濾波器模塊，每一個模塊只處理某一個特定傳感器的信息。另外，還采用了一個“主濾波器”對來自所有局部濾波器的信息進行融合。這種結(jié)構(gòu)明顯的優(yōu)勢在于：計算量平均分布在各個并行濾波器中，主濾波器的計算負擔不大；具備了多種冗余信息，可以通過適當?shù)闹貥?gòu)算法設(shè)計提供強容錯能力。
（2）產(chǎn)生式規(guī)則可以建立自然景象專家系統(tǒng)，根據(jù)多傳感器的檢測數(shù)據(jù)，使用符號來表示環(huán)境特征，這樣可以更全面的反映避障系統(tǒng)的周圍信息，為機器人的路徑規(guī)劃做準備。
（3）模糊邏輯法方法是用某種模擬人類的思維習慣的模型系統(tǒng)地反映機器人避障系統(tǒng)中多傳感器數(shù)據(jù)融合過程的不確定性，并通過模糊推理來完成數(shù)據(jù)融合，得到預(yù)期的效果。
（4）人工神經(jīng)網(wǎng)絡(luò)法是一種仿效生物神經(jīng)系統(tǒng)的信息處理方法，是通過有教師或無師自學算法進行網(wǎng)絡(luò)學習，一旦學習完成，該神經(jīng)網(wǎng)絡(luò)就能夠根據(jù)以網(wǎng)絡(luò)權(quán)矩陣和網(wǎng)絡(luò)拓撲結(jié)構(gòu)形式存儲的特征信息，基于此神經(jīng)網(wǎng)絡(luò)得到了一種進行決策思維的模型結(jié)構(gòu)，通過綜合來自于系統(tǒng)各種不同傳感器的信息，從中抽取出單一傳感器無法提供的準確可靠信息，這是在有環(huán)境交互的情況下處理多傳感器信息的一種十分有效的方法。
此方法應(yīng)用到機器人避障系統(tǒng)多傳感器信息處理中，主要通過傳感器在操作現(xiàn)場獲得環(huán)境信息，過濾和預(yù)處理模塊對傳感信息進行修正和數(shù)字化，經(jīng)安全機制判斷后作為相應(yīng)神經(jīng)網(wǎng)絡(luò)融合處理器的輸入源，采用知識數(shù)據(jù)庫作為神經(jīng)網(wǎng)絡(luò)融合器的選型和知識來源的輔助決策工具，應(yīng)用程序接收融合結(jié)果，采取相應(yīng)的控制策略，并發(fā)送控制命令給機器人驅(qū)動設(shè)備。這樣可以快速準確地獲得盡可能多的實際操作現(xiàn)場的環(huán)境信息，從而有效地完成多傳感器
的信息處理。
2、傳感器信息處理
由于機器人避障系統(tǒng)中所用的傳感器種類和數(shù)量較多，信息處理較復(fù)雜。應(yīng)用在此系統(tǒng)的信號處理方法主要有小波分析法、神經(jīng)網(wǎng)絡(luò)法、遺傳算法、免疫算法。
（1）小波分析法
小波變換的基本思想是用一族小波基函數(shù)去表示或逼近——信號，很好地解決了時間和頻率分辨力的矛盾，適合于對時變信號進行局部分析。
小波變換作為一種新的信號處理方法，近幾年，將小波分析應(yīng)用在機器人避障系統(tǒng)實時采集傳感器信號檢測分析中，通過對傳感器信號的多尺度分解，濾除被測傳感器信號中混入的噪聲成分，重構(gòu)真實信號，這樣可以有效提高機器人避障系統(tǒng)中采樣數(shù)據(jù)的可靠性，進而可以提高避障系統(tǒng)的控制精度。另外它還有數(shù)據(jù)壓縮功能，對此系統(tǒng)大量的傳感信號進行壓縮處理可以節(jié)省存儲空間，提高運算速度。
（2）神經(jīng)網(wǎng)絡(luò)法
神經(jīng)網(wǎng)絡(luò)是一種不需要選取基函數(shù)系的非線性函數(shù)逼近方法。機器人避障系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)的高度非線性描述能力，并利用這一能力對此系統(tǒng)的多傳感器進行建模，利用BP算法（誤差反向傳播算法），可以對傳感器輸出信號進行濾波、除噪及傳感器的信號識別，從而使傳感器的輸出信號更精確反映外部環(huán)境信息，為機器人的路徑規(guī)劃算法做準備。
這種方法的特點是：不需要機理方面的細節(jié)知識，避免了數(shù)學建模的不完備性；利用軟件實現(xiàn)傳感信號的處理，方便靈活，適用性強，免去了硬件電路。
（3）遺傳算法
遺傳算法是按照自然界“優(yōu)勝劣汰，適者生存”法則提出的一種全局優(yōu)化自適應(yīng)概率搜索算法。遺傳算法通過對當前群體施加選擇、雜交、變異等一系列操作，產(chǎn)生出新一代的群體，并逐步使群體進化到最優(yōu)解狀態(tài)。
遺傳算法被應(yīng)用于機器人避障系統(tǒng)的傳感信號處理中，首先在一個采樣周期內(nèi)將實際傳感器信號均勻采樣N次送入計算機，隨機選擇幾組數(shù)據(jù)作為初始群體。然后循環(huán)進行選擇、雜交、變異三種操作，直到達到給定的要求電壓值為止。在機器人避障系統(tǒng)中，利用簡單的放大電路和遺傳算法軟件可以在多傳感信號的情況下精確還原傳感信號，提高傳感器信息處理中的測量精度。
（4）免疫算法
免疫算法是一種基于模擬生物體的計算方法，該算法模擬免疫系統(tǒng)中抗體-抗原的相互作用，通過系統(tǒng)對抗原（輸入信號）的識別，抗體（標樣信號）與抗原間親和力的調(diào)整，以及抗體對抗原的消除來實現(xiàn)數(shù)字信號處理。
近幾年來免疫算法也被應(yīng)用于機器人避障系統(tǒng)的傳感器信號處理中，該方法模擬免疫系統(tǒng)的作用機制，對此系統(tǒng)復(fù)雜、大量的傳感器信號進行處理，可以得到重疊傳感器信號中起決定作用的單組傳感器信息，運行速度快，從而可以減少計算機處理傳感器信息時間。
3、傳感器故障診斷
傳感器故障診斷的實施，能夠保證診斷系統(tǒng)獲取實時準確的信息，避免因錯誤信息造成的負效應(yīng)，保證數(shù)據(jù)的正確性，因此傳感器故障診斷是系統(tǒng)實時避障的重要保證。應(yīng)用在機器人避障系統(tǒng)傳感器故障診斷的方法主要有以下幾個方面：
（1）模糊診斷方法
模糊診斷方法就是以模糊數(shù)學為理論基礎(chǔ)，依據(jù)系統(tǒng)的傳感器的模糊狀態(tài)進行狀態(tài)識別、推理并作出決策的一種故障診斷方法。
模糊故障診斷方法的優(yōu)點是能夠充分利用專家經(jīng)驗，考慮了故障狀態(tài)及專家經(jīng)驗的模糊性，使得診斷結(jié)果更為合理，同時模糊診斷計算量相對較小，診斷速度快，實時性好，便于在計算機上應(yīng)用，且準確率也較高。經(jīng)常被國內(nèi)外學者應(yīng)用到機器人避障系統(tǒng)中，進行傳感器輸出結(jié)果的診斷。但模糊故障診斷方法也有其不完善的方面，如隸屬函數(shù)的選取、各個診斷規(guī)則的運用，至今并無同一原則，常依具體問題而定。
（2）離散小波網(wǎng)絡(luò)法
離散小波網(wǎng)絡(luò)法是利用小波網(wǎng)絡(luò)來診斷避障系統(tǒng)中傳感器對象，當傳感器對象沒有突變時，小波網(wǎng)絡(luò)的輸出與診斷避障系統(tǒng)中傳感器對象的輸出差值較小，當傳感器有突變時，小波網(wǎng)絡(luò)的輸出與診斷避障系統(tǒng)中傳感器對象的輸出差值較大，據(jù)此可利用方差檢測出故障。該方法靈活度高，克服噪聲能力強，對輸入信號要求低，不需要對象的數(shù)學模型。缺點：在大尺度下，由于濾波器時域?qū)挾容^大，檢測時會有一定的延時。
（3）人工神經(jīng)網(wǎng)絡(luò)診斷法
人工神經(jīng)網(wǎng)絡(luò)法近年來被應(yīng)用于機器人避障系統(tǒng)中的傳感器故障診斷領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是一種并行處理機制的網(wǎng)絡(luò)，且它可以通過學習而獲得外界知識，知識分布存儲各個神經(jīng)元之間連接權(quán)值上，它可以完成輸入模式到輸出模式的復(fù)雜映射，具有容錯能力強和運行速度快的特點。
采用神經(jīng)網(wǎng)絡(luò)法進行機器人避障系統(tǒng)的故障診斷的方法是①選擇系統(tǒng)中關(guān)鍵傳感器輸出作為神經(jīng)網(wǎng)絡(luò)的輸入變量，并規(guī)定網(wǎng)絡(luò)的輸出變量值；②選擇合適類型和結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)；③根據(jù)所選擇的輸入輸出信號的歷史數(shù)據(jù)，離線對網(wǎng)絡(luò)進行訓(xùn)練，獲得網(wǎng)絡(luò)的權(quán)值或閥值；④在線將前面選擇的輸入輸出數(shù)據(jù)作用于網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出便可給出診斷結(jié)果。
該方法優(yōu)點是不需要準確的數(shù)學模型，可以直接用過程數(shù)據(jù)來解決機器人避障系統(tǒng)故障診斷問題。但是此方法還存在一些問題，如網(wǎng)絡(luò)結(jié)構(gòu)如何選取等。此外，在診斷過程中，常常自學習，自診斷，因此如何將無導(dǎo)師訓(xùn)練算法引入到傳感器故障診斷領(lǐng)域，也是一直探討的方向。
四、結(jié)論（Conclusion）
智能多關(guān)節(jié)機器人的實時避障問題，是現(xiàn)在機器人研究領(lǐng)域的重點和難點問題。在避障過程中，常常會面臨無法預(yù)先知道、不可預(yù)測或動態(tài)變化的環(huán)境。機器人感知環(huán)境的手段通常是不完備的，傳感器給出的數(shù)據(jù)是不完全、不連續(xù)、不可靠的，傳感器信息融合的算法還存在著諸多問題。但由于傳感器技術(shù)的飛速發(fā)展以及神經(jīng)網(wǎng)絡(luò)、模糊控制理論等學科的深入研究，及傳感器信息處理方法的應(yīng)用，為避障問題的最終解決提供了可能性，但是對于復(fù)雜的應(yīng)用，仍不能令人滿意，因此現(xiàn)存的問題也正是該領(lǐng)域的研究方向。
（1）傳感器融合技術(shù)在近年來被引入到了機器人避障研究中，并已取得很好的成果，對于目前一些高精度的多關(guān)節(jié)機器人避障系統(tǒng)采用常規(guī)傳感器還很難滿足性能指標，因而開發(fā)新型傳感器或按照一定融合策略構(gòu)造傳感器陣列以彌補單個傳感器的缺陷，將是重要的研究方向。
（2）人工智能可使機器人避障系統(tǒng)本身具有較好的柔性和可理解性，同時還能處理復(fù)雜的問題，因而在未來的數(shù)據(jù)融合技術(shù)中利用人工智能的各種方法，以知識為基礎(chǔ)構(gòu)成多傳感器數(shù)據(jù)融合仍將是其研究趨勢之一。
（3）為了在實現(xiàn)機器人避障系統(tǒng)多傳感器數(shù)據(jù)融合，處理器結(jié)構(gòu)將朝并行體行結(jié)構(gòu)發(fā)展，包括傳感器功能的并行結(jié)構(gòu)和算法功能的并行結(jié)構(gòu)。
（4）在一個智能系統(tǒng)中，使用單一的智能控制方法往往不能取得滿意的效果，應(yīng)綜合采用常規(guī)控制方法和智能控制方法，才能夠取得良好效果。神經(jīng)網(wǎng)絡(luò)和模糊推理是避障研究中的兩個重要工具，但是神經(jīng)網(wǎng)絡(luò)樣本集的完整性研究尚未取得突破，將事件空間的每一點都作為網(wǎng)絡(luò)的學習樣本顯然是不可取的；模糊邏輯推理則側(cè)重于模糊規(guī)則的選取，但有些規(guī)則很難形式化描述，或者必須用大量的規(guī)則描述而增大運算量，這樣就背離了模糊邏輯應(yīng)用的初衷，因此近年來提出了基于多組傳感器信息，利用神經(jīng)網(wǎng)絡(luò)技術(shù)實現(xiàn)機器人對當前感知環(huán)境的快速識別和分類，進而利用模糊邏輯技術(shù)實現(xiàn)安全避障的新方法，它將是有潛力的研究方向。
（5）在集中式多傳感器系統(tǒng)研究時應(yīng)該將仿真技術(shù)和實時控制技術(shù)結(jié)合起來，建立集成開發(fā)環(huán)境來處理傳感器信號。對于分布式傳感器系統(tǒng)，應(yīng)尋求一種基于通訊的實現(xiàn)方法來處理傳感器信號，這是傳感器系統(tǒng)今后發(fā)展方向之一。
（6）機器人的避障系統(tǒng)愈高級，傳感器就愈多，信息處理愈復(fù)雜，會遇到多速率采樣問題。但是現(xiàn)有成熟的計算機控制理論涉及的都是單速率采樣，即假定系統(tǒng)中所有A/D，D/A通道都以同樣的采樣速率工作。為填補此項空白，就很有必要研究多速率采樣控制系統(tǒng)的建模，分析及設(shè)計方法。所以，機器人多傳感器多速率采樣控制系統(tǒng)研究是傳感器系統(tǒng)今后發(fā)展方向之一。
（7）多關(guān)節(jié)機器人避障系統(tǒng)是一個復(fù)雜的智能系統(tǒng)。因而在實際應(yīng)用中，必須綜合考慮各種功能，這是一個涉及機械、電子、計算機、自動化、物理學等多學科的跨學科課題，任何新技術(shù)的出現(xiàn)都可能對該領(lǐng)域的研究帶來突破性進展，因而在機器人研究的同時，必須密切關(guān)注相關(guān)學科的發(fā)展。
