目前,多传感器信息融合技术逐步在移动机器人上取得应用,为机器人智能化水平的进一步提高提供了理论支撑。在移动机器人避障系统中应用多传感器信息融合技术,可以协调应用多个传感器信息解决机器人避障系统的非线性和不确定性问题,对提高机器人的避障精度具有重要意义。因此,本课题以实验室为上海化工区设计的有毒气体巡检机器人为平台,对多传感器信息融合技术在移动机器人避障系统中的应用进行研究,取得了较好的效果。本文通过对常用多传感器信息融合算法进行研究,发现模糊逻辑控制与模糊神经网络两种多传感器信息融合算法在非线性系统中具有明显优势,因此本文对模糊逻辑控制和模糊神经网络两种算法在移动机器人的避障中应用分别进行了研究。首先通过移动机器人的运动学分析设计了移动机器人避障系统。然后对模糊控制算法进行研究,通过确定输入和输出隶属函数和模糊控制规则,设计了一个具有避障功能的模糊控制器,并进行了Matlab仿真和实物验证,证明该算法能够基本满足移动机器人避障要求,但控制精度有待进一步提高。为了进一步提高移动机器人在复杂环境下的适应能力,对具有自学习功能的T-S模糊神经网络算法进行研究,通过网络参数学习算法对初始隶属函数进行离线训练,仿真和实验证明,模糊神经网络避障算法能够高精度逼近非线性系统,并且融合了模糊控制的推理能力与神经网络的学习能力,因此具有比模糊控制更高的避障精度和更快的响应速度。本课题采用多传感器信息融合方法实现了差速式移动机器人的避障功能,从而能够保证移动机器人在更复杂的环境下可靠运行。