多传感器信息融合技术及其在移动机器人方面的应用

论文摘要

信息融合技术是研究如何有效地综合利用多传感器信息,克服信息的不完备性和不确定性,更加准确、全面地认识和描述被测对象,从而做出正确的判断和决策,近年来己成为研究的热点。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。本文介绍了信息融合技术和神经计算的理论基础、研究现状以及发展方向,讨论了神经计算在信息融合中的应用问题以及相关算法。文中主要论述了多传感器信息融合的BP网络方法及其改进算法,以及MATLAB中BP网络的训练算法,并对其在机器人领域的应用进行了介绍。神经网络在经历了几十年的曲折发展后,在信息科学领域等许多应用方面己显示出了巨大潜力和广阔的应用前景。利用多传感器信息融合技术中的神经网络方法将视觉与超声波传感器的信息进行融合,并在MATLAB软件平台上通过仿真验证了融合算法的可行性和有效性。仿真结果表明此方法可以实现移动机器人在障碍物环境下的智能导航。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 机器人技术
• 1.3 多传感器信息融合在移动机器人中的应用研究现状
• 1.4 本文主要研究内容
• 第2章 多传感器信息融合技术基础
• 2.1 引言
• 2.1.1 信息融合的基本原理
• 2.1.2 多传感器信息融合和单传感器处理
• 2.2 多传感器信息融合的基本内容
• 2.2.1 多传感器信息融合的几个关键问题
• 2.2.2 多传感器信息融合的基本模型
• 2.2.3 多传感器信息融合的融合结构
• 2.2.4 多传感器信息融合的主要方法
• 第3章 基于人工神经网络的信息融合
• 3.1 人工神经网络简介
• 3.1.1 人工神经元模型
• 3.1.2 人工神经网络的特点
• 3.1.3 神经网络模型
• 3.1.4 神经网络的学习方法
• 3.2 BP网络
• 3.2.1 BP算法
• 3.2.2 BP网络的训练算法及改进
• 3.2.3 Matlab中 BP网络的训练算法
• 第4章 神经网络技术在移动机器人中的应用
• 4.1 机器人上用的传感器介绍
• 4.1.1 传感器的分类
• 4.1.2 传感器的指标
• 4.1.3 常用传感器的介绍
• 4.2 信息融合方法在机器人避障中的应用
• 4.2.1 机器人避开障碍物的主要步骤
• 4.2.2 利用神经网络方法进行视觉信息和听觉信息的融合
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 攻读硕士学位期间的研究成果
• 致谢
• 参考文献
• 附录