基于多传感器信息融合的机器人避障和导航控制研究

论文摘要

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。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的意义
• 1.2 多传感器信息融合技术的研究现状及发展方向
• 1.3 多传感器信息融合技术在移动机器人领域中的应用
• 1.4 本文的主要内容
• 第2章 多传感器信息融合技术
• 2.1 多传感器信息融合的基本原理
• 2.2 多传感器信息融合技术的基本内容
• 2.2.1 多传感器信息融合系统的功能模型
• 2.2.2 多传感器信息融合系统的拓扑结构
• 2.2.3 多传感器信息融合的层次
• 2.3 多传感器信息融合的一般方法
• 2.4 本章小结
• 第3章 模糊逻辑和模糊神经网络信息融合算法
• 3.1 模糊逻辑理论
• 3.1.1 模糊逻辑理论的基本概念
• 3.1.2 模糊逻辑规则
• 3.2 模糊控制的基本原理
• 3.2.1 模糊控制器的基本结构和组成
• 3.2.2 模糊化运算
• 3.2.3 数据库
• 3.2.4 规则库
• 3.2.5 模糊推理与清晰化计算
• 3.3 模糊神经网络信息融合算法
• 3.3.1 模糊逻辑推理与神经网络的融合
• 3.3.2 基于Takagi-Sugeno 模型的模糊神经网络
• 3.4 本章小结
• 第4章 移动机器人的传感器系统构建
• 4.1 移动机器人实时避障传感器
• 4.1.1 无源式避障传感器
• 4.1.2 有源式避障传感器
• 4.2 移动机器人导航传感器
• 4.3 移动机器人的传感器系统构建
• 4.3.1 超声波传感器
• 4.3.2 红外传感器
• 4.3.3 电子罗盘
• 4.3.4 GPS 模块
• 4.4 本章小结
• 第5章 基于多传感器信息融合的移动机器人避障和导航控制
• 5.1 移动机器人的环境感知和分类
• 5.2 基于模糊逻辑信息融合算法的避障和导航控制
• 5.2.1 模糊控制器的输入和输出变量
• 5.2.2 变量的模糊化
• 5.2.3 模糊控制规则库
• 5.2.4 基于MATLAB 的仿真实验研究
• 5.3 基于T-S 模糊神经网络信息融合算法的避障和导航控制
• 5.3.1 机器人避障和导航控制的T-S 模糊神经网络信息融合算法
• 5.3.2 基于MATLAB 的仿真实验研究
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢
• 详细摘要