机器人多超声波传感器数据融合技术研究-大连理工

《机器人多超声波传感器数据融合技术研究-大连理工》由会员分享，可在线阅读，更多相关《机器人多超声波传感器数据融合技术研究-大连理工（69页珍藏版）》请在素问文库上搜索。

1、大连理工大学硕士学位论文机器人多超声波传感器数据融合技术研究姓名：孙锐申请学位级别：硕士专业：机械电子工程指导教师：王殿龙20061201大连理工大学硕士学位论文摘 要可移动机器人的迅速发展，扩大了它在各个行业的应用，其工作的空间和环境也目益复杂。为了实现机器人在非结构化环境中安全、自主地完成各项任务，必须获得外界环境准确、统一的信息描述。单一的传感器在获取信息上的诸多缺点限制了机器人更高层控制系统决策和判断的准确性，因此在机器人中应用多个传感器，采用信息融合技术进行多传感器信息处理，是赋予机器人更高职能的关键技术之一。多传感器信息融合(又称多传感器数据融合)是传感器技术、模式识别、人工智能、

2、模糊理论、概率统计等学科相交叉的一门新兴学科，它研究如何充分发挥各个传感器的特点，利用其互补性、冗余性，提高铡量信息的精度和可靠性，获得更加准确的识别、判断和决策。这是智能理论的重要研究领域之一。本文以多传感器信息融合技术为研究重点，结合它在可移动机器人中的应用进行了理论和实践上的探讨，所作的主要工作如下：1讨论了数据融合技术定义的功能性描述和数据融合的目的，接着研究了融合的三种层次包括数据级融合、特征级融合、决策级融合，以图解方式说明了融合系统的模型结构。然后探讨了一些较成熟的多传感器的融合算法并对其进行了比较。2通过对BP神经网络的深入研究和探讨，得到了如何对BP网络的各项参数进行最优设置

3、。在所设计的网络中，创建了三层的神经网络，应用前面得出的结论，恰当地选取了训练误差、学习步长、隐层节点数、并对学习样本进行初始化处理等。通过仿真表明，该网络可快速达到收敛并满足训练目标。这些对神经网络的创建和训练都有着指导性的意义。3讨论了超声波传感器的测量误差，并根据测量数据设计了机器人的多传感器系统；设计了基于模糊神经网络的多传感器信息融合，提出了一种简单、有效的分区算法，将其成功地用于传感器数据初步融合，确定了障碍物的距离和方位。并采用BP神经网络对障碍物环境分类，成功地利用BP神经网络算法迸行了模式识别，为移动机器人的导航和避障打下了基础。关键词：机器人：多超声波传感器；数据融合；模糊

4、神经网络机器人多超声波传感器数据融合技术研究Research on the Data Fusion Technology of Multi-ultrasonicsensoronRobotAbstractIn rent years，intelligent robots play great roles in all kinds of fields and theirworkspace become more and more complicatedTo increase the capability of intelligentsystems，multiple$eBsors are used t

5、o combine redundant，complement and relatedinformation from associated databases，to achieve improved accuracy and more specificinferences than that could be achieved by using of a single sensor aloneMultisensor basedrobot system Call overcome many di砸culties of uncertain models and unknown environmen

6、tswhich limit the domain ofapplication ofcurrent intelligent robot，Multi-sensor fusion refers to any stage in the integration process where there is衄actualcombination of different sources of sensory information into one representation formatDatafusion collects the uew techniques ofsensors，pattern re

7、cognition，control theory and artificialintelligence and has been applied to military and non-military fieldsnlis paper introduced the orion and basic theory ofmultisensor fusion，given functionalitydefinition ofmulti-sensor fusion,，presented three arrangements ofmultisensor fusion：fusionofdata；fusion

8、 ofcharacter)fusion ofdecisionRecommended model offusion system andbasic arithmetic ofmultisensor fusion are discussedBy means of studying the BP neutral network，the paper discusses how to intercalatediversified parameters of BP neutral network prepreereneed。It set up a neutral network ofthree layer

9、s，based on the theories above，choose correctly lraining aEror，learning speed，thenumber ofconnotative layer nodeetcThe paper indicates that the BP network can satisfy thegoal and error ofrequest and caIl reach constringency quicklyThese are very signifieative toestablish and train neutranetwork，TlliS

10、 paper discusses the measure error of ul临onic Sensordesign multisensors fusionsystem ofrobot based on measuring dataA kind of subagea arithmetic has been put forwardwhich is very simply and e伍cientlyand has been used for initial fusion of sensorsuccessfully to eRsure the distance and direction ofobs

11、tacleThe method to establish and traina neutral network has been presented which Can be used to enviroument class卫le system Canfigure out the distance and direction of barrier and call identify the environmental modelsuccessfullyKeywords：Robot；Multi-ultrasonicsensor；Data fusion；Fuzzy neural networks

12、II独创性说明作者郑重声明；本硕士学位论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。大连理工大学硕士研究生学位论文大连理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的

13、全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。作者签名：圣丝翩签名：型超么年卫月上日大连理工大学硕士学位论文1绪 论11引言多传感器信息融合(Multisemor Information Fusion,MIF)这一概念是20世纪70年代提出来的，当时并未引起人们足够的重视。近年来，随着科学技术的迅猛发展，军事工业领域中不断征战的复杂度使得军事指挥人员或工业控制环境面临数据频扔、信息超载的问题，这就需要新的技术途径对过多的信息进行消化、解释和评估，于是多传感器信息融合技术就受到了军事以及非军事领域的密切关注【l】。近20年来，随着各种先进武器系统的出

14、现与发展，世界各国都在发展或完善自己的C3I(Communication,Contxol。Intelligence)系统，以完成制定的战略和战术任务。C3I系统如何利用各类传感器所收集的大量信息和情报进行分析、处理、综合，做出正确的决策，就成了数据处理的一个新的和重要的分支，即多传感器信息融合【2】，同时，信息融合也被称为数据融合。12本课题研究背景在未来作战中，信息变化莫测，瞬息万变。当整个空间布满各种敌我信号源时，任何个体的传感器都是局部的，局部的信息都是充满了不精确、不完整、不一致、不可靠甚至矛盾的因素。信息的迅速变化及信息量的迅速增加，使传感器利用目标某些特征探测、分类及识别等出现了局

15、限性，另外敌人的有意干扰、迷惑甚至破坏，使得信息的欺骗性加强。由于未来信息的多源化，以及信息途径的多样化，加上高强度的电子对抗和大量隐身目标的存在，单个传感器无法完整地掌握态势情况为了完整掌握战场态势，就必须使本地多传感器或者异地的多传感器协同工作，把全部信息融合到一起，才能得到相对真实、确定的信息，这就需要多源信息融合系统。为此，一个新兴的学科一多传感器信息融合便迅速发展起来，并在现代c3I(指挥、控制、通信与情报)系统中和各种武器平台上以及许多民事领域得到了广泛的应用信息融合是关于协同利用多传感器数据信息，涉及多元信息检测、相关、估计和综合并获取目标状态和特征估计以及态势和威胁评价的一种多

16、级自动智能信息处理过程。主要利用计算机技术对按时序获得的目标的多源信息在一定准则下加以分析和综合，以完成所需的决策和控制任务。它集信号处理、统计、人工智能、模式识剐、认知科学、计算机科学及信息论等技术于一体，通过对各种传感器采集得到的各种各样的、大量的信息进行多层次的、多界面的检测、相关、估计和综合等处理，从而最大限度地获得观测目标的状态、特征等信息，进而产生有意义的新的信息，而这一新信息是任何单一传感器所无法获得的。机器人多超声波传感器数据融合技术研究信息融合得以成为目前研究的热点，是实际需要和巨大的应用前景所决定的。从大量文献上可以看出，利用多传感器信息融合，可以获得许多潜在的好处。由于各

17、个传感器信息在时间和空间上的冗余性和互补性，可以扩展系统时间、空间及频率覆盖范围、避免单传感器工作盲区，提高信息收集率和更新率。同类多源测量信息的融合能提高系统的工作性能指标，不同类型传感器获得目标、事件的多侧面属性信息，能提高结论的可信度、增加系统的容错能力。传统的有关目标状态和属性的信息处理多半是围绕着单个特定传感器所获得的数据而进行的，例如处理来自雷达、红外、激光、声、电视、敌我识别、电子情报等传感器的数据确定目标的状态和属性；而有关目标行为、态势评估、威胁度分析等高层次的处理则是由人来完成的。因为这些高层次的信息处理本身包含着对来自各种传感器数据资源的综合处理。应该说，多传感器的信息融

18、合处理是人类和生物界信息处理和推断的基本功能。这种思想除了用于高层次的信息处理之外，也可在诸如目标状态估计、属性分类等低层次的信息处理中进行【3J。与传统的围绕着单个特定传感器所获得的信息集而进行的信息处理比较，多传感器信息融合在解决目标检测、跟踪和识别问题方面都具有很多的好处：1扩展了空间覆盖和时间覆盖的范围：通过作用区域及观测时间交叠覆盖的多个传感器的协同作用，扩展了空间和时间覆盖范围，一种传感器可以探测到其它传感器探测不到的地方或其它传感器不能顾及的事件或目标：2增加测量空间的维数：3降低了目标的模糊度：多传感器的联合信息丰富了且标的信息资源，降低了只有单一传感器带来的目标信息的模糊性；

19、4提高了信号的空间分辨率：多传感器的联合孔径可以获得比任何单一传感器更高的分辨率：5提高系统可靠性与可信度：一种或多种传感器对同一目标、事件从不同的侧面加以确认，从而提高了探测的可靠性和可信度：6具有鲁棒性的工作性能：若干传感器不能利用或受到干扰，或某个别目标、事件不在覆盖范围内时，总会有一种传感器可以提供信息川。信息融合理论的出现和在实际中的应用，尤其在军事领域中，对大量来源于不同传感器的多源信息进行信号和目标的检测、关联、目标状态的估计和目标跟踪、目标识别和判别、战场环境的态势分析和威胁评价、传感器管理和数据库等方面有着重要意义。虽然信息融合的应用研究己相当广泛，但是，信息融合问题本质未形

20、成基本的理论框架和有效的广义模型及算法。其绝大部分工作都是针对特定的应用领域内的问题来开大连理工大学硕士学位论文展研究，也就是说，目前对信息融合问题的研究是根据问题的种类，各自建立直观认识原理，并在此基础上形成所谓的最佳融合方案。如典型的分布式检测融合，己从理论上解决了最佳融合准则、最优局部决策准则和局部决策门限的最优协调方法，并给出了响应的算法但这些研究反映的只是信息融合所固有的面向对象的特点，也难以构成信息融合这门独立学科所必须的完整理论体系。正因为如此，阻碍了研究者对信息融合本身的深入认识，也使得信息融合在某种程度上仅被看成是一种多传感器信息处理概念。人们无法面对信息融合做出综合分析和评

21、估，使得融合系统的设计带有一定的盲目性。就己经建成的信息融合系统来看，仅仅是一种简单的方法合成信息，还没有充分有效地利用多传感器所提供的冗余信息，而且许多信息融合的研究工作仍属于试探性或仿真性的。同时，信息融合也可借鉴其它领域的很多技术，如人工智能技术、计算神经网络技术等。因此，目前在信息融合具体方法的研究也还处于初级阶段。在机器人领域中，移动机器人以其广阔的应用前景正越来越受到人们的关注，尤其是可自主移动机器入。无论是在太空，或是在海洋，还是在陆地，机器人可以将人类从繁重的任务中解脱出来，如在核污染等恶劣环境下完成某些检测任务，在战场上执行占地巡逻，敌情侦察等任务。为了使机器人可靠地工作，必

22、须对机器人的位置、速度、姿态等进行测量和控制另外，还要了解操作对象所处的环境。从机器人内部和外部获取有用的信息，对提高机器人的运动效率和工作效率，节省能源，防止危险都是非常重要的因此，在移动机器人检测系统中采用基于多传感器的数据融合能获得更全面、更可靠、更精确的信息，具有重要的实际意义和广阔的应用前景。13数据融合技术研究的历史与现状国外对数据融合技术的研究起步较早。早在1973年，美国研究机构就在国防部的资助下，开展了声纳信号系统的研究从那以后，信息融合技术便迅速发展起来，不仅在各种C3I系统中尽可能采用多个传感器来收集信息，而且在工业控制、机器人、空中交通管制、海洋监视、中和导航、和管理等

23、领域也在朝着多传感器的方向发展。20世纪70年代末，在公开出版的技术文献中开始出现基于多传感器信息融合一词。20世纪80年代，传感器技术的飞速发展和传感器投资的大量增加，使得军事系统中的传感器数量急剧增加。超远程武器的出现和发展，从根本上改交了C3I系统的信息处理方式，提高了指挥人员对敌我武器系统的超远程能力的认识，开阔了视野，因而需求更多的信息和数据。为此，信息融合的研究工作成了军工生产和高技术开发等多方面所关心的问题，而I战场的信息融合技术更受到重视。1988年，美国国防部把信息融合技术列为90年代重点研究开发的二十项关键技术之一，且列为最优先发展的A类。美国三军政府组机器人多超声波传感器

24、数据融合技术研究织一实验室理事联席会(JDL)下设的C3技术委员会(TPC3)专门成立了信息融合专家组来组织和指导有关的工作。在学术方面，从1987年起，美国三军每年召开一次信息融合学术会议，并通过SPIE传感器融合专集、IEEE、TramOn AES、AC等发表有关论著。与此同时IEEE系统和控制论会议、IEEE航空航天与电子系统会议、IEEE自动控制会议、IEEE指挥、控制、通信和信息管理系统(C3MIS)会议、国际军事运筹学会议、国际雷达、控制与判决、信号处理等会议也不时地报道信息融合领域的最新研究和应用开发成果。为了进行广泛的国际交流，1998年成立了国际信息融合学会(Internat

25、ional Society ofInformation Fusion简称ISIF)，总部设在美国，每年举行一次信息融合国际学术大会，作为对该领域研究成果的系统总结。1985年以来，国外先后出版了10余部有关信息融合方法的专著。其中，Linas与Waltz的专著多传感器和Hall的专著雷达数据处理，Blackman的多目标跟踪及在雷达中的应用,Bar-Shalom等人的跟踪与数据关联与多目标多传感器跟踪原理与技术，和由Bar-Shalom主编的连续出版物多传感器多目标跟踪方法与进展则综合报道了信息融合在多目标跟踪领域的新思想、新方法和新进展。从20世纪80年代以来，美国三军总部对应用信息融合的战

26、术和战略监视系统一直给予高度的重视。美国国防部从海湾战争中实际体会到了信息融合技术的巨大潜力。因此，在海湾战争结束后，更加重视信息自动综合处理技术的研究，并将通信局改为信息局，在C3I中增加了计算机，建立以信息融合中心为核心的C3一。到1999年为止的财政年度中，每年用与信息融合技术研究的费用达一亿美元之多。巨大的人力、物力和财力的投入，已在1999年科索沃战争中发挥了重大的作用。国内关于信息融合技术的研究起步相对较晚。20世纪80年代初，人们开始从事多目标跟踪技术研究，到了80年代才开始出现有关多传感器信息融合技术研究的报道。当时，人们对它的含义有着不同的理解，主要的说法有：数据合成，数据汇

27、编，数据汇集，数据综合，数据融合等嘲；20世纪90年代初，这一领域在国内才逐渐形成高潮。在政府、军方和各种基金部门的资助下，国内一批高校和研究所开始从事这一研究工作，出现了一大批研究人员及研究成果。与此同时，信息融合领域的学术专著和译著出版，其中有代表性的专著有董志荣和申兰的综合指挥系统情报中心的主要算法一多目标密集环境下的航迹处理方法、周宏仁、敬忠良和王德培的机动目标跟踪、杨靖宇的战场信息融合技术，敬忠良的神经网络跟踪理论及应用等。有代表性的译著有：赵宗贵等人的多传感器信息融合和数据融合方法概论、张兰秀等人的跟踪和数据关联与水下信号和数据处理等。20世纪90年代中期，信息融合技术在国内已发展

28、成为多方关注的关键技术，出现了许多热门研究方向，许多学者致力于机动目标跟踪、分布检测融合、多传感器综合跟踪与定位、分布信息融合、目标识别与决策信息大连理工大学硕士学位论文融合、态势评估与威胁估计等领域的理论及应用研究，相继出现了一批多目标跟踪系统和有初步综合能力的多传感器信息融合系统。目前新一代舰载、机载、弹载和各种c3i系统正在向多传感器信息融合方向发展，预计2l世纪初将有一批多传感器信息融合系统投入使用。14论文主要的研究内容本文主要研究内容包括：1讲述了数据融合技术的起源与基本原理，给出了数据融合技术定义的功能性描述和数据融合的目的，接着研究了融合的三种层次包括数据级融合、特征级融合、决

29、策级融合，以图解方式说明了融合系统的模型结构。然后探讨了一些较成熟的多传感器的融合算法并对其进行了比较。最后介绍了数据融合技术的应用、存在问题及研究方向。2通过对BP神经网络的深入研究和探讨，得到了如何对BP网络的各项参数进行最优设置。在所设计的网络中，创建了三层的神经网络，应用前面得出的结论，恰当地选取TN练误差、学习步长、隐层节点数、并对学习样本进行初始化处理等。通过仿真表明，该网络可快速达到收敛并满足训练目标。这些对神经网络的创建和硼练都有着指导性的意义。3在介绍机器人超声传感器系统的基础上，对多传感器信息融合进行了研究，设计了基于模糊神经网络的多传感器信息融合，提出了一种简单、有效的分区算法成功地用于传感器数据初步融合，确定了障碍物的距离和方位，并采用BP神经网络对障碍物环境分类，成功地利用LM优化算法进行了模式识别，为可移动机器入的避障和导航的研究打下了基础。