濾波器模塊，每一個(gè)模塊只處理某一個(gè)特定傳感器的信息。另外，還采用了一個(gè)“主濾波器”對(duì)來(lái)自所有局部濾波器的信息進(jìn)行融合。這種結(jié)構(gòu)明顯的優(yōu)勢(shì)在于：計(jì)算量平均分布在各個(gè)并行濾波器中，主濾波器的計(jì)算負(fù)擔(dān)不大；具備了多種冗余信息，可以通過(guò)適當(dāng)?shù)闹貥?gòu)算法設(shè)計(jì)提供強(qiáng)容錯(cuò)能力。
（2）產(chǎn)生式規(guī)則可以建立自然景象專家系統(tǒng)，根據(jù)多傳感器的檢測(cè)數(shù)據(jù)，使用符號(hào)來(lái)表示環(huán)境特征，這樣可以更全面的反映避障系統(tǒng)的周圍信息，為機(jī)器人的路徑規(guī)劃做準(zhǔn)備。
（3）模糊邏輯法方法是用某種模擬人類的思維習(xí)慣的模型系統(tǒng)地反映機(jī)器人避障系統(tǒng)中多傳感器數(shù)據(jù)融合過(guò)程的不確定性，并通過(guò)模糊推理來(lái)完成數(shù)據(jù)融合，得到預(yù)期的效果。
（4）人工神經(jīng)網(wǎng)絡(luò)法是一種仿效生物神經(jīng)系統(tǒng)的信息處理方法，是通過(guò)有教師或無(wú)師自學(xué)算法進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，一旦學(xué)習(xí)完成，該神經(jīng)網(wǎng)絡(luò)就能夠根據(jù)以網(wǎng)絡(luò)權(quán)矩陣和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)形式存儲(chǔ)的特征信息，基于此神經(jīng)網(wǎng)絡(luò)得到了一種進(jìn)行決策思維的模型結(jié)構(gòu)，通過(guò)綜合來(lái)自于系統(tǒng)各種不同傳感器的信息，從中抽取出單一傳感器無(wú)法提供的準(zhǔn)確可靠信息，這是在有環(huán)境交互的情況下處理多傳感器信息的一種十分有效的方法。
此方法應(yīng)用到機(jī)器人避障系統(tǒng)多傳感器信息處理中，主要通過(guò)傳感器在操作現(xiàn)場(chǎng)獲得環(huán)境信息，過(guò)濾和預(yù)處理模塊對(duì)傳感信息進(jìn)行修正和數(shù)字化，經(jīng)安全機(jī)制判斷后作為相應(yīng)神經(jīng)網(wǎng)絡(luò)融合處理器的輸入源，采用知識(shí)數(shù)據(jù)庫(kù)作為神經(jīng)網(wǎng)絡(luò)融合器的選型和知識(shí)來(lái)源的輔助決策工具，應(yīng)用程序接收融合結(jié)果，采取相應(yīng)的控制策略，并發(fā)送控制命令給機(jī)器人驅(qū)動(dòng)設(shè)備。這樣可以快速準(zhǔn)確地獲得盡可能多的實(shí)際操作現(xiàn)場(chǎng)的環(huán)境信息，從而有效地完成多傳感器
的信息處理。
2、傳感器信息處理
由于機(jī)器人避障系統(tǒng)中所用的傳感器種類和數(shù)量較多，信息處理較復(fù)雜。應(yīng)用在此系統(tǒng)的信號(hào)處理方法主要有小波分析法、神經(jīng)網(wǎng)絡(luò)法、遺傳算法、免疫算法。
（1）小波分析法
小波變換的基本思想是用一族小波基函數(shù)去表示或逼近——信號(hào)，很好地解決了時(shí)間和頻率分辨力的矛盾，適合于對(duì)時(shí)變信號(hào)進(jìn)行局部分析。
小波變換作為一種新的信號(hào)處理方法，近幾年，將小波分析應(yīng)用在機(jī)器人避障系統(tǒng)實(shí)時(shí)采集傳感器信號(hào)檢測(cè)分析中，通過(guò)對(duì)傳感器信號(hào)的多尺度分解，濾除被測(cè)傳感器信號(hào)中混入的噪聲成分，重構(gòu)真實(shí)信號(hào)，這樣可以有效提高機(jī)器人避障系統(tǒng)中采樣數(shù)據(jù)的可靠性，進(jìn)而可以提高避障系統(tǒng)的控制精度。另外它還有數(shù)據(jù)壓縮功能，對(duì)此系統(tǒng)大量的傳感信號(hào)進(jìn)行壓縮處理可以節(jié)省存儲(chǔ)空間，提高運(yùn)算速度。
（2）神經(jīng)網(wǎng)絡(luò)法
神經(jīng)網(wǎng)絡(luò)是一種不需要選取基函數(shù)系的非線性函數(shù)逼近方法。機(jī)器人避障系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)的高度非線性描述能力，并利用這一能力對(duì)此系統(tǒng)的多傳感器進(jìn)行建模，利用BP算法（誤差反向傳播算法），可以對(duì)傳感器輸出信號(hào)進(jìn)行濾波、除噪及傳感器的信號(hào)識(shí)別，從而使傳感器的輸出信號(hào)更精確反映外部環(huán)境信息，為機(jī)器人的路徑規(guī)劃算法做準(zhǔn)備。
這種方法的特點(diǎn)是：不需要機(jī)理方面的細(xì)節(jié)知識(shí)，避免了數(shù)學(xué)建模的不完備性；利用軟件實(shí)現(xiàn)傳感信號(hào)的處理，方便靈活，適用性強(qiáng)，免去了硬件電路。
（3）遺傳算法
遺傳算法是按照自然界“優(yōu)勝劣汰，適者生存”法則提出的一種全局優(yōu)化自適應(yīng)概率搜索算法。遺傳算法通過(guò)對(duì)當(dāng)前群體施加選擇、雜交、變異等一系列操作，產(chǎn)生出新一代的群體，并逐步使群體進(jìn)化到最優(yōu)解狀態(tài)。
遺傳算法被應(yīng)用于機(jī)器人避障系統(tǒng)的傳感信號(hào)處理中，首先在一個(gè)采樣周期內(nèi)將實(shí)際傳感器信號(hào)均勻采樣N次送入計(jì)算機(jī)，隨機(jī)選擇幾組數(shù)據(jù)作為初始群體。然后循環(huán)進(jìn)行選擇、雜交、變異三種操作，直到達(dá)到給定的要求電壓值為止。在機(jī)器人避障系統(tǒng)中，利用簡(jiǎn)單的放大電路和遺傳算法軟件可以在多傳感信號(hào)的情況下精確還原傳感信號(hào)，提高傳感器信息處理中的測(cè)量精度。
（4）免疫算法
免疫算法是一種基于模擬生物體的計(jì)算方法，該算法模擬免疫系統(tǒng)中抗體-抗原的相互作用，通過(guò)系統(tǒng)對(duì)抗原（輸入信號(hào)）的識(shí)別，抗體（標(biāo)樣信號(hào)）與抗原間親和力的調(diào)整，以及抗體對(duì)抗原的消除來(lái)實(shí)現(xiàn)數(shù)字信號(hào)處理。
近幾年來(lái)免疫算法也被應(yīng)用于機(jī)器人避障系統(tǒng)的傳感器信號(hào)處理中，該方法模擬免疫系統(tǒng)的作用機(jī)制，對(duì)此系統(tǒng)復(fù)雜、大量的傳感器信號(hào)進(jìn)行處理，可以得到重疊傳感器信號(hào)中起決定作用的單組傳感器信息，運(yùn)行速度快，從而可以減少計(jì)算機(jī)處理傳感器信息時(shí)間。
3、傳感器故障診斷
傳感器故障診斷的實(shí)施，能夠保證診斷系統(tǒng)獲取實(shí)時(shí)準(zhǔn)確的信息，避免因錯(cuò)誤信息造成的負(fù)效應(yīng)，保證數(shù)據(jù)的正確性，因此傳感器故障診斷是系統(tǒng)實(shí)時(shí)避障的重要保證。應(yīng)用在機(jī)器人避障系統(tǒng)傳感器故障診斷的方法主要有以下幾個(gè)方面：
（1）模糊診斷方法
模糊診斷方法就是以模糊數(shù)學(xué)為理論基礎(chǔ)，依據(jù)系統(tǒng)的傳感器的模糊狀態(tài)進(jìn)行狀態(tài)識(shí)別、推理并作出決策的一種故障診斷方法。
模糊故障診斷方法的優(yōu)點(diǎn)是能夠充分利用專家經(jīng)驗(yàn)，考慮了故障狀態(tài)及專家經(jīng)驗(yàn)的模糊性，使得診斷結(jié)果更為合理，同時(shí)模糊診斷計(jì)算量相對(duì)較小，診斷速度快，實(shí)時(shí)性好，便于在計(jì)算機(jī)上應(yīng)用，且準(zhǔn)確率也較高。經(jīng)常被國(guó)內(nèi)外學(xué)者應(yīng)用到機(jī)器人避障系統(tǒng)中，進(jìn)行傳感器輸出結(jié)果的診斷。但模糊故障診斷方法也有其不完善的方面，如隸屬函數(shù)的選取、各個(gè)診斷規(guī)則的運(yùn)用，至今并無(wú)同一原則，常依具體問(wèn)題而定。
（2）離散小波網(wǎng)絡(luò)法
離散小波網(wǎng)絡(luò)法是利用小波網(wǎng)絡(luò)來(lái)診斷避障系統(tǒng)中傳感器對(duì)象，當(dāng)傳感器對(duì)象沒(méi)有突變時(shí)，小波網(wǎng)絡(luò)的輸出與診斷避障系統(tǒng)中傳感器對(duì)象的輸出差值較小，當(dāng)傳感器有突變時(shí)，小波網(wǎng)絡(luò)的輸出與診斷避障系統(tǒng)中傳感器對(duì)象的輸出差值較大，據(jù)此可利用方差檢測(cè)出故障。該方法靈活度高，克服噪聲能力強(qiáng)，對(duì)輸入信號(hào)要求低，不需要對(duì)象的數(shù)學(xué)模型。缺點(diǎn)：在大尺度下，由于濾波器時(shí)域?qū)挾容^大，檢測(cè)時(shí)會(huì)有一定的延時(shí)。
（3）人工神經(jīng)網(wǎng)絡(luò)診斷法
人工神經(jīng)網(wǎng)絡(luò)法近年來(lái)被應(yīng)用于機(jī)器人避障系統(tǒng)中的傳感器故障診斷領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是一種并行處理機(jī)制的網(wǎng)絡(luò)，且它可以通過(guò)學(xué)習(xí)而獲得外界知識(shí)，知識(shí)分布存儲(chǔ)各個(gè)神經(jīng)元之間連接權(quán)值上，它可以完成輸入模式到輸出模式的復(fù)雜映射，具有容錯(cuò)能力強(qiáng)和運(yùn)行速度快的特點(diǎn)。
采用神經(jīng)網(wǎng)絡(luò)法進(jìn)行機(jī)器人避障系統(tǒng)的故障診斷的方法是①選擇系統(tǒng)中關(guān)鍵傳感器輸出作為神經(jīng)網(wǎng)絡(luò)的輸入變量，并規(guī)定網(wǎng)絡(luò)的輸出變量值；②選擇合適類型和結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)；③根據(jù)所選擇的輸入輸出信號(hào)的歷史數(shù)據(jù)，離線對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得網(wǎng)絡(luò)的權(quán)值或閥值；④在線將前面選擇的輸入輸出數(shù)據(jù)作用于網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出便可給出診斷結(jié)果。
該方法優(yōu)點(diǎn)是不需要準(zhǔn)確的數(shù)學(xué)模型，可以直接用過(guò)程數(shù)據(jù)來(lái)解決機(jī)器人避障系統(tǒng)故障診斷問(wèn)題。但是此方法還存在一些問(wèn)題，如網(wǎng)絡(luò)結(jié)構(gòu)如何選取等。此外，在診斷過(guò)程中，常常自學(xué)習(xí)，自診斷，因此如何將無(wú)導(dǎo)師訓(xùn)練算法引入到傳感器故障診斷領(lǐng)域，也是一直探討的方向。
四、結(jié)論（Conclusion）
智能多關(guān)節(jié)機(jī)器人的實(shí)時(shí)避障問(wèn)題，是現(xiàn)在機(jī)器人研究領(lǐng)域的重點(diǎn)和難點(diǎn)問(wèn)題。在避障過(guò)程中，常常會(huì)面臨無(wú)法預(yù)先知道、不可預(yù)測(cè)或動(dòng)態(tài)變化的環(huán)境。機(jī)器人感知環(huán)境的手段通常是不完備的，傳感器給出的數(shù)據(jù)是不完全、不連續(xù)、不可靠的，傳感器信息融合的算法還存在著諸多問(wèn)題。但由于傳感器技術(shù)的飛速發(fā)展以及神經(jīng)網(wǎng)絡(luò)、模糊控制理論等學(xué)科的深入研究，及傳感器信息處理方法的應(yīng)用，為避障問(wèn)題的最終解決提供了可能性，但是對(duì)于復(fù)雜的應(yīng)用，仍不能令人滿意，因此現(xiàn)存的問(wèn)題也正是該領(lǐng)域的研究方向。
（1）傳感器融合技術(shù)在近年來(lái)被引入到了機(jī)器人避障研究中，并已取得很好的成果，對(duì)于目前一些高精度的多關(guān)節(jié)機(jī)器人避障系統(tǒng)采用常規(guī)傳感器還很難滿足性能指標(biāo)，因而開發(fā)新型傳感器或按照一定融合策略構(gòu)造傳感器陣列以彌補(bǔ)單個(gè)傳感器的缺陷，將是重要的研究方向。
（2）人工智能可使機(jī)器人避障系統(tǒng)本身具有較好的柔性和可理解性，同時(shí)還能處理復(fù)雜的問(wèn)題，因而在未來(lái)的數(shù)據(jù)融合技術(shù)中利用人工智能的各種方法，以知識(shí)為基礎(chǔ)構(gòu)成多傳感器數(shù)據(jù)融合仍將是其研究趨勢(shì)之一。
（3）為了在實(shí)現(xiàn)機(jī)器人避障系統(tǒng)多傳感器數(shù)據(jù)融合，處理器結(jié)構(gòu)將朝并行體行結(jié)構(gòu)發(fā)展，包括傳感器功能的并行結(jié)構(gòu)和算法功能的并行結(jié)構(gòu)。
（4）在一個(gè)智能系統(tǒng)中，使用單一的智能控制方法往往不能取得滿意的效果，應(yīng)綜合采用常規(guī)控制方法和智能控制方法，才能夠取得良好效果。神經(jīng)網(wǎng)絡(luò)和模糊推理是避障研究中的兩個(gè)重要工具，但是神經(jīng)網(wǎng)絡(luò)樣本集的完整性研究尚未取得突破，將事件空間的每一點(diǎn)都作為網(wǎng)絡(luò)的學(xué)習(xí)樣本顯然是不可取的；模糊邏輯推理則側(cè)重于模糊規(guī)則的選取，但有些規(guī)則很難形式化描述，或者必須用大量的規(guī)則描述而增大運(yùn)算量，這樣就背離了模糊邏輯應(yīng)用的初衷，因此近年來(lái)提出了基于多組傳感器信息，利用神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)機(jī)器人對(duì)當(dāng)前感知環(huán)境的快速識(shí)別和分類，進(jìn)而利用模糊邏輯技術(shù)實(shí)現(xiàn)安全避障的新方法，它將是有潛力的研究方向。
（5）在集中式多傳感器系統(tǒng)研究時(shí)應(yīng)該將仿真技術(shù)和實(shí)時(shí)控制技術(shù)結(jié)合起來(lái)，建立集成開發(fā)環(huán)境來(lái)處理傳感器信號(hào)。對(duì)于分布式傳感器系統(tǒng)，應(yīng)尋求一種基于通訊的實(shí)現(xiàn)方法來(lái)處理傳感器信號(hào)，這是傳感器系統(tǒng)今后發(fā)展方向之一。
（6）機(jī)器人的避障系統(tǒng)愈高級(jí)，傳感器就愈多，信息處理愈復(fù)雜，會(huì)遇到多速率采樣問(wèn)題。但是現(xiàn)有成熟的計(jì)算機(jī)控制理論涉及的都是單速率采樣，即假定系統(tǒng)中所有A/D，D/A通道都以同樣的采樣速率工作。為填補(bǔ)此項(xiàng)空白，就很有必要研究多速率采樣控制系統(tǒng)的建模，分析及設(shè)計(jì)方法。所以，機(jī)器人多傳感器多速率采樣控制系統(tǒng)研究是傳感器系統(tǒng)今后發(fā)展方向之一。
（7）多關(guān)節(jié)機(jī)器人避障系統(tǒng)是一個(gè)復(fù)雜的智能系統(tǒng)。因而在實(shí)際應(yīng)用中，必須綜合考慮各種功能，這是一個(gè)涉及機(jī)械、電子、計(jì)算機(jī)、自動(dòng)化、物理學(xué)等多學(xué)科的跨學(xué)科課題，任何新技術(shù)的出現(xiàn)都可能對(duì)該領(lǐng)域的研究帶來(lái)突破性進(jìn)展，因而在機(jī)器人研究的同時(shí)，必須密切關(guān)注相關(guān)學(xué)科的發(fā)展。
