0 引言

    多傳感器數據融合技術源于軍事領域，目前，數據融合技術在機器人、工業控制、海洋監視、空中交通管制、管理以及綜合導航等領域都有所運用^[1]。在機器人系統當中，導航主要完成的是對視野當中的障礙物和圖標等進行識別，引導機器人的方向，進而形成一條完美軌跡來使機器人達到目的地^[2]。當前，在機器人導航中要求的測量精度日益提高，探測對象也比較復雜，由于各傳感器可靠性和穩定性各異，因此必須區分對待；在實際導航中，要求對傳感器數據進行實時集成，以產生機器人控制信號和驅動器命令^[3]。通過實效的算法融合數據，可提高機器人導航時效性與準確性^[4]。本文基于模糊貼近度數據融合算法，研究了機器人系統當中用于高精度定位的算法。

1 模糊貼近度數據融合的新算法

    在進行機器人相關的研究時，不確定性的因素是比較多的，常規的情況是呈現正態分布。假設有n個傳感器用于導航的拍攝過程中，第i個傳感器進行真實值A的k次測量，測量值分別為x_i1，x_i2，…，x_ik。第i個傳感器的標準差為σ_i，其均值為x_i。設σ₀為多傳感器標準差，x₀為多傳感器目標估計值，計算公式如下：

2 仿真及其分析

    設在一個250 m×250 m的矩形區域內，節點分布均勻，根據網格形式部署節點，確保節點間的連通性，這樣與基站建立連接的孤立節點將不會出現，節點數為N，N的變化范圍為120～420，仿真環境為NS2，參數設置見表1，N個節點在仿真實驗中均帶有1個單位的電量，數據包以102 kb/s的速率進行發送。

    圖1為節點數不同時兩種算法的能耗和延遲。由圖1知，在網絡部署相同時，傳送的信息量隨節點數增多而增大，各算法能耗相應增大。本文算法能耗低于貝葉斯數據融合算法，性能相對穩定，維持的網絡壽命更長。同時，本文算法執行數據融合延遲較小，因算法在運行時允許多個傳感器節點對數據融合過程進行啟動，數據融合并行進行，可減少延遲。

3 應用實例

3.1 數據融合新算法在機器人導航地標識別中的應用

    在機器人導航中，地標識別常用超聲波傳感器，這個傳感器借助于脈沖飛行時間法的測量方式。它的模型是在波帶開放角中固定，這種固定方式能夠保證傳感器接收距離是最短的。在機器人系統導航定位當中，假設有5個傳感器，那么就要進行4次距離測量，圖2為測量值，圖3為測量均值，圖4為測量標準差。

    由圖2～圖4知，穩定性和可靠性最高的是第1個傳感器，接下來的順序是第3個、第2個、第4個和第5個。根據結果能夠對每個傳感器的格貼近度和目標的估計值進行計算，進而能夠得到不同傳感器相對應的權重，具體權重值在圖5中列出。

    由圖5可知，計算的各傳感器相對權重和其最終融合值、測量均值間具有一致的接近程度。將這5個超聲波的傳感器綜合起來進行使用，測量融合值表示如下：

    實例分析表明，本文算法具有較強的測量可靠性、穩定性，在數據融合中，傳感器具有一定的優越性，測量結果準確性高；本文算法無需計算支持矩陣、置信距離矩陣、特征向量、最大特征值等參數，運算過程快速、簡潔、有效，可實現對機器人的實時導航。基于模糊貼近度，對多傳感器數據融合算法流程圖進行編寫，分析機器人導航中發生的測量數據擾動，對融合結果的相對擾動進行計算。圖6為數據融合新算法流程圖。

3.2 數據融合新算法在機器人滅火處理中定位與導航

    通過無線傳感器網絡的移動機器人定位與導航，實現對不同的節點和傳感器信息的融合處理，機器人能夠獲得定位信息是因為接收到了可利用的信息。在移動機器人上，安裝有外部傳感器、內部傳感器、無線傳感器網絡節點模塊。機器人模塊的運動模型：機器人運動的距離和行進位移能夠通過運動狀態借助于傳感器而獲得，通過數據融合新算法，將移動機器人的運動方向及位置坐標計算出。在實驗過程中，使用移動機器人平臺Pioneer 2DX，移動的機器人身上安裝一個能旋轉半圈的激光測距儀，能夠進行障礙物的躲避，同時還有一個用于網絡通信的Mica2無線傳感器網絡節點。在機器人移動的范圍內，首先要設置9個節點的部署，預編程處理后，每個節點都能獲知其鄰節點的信息。

    圖7為測得的平均值，在剛開始進行試驗時，按預先設定的方向，移動機器人開始移動，在接到節點命令后，其行進方向才可改變。對節點3、5、6、8、9共5個不同目標節點進行10次定位導航實驗，圖7顯示了移動機器人在完成了導航目標任務之后與目標節點之間的距離。在整個運動的過程當中，機器人的運動距離為1 km。機器人在安裝導航系統情況下都能夠到達目標的節點。

    圖8為移動機器人進行導航試驗的結果，從A點開始運行至E點結束，過程中要完成滅火的任務。其中的一個節點如果遇到火災的發生，機器人會出現報警現象同時導航開始。對移動機器人進行導航是整個算法的任務，從開始運行的位置到最后事件發生點，實現運動導航，從而將火撲滅。若移動機器人能找到一條最短路徑，則沿著最短路徑行到達目標位置，在距離目標節點3 m范圍內停止。圖8結果顯示，通過多傳感器數據融合算法的定位導航，移動機器人可實現可靠、準確導航。

4 結論

    本文基于模糊貼近度數據融合算法，研究了移動機器人使用的多傳感器高精度數據融合算法。模糊了測量值和估計值，同時計算了模糊格貼近程度，在測量中各傳感器的權重通過格貼近度進行描述，借助于融合公式求出融合的具體結果。本文根據現有的公式求出融合結果，算法能提高機器人導航系統的測量技術，使其通用性更強，可靠性和測量的穩定性更強。通過實例分析，本文提出的算法運算快速、簡潔、有效，可實現對機器人的實時導航，具有一定的實際應用價值。

參考文獻

[1] 張品，董為浩，高大冬.一種優化的貝葉斯估計多傳感器數據融合方法[J].傳感技術學報，2014，27(5)：643-649.

[2] 任偉建，陳奕君.基于神經網絡的移動機器人多傳感器數據融合研究[J].電子設計工程，2014，22(12)：5-9.

[3] 杜杉杉，吳昊，張繼文，等.一種面向AHRS的改進互補濾波融合算法[J].國外電子測量技術，2015(3)：13-18.

[4] 李金良，孫友霞，谷明霞，等.基于多傳感器融合的移動機器人SLAM[J].中國科技論文，2012，7(4)：312-317.

作者信息:

任  杰

(四川省裝備制造業機器人應用技術工程實驗室，四川 德陽618000)