随着科学技术的不断进步,机器人技术得到了快速发展,机器人示教技术被用于各个领域,而常用的示教方法仍存在着许多不足之处,包括示教过程繁杂、灵活性差、安全性低等。通过采集人体运动信息,优化数据融合,可弥补常用示教方法存在的不足,提高示教过程效率,保证安全性。本文通过MEMS传感器采集人体手臂运动信息,利用捷联惯性导航技术姿态解算方法,提出了一种多MEMS组合传感器信息融合姿态解算控制策略,分别通过静态和动态仿真测试所改进的姿态控制策略的可行性。采用空间位置算法解算出人体手臂末端在三维空间的位置以及移动轨迹,通过实验验证MEMS传感器对手臂运动信息的采集效果。实验结果表明,采用多MEMS组合传感器能够采集到精确的手臂运动信息,且成本较低,可将此方法应用于机器人示教。首先,通过人体手臂的物理特性,搭建手臂运动学模型,分析各关节运动情况,得到各关节自由度,分析了MEMS传感器的构造原理以及各微传感器的工作原理,阐述了MEMS传感器主要的误差来源,采用中值滤波法对传感器采集的原始数据进行滤波处理,进而提升其采集数据的精度。然后,分析了方向余弦法、欧拉角法和四元数法原理,比较了各方法的优缺点,针对各微传感器模块性能特性,采用了互补滤波原理进行数据融合,卡尔曼滤波进行对数据的预测更新。本文的核心思想是提出了一种多MEMS组合传感器信息融合姿态解算控制策略。在载体坐标系各轴上分别采用四组MEMS传感器进行数据采集,通过空间旋转矩阵得到姿态角数据,将采集的数据与四元数估计数据做叉乘,通过模糊算法和PI算法进行组合调节数据偏差,互补滤波进行数据融合,抑制陀螺仪漂移,AEKF对数据进行预测更新,利用空间位置法和空间位置叠加法解算出手臂末端在三维空间中的位移轨迹。最后,通过实验测试手臂在空间中连续运动,获得最终位移轨迹数据,通过实验分析得到,本文所提出的一种多MEMS组合传感器信息融合姿态解算控制策略,能够较精确获得手臂末端在空间中位移轨迹,减小位移轨迹的误差漂移,可以应用在机器人示教中。