随着移动机器人在工业生产和日常生活中的广泛应用,人们对其安全性的要求也越来越高。移动机器人在未知环境下移动会遇到各种各样的障碍物,如何快速有效地识别并躲避这些障碍物完成既定的任务,一直是自主移动机器人领域的研究热点。单一的传感器往往会有实际应用的局限性,多传感器信息融合技术的迅猛发展提供了一种解决途径。如今,信息融合技术已经引起世界各国科研人员的广泛关注。将多传感器信息融合技术运用在移动机器人避障任务中,机器人便能够获取环境的冗余信息、互补信息,信息的可靠程度和实时程度都得到了巨大的提高。因此本文以自行研制的移动机器人为平台,针对多传感器信息融合技术在移动机器人避障问题中的应用展开研究。主要研究内容如下:(1)通过对机器人避障需求的分析,设计了移动机器人避障系统的总体方案,设计了多传感器系统和信息融合方案。(2)通过对超声测距会出现的串扰问题进行分析,提出了一种基于2PSK调制的超声测距方法,消除了串扰,提高了测距精度。(3)研究了扩展卡尔曼滤波算法(Extended Kalman Filter,EKF),设计了一种基于EKF的数据融合定位算法,融合了惯性传感器、编码器、光电鼠标传感器的数据进行定位,并通过实验测试,验证了定位的精度和算法的有效性。(4)研究了模糊神经网络算法,将基于EKF的模糊神经网络算法应用在避障系统中,并引入稀疏自动编码器将多种传感器得到的高维数据进行降维提取特征,解决了模糊神经网络在训练的过程中容易过拟合或过训练等问题,通过实验分析,验证了算法的可行性。本文研究了移动机器人避障系统,设计了一种超声串扰消除方法,使用EKF融合包含光电鼠标传感器在内的三个传感器进行定位,结合稀疏自动编码器与基于EKF的模糊神经网络算法进行避障。搭建了移动机器人平台,通过机器人避障平台验证了2PSK调制方式下的超声测距方法,增强了其抗干扰性;验证了定位融合算法的有效性,提高了定位精度;也验证了避障算法的可行性。