信息融合技术在智能移动机器人导航中的应用

摘要

信息融合技术研究如何有效的利用更多的信息,通过降低信息的模糊性与不全面性,实现对客观对象有效的认识与描述,最终给出正确的决策。融合多个传感器所测量到的信息能够有效的解决智能移动机器人在复杂、未知、动态环境中的导航问题。但是针对不同的机器人控制系统与特定的环境,选取的信息融合算法也不尽相同。由于每个信息融合算法都有固有的缺点,到目前为止还没有一种融合算法能适合于所有的机器人控制系统及运行环境,因此对信息融合算法的改进有待于我们进一步的研究。
　　本文以信息融合算法中的神经网络与模糊逻辑算法作为重点研究对象,以对算法做出改进优化应用于机器人导航中作为主要研究目的。针对BP神经网络权值调节收敛比较慢的问题,通过使用学习率的调节因子,在训练过程中自适应的调节学习率的大小,减少训练时间。设计两级 BP神经网络系统模型用于对障碍物类型的识别,把信息融合的过程分成特征层的融合与决策层的融合,提高了系统的鲁棒性与灵活性。仿真结果表明该模型能够有效的识别障碍物的类型并且权值调节收敛速度快。
　　本文结合了神经网络与模糊逻辑算法的优点,构建一种模糊神经网络控制模型实现智能移动机器人在未知环境中的实时导航。使用神经网络学习算法调节隶属函数的参数;设计一种学习算法用于自动减少冗余的模糊规则;采用状态存储方案解决机器人导航中的“死区”问题。通过软件仿真验证该模型的有效性。

目录

信息融合技术在智能移动机器人导航中的 应用

INFORMATION FUSION TECHNOLOGY USED IN THE INTELLIGENT MOBILE ROBOT NAVIGATION

摘 要

Abstract

目 录

第1章 绪 论

1.1 课题的来源及研究意义

1.2 智能移动机器人的国内外研究现状

1.2.1 智能移动机器人及关键技术

1.2.2 信息融合技术

1.3 本文的研究内容与结构

第2章 信息融合的基本理论

2.1 信息融合的基本内容

2.1.1 传感器的建模

2.1.2 信息融合的分类

2.2 信息融合的算法及原理

2.2.1 模糊逻辑法

2.2.2 神经网络法

2.3 本章小结

第3章 BP神经网络信息融合算法的应用

3.1 引言

3.2 BP神经网络的控制方案

3.2.1 传感器的选择

3.2.2 BP神经网络算法的改进

3.2.3 两级BP神经网络信息融合的系统结构

3.3 仿真实验

3.4 本章小结

第4章 模糊神经网络信息融合算法的应用

4.1 引言

4.2 模糊神经网络的控制方案

4.2.1 模糊神经网络的控制体系结构

4.2.2 基于模糊逻辑控制器的具体设计

4.2.3 变量与参数的物理意义

4.2.4 调节模型参数的算法

4.2.5 减少冗余规则的算法

4.2.6 状态存储方案

4.3 仿真实验

4.3.1 调节模型参数

4.3.2 减少冗余的规则

4.3.3 状态存储方案的有效性

4.3.4 复杂静态环境中的仿真

4.4 本章小结

结 论

参考文献

哈尔滨工业大学学位论文原创性声明及使用授权说明

致 谢