硕上学位论文
１．５论文的结构安排
论文的结构安排如下：
第ｌ章绪论，主要介绍本课题的研究背景意义与目的、输电线路机器人的国
内外研究和应用现状，并且对移动机器人多传感器数据融合的研究和应用现状进行了综述，介绍了常用的多传感器障碍物信息检测和数据融合模型及方法，最后给出了论文的主要研究内容，详细分析了除冰机器人的多传感器障碍物信息检测和数据融合实现方法等关键问题。
第２章多传感器信息融合系统总体设计，主要介绍机器人多传感器信息融合
技术的特点、关键技术和级别层次，分析有效的信息融合算法，将重点介绍卡尔曼滤波和神经网络算法。设计出符合除冰机器人的多传感器障碍物数据融合系统模型和数据融合的思路和方法。在除冰机器人多传感器检测系统构建方面，将介绍各种传感器的特点，分析适用于除冰机器人２２０ＫＶ输电线路障碍物检测的激光传感器、红外传感器和超声波传感器的工作原理及优点。结合输电线路除冰机器人本体结构组成和工作原理，给出２２０ＫＶ输电线路上主要障碍物的分布情况，通过选择相关传感器进行优化组合，以构建除冰机器人多传感器检测系统。最后分析机器人工作的随机环境干扰和噪声误差等参数，建立多传感器障碍物检测系统的模型方程。为接下来的神经网络信息融合和卡尔曼滤波信息融合的实现展开做好准备工作。
第３章基于神经网络的多传感器障碍物信息融合，主要介绍了神经网络的基
本原理和模型，详细分析了神经网络学习算法的正向传播和误差反向传播两个阶段的工作过程，给出了符合本文的ＢＰ学习算法的计算实现步骤和框架。设计了基于ＢＰ神经网络的多传感器障碍物信息融合模型，通过对神经网络的结构和层次的优化设计，提出了新的学习速率、网络权值、误差函数等参数的选取和调整方法，推导了ＢＰ学习算法进行障碍物信息融合的详细实现过程，并进行了Ｍａｔｌａｂ试验仿真和对比，实现了改进的神经网络多传感器障碍物信息融合，验证了方法的可行性和有效性。
第４章基于卡尔曼滤波的多传感器障碍物信息融合，主要介绍了卡尔曼滤波
的基本原理和模型，详细分析了卡尔曼滤波算法的预测更新和测量更新两个阶段的工作过程，给出了符合本文的ＥＫＦ融合算法的计算实现步骤和框架。设计了基于扩展卡尔曼滤波的多传感器障碍物信息融合模型，通过对扩展卡尔曼滤波器模型的优化设计，提出了新的障碍物信息异步数据的同步处理、状态转移矩阵和状态估计误差协方差的更新处理方法，推导了ＥＫＦ融合算法进行障碍物信息融合的详细实现过程，并进行了Ｍａｔｌａｂ试验仿真和对比，实现了改进的扩展卡尔曼滤波多传感器障碍物信息融合，验证了方法的可行性和有效性。
最后是总结与展望，对本论文所做的工作进行了总结，得出一些关于除冰机