您的位置：关键词：传感器
（4）免疫算法
免疫算法是一种基于模拟生物体的计算方法，该算法模拟免疫系统中抗体-抗原的相互作用，通过系统对抗原（输入信号）的识别，抗体（标样信号）与抗原间亲和力的调整，以及抗体对抗原的消除来实现数字信号处理。
近几年来免疫算法也被应用于机器人避障系统的传感器信号处理中，该方法模拟免疫系统的作用机制，对此系统复杂、大量的传感器信号进行处理，可以得到重叠传感器信号中起决定作用的单组传感器信息，运行速度快，从而可以减少计算机处理传感器信息时间。
3、传感器故障诊断
传感器故障诊断的实施，能够保证诊断系统获取实时准确的信息，避免因错误信息造成的负效应，保证数据的正确性，因此传感器故障诊断是系统实时避障的重要保证。应用在机器人避障系统传感器故障诊断的方法主要有以下几个方面：
（1）模糊诊断方法
模糊诊断方法就是以模糊数学为理论基础，依据系统的传感器的模糊状态进行状态识别、推理并作出决策的一种故障诊断方法。
模糊故障诊断方法的优点是能够充分利用专家经验，考虑了故障状态及专家经验的模糊性，使得诊断结果更为合理，同时模糊诊断计算量相对较小，诊断速度快，实时性好，便于在计算机上应用，且准确率也较高。经常被国内外学者应用到机器人避障系统中，进行传感器输出结果的诊断。但模糊故障诊断方法也有其不完善的方面，如隶属函数的选取、各个诊断规则的运用，至今并无同一原则，常依具体问题而定。
（2）离散小波网络法
离散小波网络法是利用小波网络来诊断避障系统中传感器对象，当传感器对象没有突变时，小波网络的输出与诊断避障系统中传感器对象的输出差值较小，当传感器有突变时，小波网络的输出与诊断避障系统中传感器对象的输出差值较大，据此可利用方差检测出故障。该方法灵活度高，克服噪声能力强，对输入信号要求低，不需要对象的数学模型。缺点：在大尺度下，由于滤波器时域宽度较大，检测时会有一定的延时。
（3）人工神经网络诊断法
人工神经网络法近年来被应用于机器人避障系统中的传感器故障诊断领域。人工神经网络是一种并行处理机制的网络，且它可以通过学习而获得外界知识，知识分布存储各个神经元之间连接权值上，它可以完成输入模式到输出模式的复杂映射，具有容错能力强和运行速度快的特点。
采用神经网络法进行机器人避障系统的故障诊断的方法是①选择系统中关键传感器输出作为神经网络的输入变量，并规定网络的输出变量值；②选择合适类型和结构的神经网络；③根据所选择的输入输出信号的历史数据，离线对网络进行训练，获得网络的权值或阀值；④在线将前面选择的输入输出数据作用于网络，网络输出便可给出诊断结果。
该方法优点是不需要准确的数学模型，可以直接用过程数据来解决机器人避障系统故障诊断问题。但是此方法还存在一些问题，如网络结构如何选取等。此外，在诊断过程中，常常自学习，自诊断，因此如何将无导师训练算法引入到传感器故障诊断领域，也是一直探讨的方向。
四、结论（Conclusion）
智能多关节机器人的实时避障问题，是现在机器人研究领域的重点和难点问题。在避障过程中，常常会面临无法预先知道、不可预测或动态变化的环境。机器人感知环境的手段通常是不完备的，传感器给出的数据是不完全、不连续、不可靠的，传感器信息融合的算法还存在着诸多问题。但由于传感器技术的飞速发展以及神经网络、模糊控制理论等学科的深入研究，及传感器信息处理方法的应用，为避障问题的最终解决提供了可能性，但是对于复杂的应用，仍不能令人满意，因此现存的问题也正是该领域的研究方向。
（1）传感器融合技术在近年来被引入到了机器人避障研究中，并已取得很好的成果，对于目前一些高精度的多关节机器人避障系统采用常规传感器还很难满足性能指标，因而开发新型传感器或按照一定融合策略构造传感器阵列以弥补单个传感器的缺陷，将是重要的研究方向。
（2）人工智能可使机器人避障系统本身具有较好的柔性和可理解性，同时还能处理复杂的问题，因而在未来的数据融合技术中利用人工智能的各种方法，以知识为基础构成多传感器数据融合仍将是其研究趋势之一。
（3）为了在实现机器人避障系统多传感器数据融合，处理器结构将朝并行体行结构发展，包括传感器功能的并行结构和算法功能的并行结构。
（4）在一个智能系统中，使用单一的智能控制方法往往不能取得满意的效果，应综合采用常规控制方法和智能控制方法，才能够取得良好效果。神经网络和模糊推理是避障研究中的两个重要工具，但是神经网络样本集的完整性研究尚未取得突破，将事件空间的每一点都作为网络的学习样本显然是不可取的；模糊逻辑推理则侧重于模糊规则的选取，但有些规则很难形式化描述，或者必须用大量的规则描述而增大运算量，这样就背离了模糊逻辑应用的初衷，因此近年来提出了基于多组传感器信息，利用神经网络技术实现机器人对当前感知环境的快速识别和分类，进而利用模糊逻辑技术实现安全避障的新方法，它将是有潜力的研究方向。
（5）在集中式多传感器系统研究时应该将仿真技术和实时控制技术结合起来，建立集成开发环境来处理传感器信号。对于分布式传感器系统，应寻求一种基于通讯的实现方法来处理传感器信号，这是传感器系统今后发展方向之一。
（6）机器人的避障系统愈高级，传感器就愈多，信息处理愈复杂，会遇到多速率采样问题。但是现有成熟的计算机控制理论涉及的都是单速率采样，即假定系统中所有A/D，D/A通道都以同样的采样速率工作。为填补此项空白，就很有必要研究多速率采样控制系统的建模，分析及设计方法。所以，机器人多传感器多速率采样控制系统研究是传感器系统今后发展方向之一。
（7）多关节机器人避障系统是一个复杂的智能系统。因而在实际应用中，必须综合考虑各种功能，这是一个涉及机械、电子、计算机、自动化、物理学等多学科的跨学科课题，任何新技术的出现都可能对该领域的研究带来突破性进展，因而在机器人研究的同时，必须密切关注相关学科的发展。