输电线除冰机器人多传感器信息融合障碍物信息检测方法
能力的智能除冰机器人必将在未来成为现实。
１．４论文的主要研究内容
本论文在国家科技支撑计划重点项目（２００８ＢＡＦ３６８０１），教育部新世纪优秀
人才计划项目（教技函【２００７】７０号）的资助下，主要开展复杂环境下输变线路在线除冰机器人的多传感器障碍物信息检测和数据融合算法研究，构建出由激光传感器和红外传感器组成的多传感器障碍物检测系统模型，对高压输电线路上的主要障碍物（防震锤、绝缘子、悬垂线夹、耐张线夹等）检测距离、高度角、方位角等信息，设计出符合除冰机器人的数据融合模型框架，在数据关联阶段对传感器的多个检测信息采用特征提取、数据关联、同步处理等方法进行数据预处理，
然后通过神经网络系统模型和ＢＰ学习算法【１６】、扩展卡尔曼滤波和改进的ＥＫＦ算法【１７１实现输电线路障碍物距离、方位角、高度角等信息的数据融合，详细研究ＢＰ学习算法和改进的ＥＫＦ算法的计算过程和数据融合实现，最后进行实验仿真，验证本文研究方法对障碍物信息融合的有效性和可靠性。
论文的主要研究内容如下：
（１）分析输变线路上的主要障碍物特征及其分布，分析机器人相关传感器的
性能和检测原理，设计多传感器的除冰机器人障碍物检测系统，构建多传感器障碍物信息模型。
（２）分析数据融合现有的的理论结构和有效的融合算法，根据数据融合的关
键技术过程主要包括多传感器信息获取、数据预处理、数据融合计算和结果输出控制决策等环节，设计符合除冰机器人的多传感器数据融合模型，选择和改进有效的数据融合算法，对多个障碍物信息数据进行融合得到精确的结果。
（３）分析神经网络模型的原理和算法，寻找神经网络数据融合算法的缺陷和
改进方法，借助神经网络正向传播和误差反向传播进行修正学习的优点，结合实际的除冰机器人多传感器系统的非线性特点，设计基于神经网络模型的除冰机器人多传感器障碍物信息融合技术，推导ＢＰ算法进行障碍物信息融合的详细实现过程，并在Ｍａｔｌａｂ平台环境下进行试验仿真和对比，验证神经网络障碍物信息融合方法的可行性和有效性。
（４）分析卡尔曼滤波模型的原理和算法，寻找普通卡尔曼滤波数据融合算法
的缺陷和改进方法，借助卡尔曼滤波的递推特性使系统数据处理不需大量的数据存储和计算的优点，用测量模型的统计特性递推决定统计意义下最优融合数据估计。结合实际的除冰机器人多传感器系统的非线性特点，设计基于扩展卡尔曼滤波的除冰机器人多传感器障碍物信息融合技术，推导ＥＫＦ算法进行障碍物信息融合的详细实现过程，并在ＭａｔＩａｂ平台环境下进行试验仿真和对比，验证扩展卡尔曼滤波障碍物信息融合方法的可行性和有效性。