多传感器信息融合技术是一门产生不久但却得到迅速发展的新兴技术,涉及了控制理论、信号处理、模糊逻辑、神经网络以及人工智能等众多学科,得到了广泛的应用,它为机器人在复杂未知的环境中工作提供了一种良好的解决途径。课题来自山西省科技攻关项目“煤矿井下搜救探测机器人技术与系统研究”,要求机器人在井下具备环境感知和自主工作能力。本文研究了煤矿井下探测机器人的检测系统,并采用信息融合技术,对机器人在井下未知复杂环境中的导航做了研究,重点针对机器人的自主避障问题,利用基于Takagi-Sugeno模型的模糊神经网络信息融合方法来实现探测机器人的避障问题。本文对多传感器信息融合技术做了重点研究,结合它在煤矿井下探测机器人导航中的应用进行了理论与实践上的探讨,主要研究工作如下:1、阐述了国内外煤矿探测机器人和信息融合技术的发展历程、现状和研究趋势。从总体上对信息融合技术做了介绍,分析了多传感器信息融合的基本原理、拓扑结构以及融合层次等重要问题,对机器人传感器数量以及种类的选择等问题进行了探讨。分析研究了机器人配备的各种传感器的基本原理及性能特点,在此基础上确定了传感器型号。2、分析了模糊逻辑和神经网络的基本原理和它们的几种常见结合方式,在此基础上,对模糊神经网络在信息融合技术中的应用进行了研究,并把基于T-S模型的模糊神经网络信息融合方法应用在煤矿井下探测机器人的自主避障中。3、根据煤矿井下探测机器人的特殊性及其要求,对本文机器人的结构以及硬件配置进行了总体设计。分析了机器人的几种控制体系,并提出了本文采用的机器人混合式控制体系。4、研究了煤矿井下探测机器人的检测系统,并对其进行了软硬件的设计。另外简单介绍了本文采用的路径规划方法以及对煤矿井下探测机器人的运动控制。5、对机器人的导航问题进行了分析,把基于T-S模型的模糊神经网络信息融合技术应用到煤矿井下探测机器人的自主避障中。建立了基于超声与红外传感器的信息融合系统,设计了机器人的避障模式和物理模型。在此基础上对机器人的避障进行了计算机仿真研究,以验证所用方法的可行性。