移动机器人的研究随着科学发展也在不断深入，其中机器人在未知环境下进行避障的行为一直都是研究热点。如何能够对环境中的障碍物进行准确探测，以及做出相应的避障行为，就需要以多传感器信息融合为研究方向，相比于单传感器获得的信息，多传感器融合后的可信度有很大提升，而且在解决机器人避障这种非线性问题上，对其的控制精度及速度也更为出色。本文以旅行家II移动机器人为研究平台，重点研究了多层信息融合的结构及算法在机器人避障中的应用，主要研究内容有：第一，针对单一传感器不能准确、全面的完成对环境的描述，采用多个传感器共同测量的办法，根据旅行家II移动机器人的硬件平台，选取超声波和红外开关作为测距系统的传感器，选取CCD摄像机作为视觉传感器。设计了一种两级信息融合的结构，能够充分的利用传感器获取的外部信息并满足实时避障的要求。第二，通过改进的BP神经网络对测距传感器采集的信息进行融合。针对于BP神经网络收敛速度慢、易陷入局部极值等缺陷，通过附加动量-自适应因子改进BP网络学习算法，通过仿真对比BP神经网络与改进的BP神经网络的输出结果，发现改进后的神经网络明显优于改进前，并把融合后与未经融合的结果进行比较，发现融合后的结果更接近真实值。第三，针对视觉传感器采集的图像背景干扰因素多的问题，提出一种从颜色考虑，提取一个区域，然后再从灰度、高通滤波、去噪、边缘检测，两种结果结合的办法，得到准确的边缘信息，并提取出左右边缘距图像中线的距离。第四，采用基于优化T-S模型的模糊神经网络信息融合的方法对移动机器人的避障进行控制，并针对学习更新参数过程中可能出现的震荡以及速率慢等问题应用替换因子进行改进，经仿真验证改进后的模糊神经网络收敛速度快，对比网络输出值与测试样本真实值，其精度能够满足避障控制要求。最后，借助于旅行家II移动机器人硬件开发平台，设计出一套移动机器人运动控制系统，系统应用层使用VC++6.0进行开发，在行为决策层中利用VC与MATLAB混合编程，通过调用MATLAB引擎函数，把在MATLAB中设计的基于两层多传感器信息融合避障控制器应用到移动机器人运动控制系统中。应用所设计的移动机器人运动控制系统，实现机器人在实际环境中运动，自动躲避环境中存在的障碍物，验证所设计算法的有效性。