随着我国经济的高速发展,汽车的保有量不断增加。汽车行驶安全性越来越受到重视,汽车避障系统作为一种主动安全技术将具有广阔的空间。汽车避障系统是一个复杂的非线性系统,其受外界环境的影响很大,所以建立其精确的数学模型十分困难。多传感器数据融合理论的迅速发展为解决这一问题带来了生机。本文通过对目前各种汽车避障系统的分析和各种常用汽车避障传感器的比较,针对汽车行驶的环境具有非结构化和不确定性的特点,为了解决单一传感器获得获得信息的片面性问题,本文根据汽车行驶的环境特征,结合模糊控制和神经网络的特点,提出了模糊神经网络多传感器融合算法。通过对汽车行驶的速度、汽车在道路中的位置、汽车相对障碍物的距离和障碍物相对于汽车的位置信息的融合,来调整汽车的行驶速度和行驶方向,能够很好的解决避障系统获得信息片面性的问题,使驾驶员能够安全躲避障碍物。通过用Matlab仿真软件对模糊神经网络进行仿真,仿真结果证明所用模糊神经网络多传感器数据融合算法能够快速收敛,适合于汽车避障系统。