硕士学位论文
合于本文中除冰机器人多传感器障碍物信息的数据融合，以获得输电线路主要障
碍物的准确距离和方位信息。
神经网络技术：人工神经网络是由大量神经元按照一定的拓扑结构组成的一
种具有的网络系统，具有较强的并行计算能力、非线性拟合能力和多输入多输出
同时处理能力。是在神经科学研究成果的基础上对人脑处理复杂信息能力的一种
模拟。神经网络融合技术的优点是具有很好非线性映射逼近能力、可分布式存储
信息和高容错性、并行协同处理信息、自组织性、自学习性和自适应性，便于集
成实现和计算模拟。神经网络技术发展至今，已经广泛运用于自动控制、模式识
别、目标跟踪、图像处理、军事应用、机器人控制、医疗等多个领域并取得了丰
富的研究成果。神经网络技术通过各神经单元的激励函数和权值等参数的调整学
习，对多个传感器的输入数据迸行学习和理解，完成系统的非线性变换而获得线
性化输出的融合结果，神经网络的大规模信息处理能力十分适合于本文中除冰机
器人的多传感器非线性系统障碍物信息的数据融合，解决输入信息之间的互补和
冗余问题，实现输电线路主要障碍物的信息检测和融合。
通过对数据融合技术的关键技术、过程环节、层次结构和主要的多传感器信
息融合算法的分析介绍，本文结合输电线路除冰机器人本身的多传感器障碍物信
息检测系统及工作环境特点，构建多传感器信息融合系统的结构模型。选择采用
优化的神经网络和改进的扩展卡尔曼滤波数据融合算法，通过对各个系统参数的
优化调整使得多传感器系统的数据融合收敛更快、障碍物距离和方位信息更精确、
稳定效果更好，获得障碍物信息的精确性、完整性和一致性描述，帮助除冰机器
人在输变线路复杂环境中行进时能够实时检测障碍物信息并安全实现避障和越
障。本文的数据融合过程功能模型如图２．１所示：
障
碍。’｛－鲫特征提取Ｈ归一化处理｝ｒ］：—致丽…一ｒ……．数据融爵算—－Ｉ１◆ＢＰ神经网络１．算法Ｐ．
数
物据
信：Ｉ融
息
．．±产屡＃＾．吕Ｉ合
＿１嵩墓Ｈ异步数据Ｈ同步处理咿．田：．制嚣嚣卜叫方位信息｝Ｊｉ匕：二
图２．１除冰机器人多传感器障碍物信息融合系统结构
多传感器信息融合技术具有单～传感器无法比拟的优越性，多层次、高鲁棒
性和灵活性的先进数据融合技术在除冰机器人上的多传感器障碍物信息融合系统
建模和信息融合方法的应用实现，可以获得输电线路上主要障碍物精确和完整的信息。