表形成了故障诊断理论样本,然后就码垛系统中的典型故障模式采用了模糊BP神经网络进行判断,仿真结果表明该方法是行之有效的。本文深入研究了基于多传感器信息融合的码垛过程故障监控与诊断的问题,当码垛过程发生故障时,该系统可以判断出故障原因并给出诊断结果,从而保证了系统运行的稳定性和可靠性。
参考文献：
[1]. 基于多传感器信息融合的移动机器人避障研究[D]. 吕漫丽. 东北电力大学. 2008
[2]. 基于CCD和声纳传感器信息融合的移动机器人避障研究[D]. 郭明强. 南京理工大学. 2007
[3]. 基于信息融合技术的煤矿井下探测机器人检测系统研究[D]. 付志超. 太原理工大学. 2010
[4]. 基于模糊神经网络的信息融合技术在移动机器人中的应用[D]. 冯占军. 河北工业大学. 2002
[5]. 基于多传感器信息融合的机器人避障和导航控制研究[D]. 范晓静. 沈阳理工大学. 2008
[6]. 割草机器人多传感器融合与导航技术的研究[D]. 房波. 大连理工大学. 2007
[7]. 多传感器信息融合技术在移动机器人避障中的应用[D]. 杨鹃. 哈尔滨理工大学. 2005
[8]. 基于信息融合的移动机器人路径规划[D]. 郑慧侠. 北京交通大学. 2008
[9]. 基于多传感器信息融合的移动机器人避障研究[D]. 杨小菊. 沈阳理工大学. 2016
[10]. 基于多传感器信息融合的码垛过程监控与故障诊断的研究[D]. 王海静. 河北工业大学. 2007
标签：自动化技术论文; 机器人论文; 信息融合论文; 超声波传感器论文; 模糊逻辑论文; 路径规划论文; 移动机器人论文; 模糊神经网络论文; 传感器技术论文; 码垛机器人论文; 机器人传感器论文; 模糊理论论文; 系统仿真论文; 模糊算法论文;