18020776785 徐工
在智能機器人避障的系統中，因為任何傳感器的功能都有限，時，應將多種傳感器集成在一起，融合多種傳感器信息，這樣可以更正確、更的反映出外界環境的特征，為避障提供正確的依據。信息融合技術可以增加各類傳感器信息的互補性、對環境變化的適應性，提高決策的正確性。
多傳感器數據融合的基本目的是指通過對多（種，類）傳感器數據的綜合處理以獲得比每個單一傳感器更多的信息。也可以理解為對多傳感器的原始信息加以智能化的綜合，從而導出新的有意義的信息。這種信息的價值比單一傳感器所獲得信息要高得多，它有利于判斷和決策。因此近年來多傳感器信息融合技術系統已越來越多地應用于機器人的避障系統中，通過實驗可以取得良好的效果。
1、傳感器數據融合方法
多傳感器的機器人避障系統中，各信息源提供的環境信息都具有一定程度的不確定性。另外，由于傳感器數量較多，且多為非線性，要進行很好的全局優化和控制，處理量大。面對離散數據多、關聯度大、輸入信息不可線性化且要求融合結果可靠性高等特點，傳統的數據融合方法（加權平均法、貝葉斯估計法、Dempster-Shafer證據推理方法等）不能很好地滿足要求。對于多關節機器人避障系統而言，通常采用卡爾曼濾波法、產生式規則、模糊邏輯人工神經網絡法，可以得到關于環境更加可靠、統一、的描述，便于判斷與決策。
（1）卡爾曼濾波用于實時融合動態的低層次冗余多傳感器數據，該方法用測量模型的統計特性遞推決定統計意義下優融合數據估計。由于機器人避障系統具有線性動力學模型，且系統噪聲和傳感器噪聲是高斯分布的白噪聲模型，卡爾曼濾波為融合多傳感器數據提供的統計意義下的優估計。
Gettys 16-0457-28
Siemens 6ES5135-3UA42
OMRON F150-C15E-3
Lenze G 70 AP 126
Festo SPZ-32-100-P-A-KF/162197
Rexroth 0 608 701 001
181X46050B
181646010B
185X46010B
181X46010B
181646005B
Imet M 550
VAT3FDV
C60K-CDR-D
OG71DN1024TTL
Lowara 8GS22
LRL205-11/0.75
ABB saces 6N
RHM0695MD701S1G8100
TECO H610-075D-00
Yaskawa sgmav - 04A3A6C
Danfoss 134U2228
FC-301P3K7T2E20H1BGXXXXSXXXXA0BXCXXXXDX
Siemens 1FW6130-0PB07-1JC2
ABB ACS401000632
175H7266 VTL3006 170913G106
SP140S-MF1-10-1K1-2S
LP155-MO1-10-111-000
195H3109 VLT2040
7E450010400
MC-5/4-1/4
免責聲明：
AMIKON我們銷售新產品和停產產品，獨立渠道購買此類特色產品。阿米控不是本網站特色產品的授權分*商、經銷商或代表。本網站上使用的所有產品名稱/產品圖片、商標、品牌和徽標均為其各自所有者的財產。帶有這些名稱,圖片、商標、品牌和徽標的產品描述、描寫或銷售僅用于識別目的，并不表示與任何權利持有人有任何關聯或授權。
