随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络,但模糊逻辑缺乏自学习和自适应能力,神经网络则不适于表达基本规则的知识。在机器人避障和导航控制中,本文采用了基于T-S(Takagi-Sugeno)模型的模糊神经网络的多传感器信息融合算法,该算法融合了神经网络与模糊逻辑的优点,具有处理不确定信息的模糊推理能力和依据样本数据进行学习的能力,能较好的实现机器人在未知环境中的自主避障与导航。首先,本文深入的研究了多传感器信息融合技术,重点研究了模糊逻辑和T-S模糊神经网络这两种多传感器信息融合方法。然后,构造了移动机器人的传感器系统,利用超声波传感器和红外传感器提供未知环境中障碍物的信息,电子罗盘和GPS组成的定位系统提供机器人的位置和目标信息。最后,将模糊逻辑和T-S模糊神经网络这两种多传感器信息融合算法应用到机器人的避障和导航控制中,并对这两种控制方法进行了MATLAB仿真和比较。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,T-S模糊神经网络信息融合算法是优于模糊逻辑信息融合算法的。