张素芹

（西安工业大学 理学院，西安710021）

随着智能机器人的研究和计算机技术的发展，将信息融合技术应用在智能移动机器人，已经发展到一定水平．智能机器人就是通过各类型传感器获取大量信息来决策的，如何有效快速处理从传感器接收到的信息显得尤为重要，目前常用的方法是信息融合处理技术．经过融合技术处理后的信息将直接决定机器人能否准确、及时地获得并解析它周围的环境信息，机器人通过使用融合处理过后的信息，才能独立的完成决策．

机器人在不同的环境中进行导航和避障时选择的算法不同，避障算法分为传统算法和智能算法，传统算法中有可视图法、栅格法、自由空间法、拓扑法及人工势场法等，文献［1］对这些方法做了详细的阐述，智能算法主要有模糊控制法［2-3］和神经网络法［4-5］．目前信息融合领域在大量应用误差后向传播（Back Propagation，BP）神经网络．文献［6］采用Hopfield神经网络通过使用模糊神经元的方法进行路径规划和避障；文献［7］通过使用神经网络进行避障的同时与混合智能系统（Hybrid Intelligent Systems，HIS）相连接，可以使移动机器人的认知决策避障的能力和人相近；文献［8］在得到移动机器人和障碍物之间距离和角度信息后，采用4层神经网络设计控制器，在解决移动机器人避障时间和避障效率上有较好的效果；文献［9］采用生物激励神经网络的方法解决非静态环境下动态避障问题．信息融合神经网络算法具有良好的容错能力、适应……