0 引言

    多传感器数据融合技术源于军事领域，目前，数据融合技术在机器人、工业控制、海洋监视、空中交通管制、管理以及综合导航等领域都有所运用^[1]。在机器人系统当中，导航主要完成的是对视野当中的障碍物和图标等进行识别，引导机器人的方向，进而形成一条完美轨迹来使机器人达到目的地^[2]。当前，在机器人导航中要求的测量精度日益提高，探测对象也比较复杂，由于各传感器可靠性和稳定性各异，因此必须区分对待；在实际导航中，要求对传感器数据进行实时集成，以产生机器人控制信号和驱动器命令^[3]。通过实效的算法融合数据，可提高机器人导航时效性与准确性^[4]。本文基于模糊贴近度数据融合算法，研究了机器人系统当中用于高精度定位的算法。

1 模糊贴近度数据融合的新算法

    在进行机器人相关的研究时，不确定性的因素是比较多的，常规的情况是呈现正态分布。假设有n个传感器用于导航的拍摄过程中，第i个传感器进行真实值A的k次测量，测量值分别为x_i1，x_i2，…，x_ik。第i个传感器的标准差为σ_i，其均值为x_i。设σ₀为多传感器标准差，x₀为多传感器目标估计值，计算公式如下：

2 仿真及其分析

    设在一个250 m×250 m的矩形区域内，节点分布均匀，根据网格形式部署节点，确保节点间的连通性，这样与基站建立连接的孤立节点将不会出现，节点数为N，N的变化范围为120～420，仿真环境为NS2，参数设置见表1，N个节点在仿真实验中均带有1个单位的电量，数据包以102 kb/s的速率进行发送。

    图1为节点数不同时两种算法的能耗和延迟。由图1知，在网络部署相同时，传送的信息量随节点数增多而增大，各算法能耗相应增大。本文算法能耗低于贝叶斯数据融合算法，性能相对稳定，维持的网络寿命更长。同时，本文算法执行数据融合延迟较小，因算法在运行时允许多个传感器节点对数据融合过程进行启动，数据融合并行进行，可减少延迟。

3 应用实例

3.1 数据融合新算法在机器人导航地标识别中的应用

    在机器人导航中，地标识别常用超声波传感器，这个传感器借助于脉冲飞行时间法的测量方式。它的模型是在波带开放角中固定，这种固定方式能够保证传感器接收距离是最短的。在机器人系统导航定位当中，假设有5个传感器，那么就要进行4次距离测量，图2为测量值，图3为测量均值，图4为测量标准差。

    由图2～图4知，稳定性和可靠性最高的是第1个传感器，接下来的顺序是第3个、第2个、第4个和第5个。根据结果能够对每个传感器的格贴近度和目标的估计值进行计算，进而能够得到不同传感器相对应的权重，具体权重值在图5中列出。

    由图5可知，计算的各传感器相对权重和其最终融合值、测量均值间具有一致的接近程度。将这5个超声波的传感器综合起来进行使用，测量融合值表示如下：

    实例分析表明，本文算法具有较强的测量可靠性、稳定性，在数据融合中，传感器具有一定的优越性，测量结果准确性高；本文算法无需计算支持矩阵、置信距离矩阵、特征向量、最大特征值等参数，运算过程快速、简洁、有效，可实现对机器人的实时导航。基于模糊贴近度，对多传感器数据融合算法流程图进行编写，分析机器人导航中发生的测量数据扰动，对融合结果的相对扰动进行计算。图6为数据融合新算法流程图。

3.2 数据融合新算法在机器人灭火处理中定位与导航

    通过无线传感器网络的移动机器人定位与导航，实现对不同的节点和传感器信息的融合处理，机器人能够获得定位信息是因为接收到了可利用的信息。在移动机器人上，安装有外部传感器、内部传感器、无线传感器网络节点模块。机器人模块的运动模型：机器人运动的距离和行进位移能够通过运动状态借助于传感器而获得，通过数据融合新算法，将移动机器人的运动方向及位置坐标计算出。在实验过程中，使用移动机器人平台Pioneer 2DX，移动的机器人身上安装一个能旋转半圈的激光测距仪，能够进行障碍物的躲避，同时还有一个用于网络通信的Mica2无线传感器网络节点。在机器人移动的范围内，首先要设置9个节点的部署，预编程处理后，每个节点都能获知其邻节点的信息。

    图7为测得的平均值，在刚开始进行试验时，按预先设定的方向，移动机器人开始移动，在接到节点命令后，其行进方向才可改变。对节点3、5、6、8、9共5个不同目标节点进行10次定位导航实验，图7显示了移动机器人在完成了导航目标任务之后与目标节点之间的距离。在整个运动的过程当中，机器人的运动距离为1 km。机器人在安装导航系统情况下都能够到达目标的节点。

    图8为移动机器人进行导航试验的结果，从A点开始运行至E点结束，过程中要完成灭火的任务。其中的一个节点如果遇到火灾的发生，机器人会出现报警现象同时导航开始。对移动机器人进行导航是整个算法的任务，从开始运行的位置到最后事件发生点，实现运动导航，从而将火扑灭。若移动机器人能找到一条最短路径，则沿着最短路径行到达目标位置，在距离目标节点3 m范围内停止。图8结果显示，通过多传感器数据融合算法的定位导航，移动机器人可实现可靠、准确导航。

4 结论

    本文基于模糊贴近度数据融合算法，研究了移动机器人使用的多传感器高精度数据融合算法。模糊了测量值和估计值，同时计算了模糊格贴近程度，在测量中各传感器的权重通过格贴近度进行描述，借助于融合公式求出融合的具体结果。本文根据现有的公式求出融合结果，算法能提高机器人导航系统的测量技术，使其通用性更强，可靠性和测量的稳定性更强。通过实例分析，本文提出的算法运算快速、简洁、有效，可实现对机器人的实时导航，具有一定的实际应用价值。

参考文献

[1] 张品，董为浩，高大冬.一种优化的贝叶斯估计多传感器数据融合方法[J].传感技术学报，2014，27(5)：643-649.

[2] 任伟建，陈奕君.基于神经网络的移动机器人多传感器数据融合研究[J].电子设计工程，2014，22(12)：5-9.

[3] 杜杉杉，吴昊，张继文，等.一种面向AHRS的改进互补滤波融合算法[J].国外电子测量技术，2015(3)：13-18.

[4] 李金良，孙友霞，谷明霞，等.基于多传感器融合的移动机器人SLAM[J].中国科技论文，2012，7(4)：312-317.

作者信息:

任  杰

(四川省装备制造业机器人应用技术工程实验室，四川 德阳618000)