多传感器信息融合技术是近年来十分热门的研究课题，它结合了控制理论、信号处理、人工智能、概率和统计的发展，为机器人在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径。多传感器信息融合是指综合来自多个传感器的感知数据，以产生更可靠、更准确或更精确的信息。经过融合的多传感器信息具有以下特性：信息的冗余性、信息的互补性、信息的实时性和信息的低成本性。本文在黑龙江省自然科学基金“遥控焊接机器人共享控制的研究”的支持下，以多传感器信息融合技术作为研究重点，结合它在机器人中的应用进行了理论和实践上的探讨，主要研究内容如下：1． 介绍了国内外机器人和信息融合技术的发展动态和趋势，分析了多传感器信息融合技术在机器人领域的应用，指出传感器信息融合技术是实现机器人智能化的关键技术之一。2． 对多传感器信息融合技术的基本原理及关键问题：信息的表示与转换、信息融合的层次、系统模型的建立进行了详细的分析。提出了多传感器信息融合方法的分类。3． 分析和介绍了模糊神经网络的基本原理，提出一种基于T-S模型的变结构模糊神经网络，应用于机器人的导航。利用模糊神经网络避障控制器融合CCD摄像机与超声波传感器探测到的环境信息，以实现机器人的安全避障。仿真实验表明该算法的有效性。4． 设计了一种基于B样条基本函数的模糊神经网络结构，它结合了模糊变量，知识库以及神经网络的学习功能，是本文所确定的多传感器信息融合系统中的重要决策手段，也可以应用于其它领域中。5． 为了实现机器人在完全未知的非结构环境中自主导航，本文基于多传感器融合原理，建立了采用多个超声波传感器的移动式小车模型。提出了再励学习的Q学习算法在线训练模糊神经网络的方案，从而无须在融合传感器数据前进行离线学习，而是将超声波传感器测量的信息进行预处理后直接输入神经网络，产生控制命令，数据融合过程与控制过哈尔滨理工大学工学硕士论文程合为一体，控制结构更加简单。试验表明该方法具有较好的容错性能和泛化能力。