模糊神经网络信息融合方法在机器人避障中的应用

基于Takagi—Sugeno(T—S)模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点，又具有很好的学习能力。将基于T—S模型的模糊神经网络的信息融合算法应用在移动机器人的避障运动中，采用了多个超声测距传感器探测障碍物的距离和方向，经过模糊神经网络信息融合后，实现了机器人对障碍物和环境类型的识别以及无冲突的运动。实验表明：此方法能够使机器人安全避障。     

随机模糊神经网络在目标状态信息融合中的应用

提出了一种新的基于随机模糊神经网络的多传感器状态信息融合方法。研究和比较了基于单值模糊神经网络和基于随机模糊神经网络的雷达与红外传感器状态信息融合。仿真结果表明，当输入被噪声污染时，基于随机模糊神经网络的方法离线学习次数更少，能更有效地防止噪声的干扰，并且融合误差更小。     

模糊神经网络信息融合在管道机器人导航中的应用

考虑到石油管道的封闭性和复杂性,很难识别环境特征,将基于模糊神经网络的多传感器信息融合用于解决管道中管道机器人的导航问题。采用CCD摄像头和距离传感器来识别管道中的障碍物和弯道,并根据环境信息制定控制决策。建立了机器人物理模型和模糊神经网络拓扑结构,并对神经网络进行了学习训练。最后,对其中一种环境类型进行了仿真验证,证实了算法的有效性。     

基于模糊神经网络的特征信息融合

研究多传感器特征信息融合问题。基于自适应模糊神经网络,提出一种新的特征信息融合算法。仿真结果表明,该方法计算量小,具有较强的处理不确定信息的能力和多种理想的融合特性等特点。     

基于模糊神经网络的多移动机器人自学习协调系统

研究多移动机器人的运动规划问题．针对机器人模型 未知或不精确以及环境的动态变化,提出一种自学习模糊控制器（FLC）来进行准确的速度 跟踪．首先通过神经网络的学习训练构造FLC,再由再励学习算法来在线调节FLC的输出,以 校正机器人运动状态,实现安全协调避撞．     

基于信息融合的改进型模糊神经网络

结合模糊控制和神经网络的优点,采用模糊神经网络弥补数据融合算法中的不足;在此基础上提出一种新的模糊神经网络结构模型,分别以模糊化、模糊规则的组合和清晰化作为网络的学习算子,使神经网络与模糊控制的结合更加完善更加紧密;通过隐层构造和学习算子的推导发现,这种网络能很好的弥补数据融合算法的不足,并能进一步提高系统精度,且使计算量减少.     

模糊神经网络在指纹与手形信息融合技术中的应用

为解决脱皮、有伤痕等低质量指纹识别困难、识别率低及稳定性差问题。提出手形作为指纹识别的辅助手段,采用模糊神经网络的身份识别方法,将指纹和手形进行信息融合,通过仿真实验,表明此方法实用、有效,能提高系统的识别率及稳定性。可广泛应用于刑侦、金融等对安全有严格要求的领域。     

信息融合在移动机器人轨迹模糊跟踪中的应用

在机器人轨迹跟踪过程中,机器人自动跟踪的精度直接影响跟踪效果;以3自由度移动机器人为研究对象研究了机器人轨迹模糊跟踪系统,且在该系统中,采用多个传感器同时对移动机器人进行跟踪检测,并利用融合算法对其进行融合,将融合后的结果作为模糊控制器的输入;计算机仿真结果表明,在3自由度移动机器人轨迹跟踪中,采用多传感器信息融合是合理的、可行的;且可以减少跟踪过程中由传感器引起的误差对跟踪精度的影响,提高控制精度.     

两级传感器信息融合的移动机器人避障研究

针对移动机器人的避障问题,以AS-R移动机器人为研究平台,提出了一种将神经网络和模糊神经网络相结合的两级融合方法。采用BP神经网络对多超声波传感器信息进行融合,以减少传感器信息的不确定,提高对障碍物识别的准确率;采用模糊神经网络实现移动机器人的避障决策控制,使之更适合系统的避障要求。该方法使移动机器人在避障中具有较好的灵活性和鲁棒性。机器人避障实验验证了所提方法的有效性。     

多传感器信息融合在移动机器人上的应用

多传感器信息融合技术在科研领域已迅速发展起来 ,它包含了控制理论、信号处理、人工智能和数理统计等方面的知识。在机器人领域的应用越来越多 ,使得机器人更加智能化。文中对多传感器信息融合的方法进行了概括 ,并列举了近年来其在移动机器人领域的应用。最后展望了多传感器信息融合的发展     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

基于RBF网络的信息融合在机器人足球中的应用

机器人足球系统是综合性的人工智能研究平台。决策在机器人足球比赛中起着至关重要的作用。通过对机器人足球系统的分析,论证了信息融合应用于机器人足球系统的可行性。针对机器人足球比赛决策中的实际问题,提出了基于径向基函数(RBF)神经网络的信息融合方法,并设计了足球机器人射门实验。实验结果证明该方法有助于提高整个系统决策的准确性。     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

运用异质传感器信息融合的移动机器人自定位

采用单类、单一传感器很难获得移动机器人的准确定位.为此,运用异质传感器信息融合来提高定位精度.首先,建立机器人运动方程和CCD摄像机观测模型.然后,利用扩展卡尔曼滤波器进行状态估计,选择Q,R矩阵抑制系统的模型噪声和量测噪声,并实现移动机器人的自定位.接着,建立超声波传感器的观测模型,获得机器人的自定位信息.最后,运用BP神经网络,将两种自定位信息进行融合,实现两类传感器的优缺点互补.仿真实验表明,运用异质传感器信息融合能明显地提高移动机器人的自定位精度.     

移动机器人基于多传感器信息融合的室外场景理解

本文研究了移动机器人多传感器信息融合技术,提出一种融合激光测距与视觉信息的实时室外场景理解方法．基于三维激光测距数据构建了高程图描述场景地形特征,同时利用条件随机场模型从视觉信息中获取地貌特征,并以高程图中的栅格作为载体,应用投影变换和信息统计方法将激光信息与视觉信息进行有效融合．在此基础上,对融合后的环境模型分别在地形和地貌两个层面进行可通过性评估,从而实现自主移动机器人实时室外场景理解．实验结果和数据分析验证了所提方法的有效性和实用性．     

基于非线性函数的移动机器人模糊避障算法

根据模糊逻辑的特点,利用非线性函数对传统的模糊控制算法的隶属度函数进行了改进.通过MATLAB给出的仿真证明,在采用多传感器避障过程中,机器人不仅能成功避开障碍物达到目标所在位置,并且非线性函数隶属度函数优于传统隶属度函数.新算法使机器人的行进更加平滑、稳定且具有较高的实时性.