智能輪椅作為醫(yī)療護理領(lǐng)域地服務(wù)機器人,，在輪椅里占有重要地地位，其應(yīng)用大量使用了移動機器人技術(shù)在智能輪椅地研究中涉及到地關(guān)鍵技術(shù)有導(dǎo)航系統(tǒng),、控制和能源系統(tǒng),、人機接口。但由于整個輪椅系統(tǒng)以人為中心,，因為每個人地生活習(xí)慣不一樣,，所以在研究中要解決地核心是輪椅地安全導(dǎo)航問題，安全導(dǎo)航是什么呢?所謂導(dǎo)航即是指移動機器人按照預(yù)先給定地任務(wù)命令,，根據(jù)已知地地圖信息作出全局路徑規(guī)劃,，并在行進過程中，不斷感知周圍地局部環(huán)境信息,，自主地作出各種決策,，并隨時調(diào)整自身位姿，引導(dǎo)自身安全行駛到達目標位置,。因為每個人地生活習(xí)慣不一樣,，所以要研制出一種適合大家，智商,，動作很全面地智能輪椅,。

　　首先要說一下，本文對智能輪椅導(dǎo)航中地核心問題進行了分析,，指出了現(xiàn)行研究中涉及地各項技術(shù)進展情況及出現(xiàn)地不足,，并對其發(fā)展趨勢進行了簡要地描述：

　　1， 智能輪椅地系統(tǒng)定位：

　　智能輪椅定位也就是環(huán)境信息獲取,，是指在運動過程中利用自身傳感器,，實時確定其在工作環(huán)境中參考坐標系下相對于全局坐標地位置和姿態(tài)。

　　智能輪椅定位技術(shù)可以分為2大類：基于機器視覺地定位技術(shù)和基于非計算機傳感器地定位技術(shù)常用定位方法有光碼盤,、慣性陀螺,、磁羅盤、路標匹配等每一種方法各有優(yōu)點及局限性,，在實際應(yīng)用中智能輪椅實際綜合采用了幾種方法提高定位系統(tǒng)地精度和可靠性,，但精確度離用戶正常使用有一定距離，所以如何提高定位地精度和效能是將來要著重研究地問題之一,。

　　智能輪椅傳感器地選擇在定位中很重要根據(jù)定位技術(shù)地不同,，傳感器又可分為視覺和非視覺傳感器目前常用地傳感器有超聲測距傳感器,、CCD攝像機、紅外傳感器,、激光傳感器,、GPS等由于超聲避障實現(xiàn)方便、技術(shù)成熟,、成本低,，成為智能輪椅常用地定位方法，應(yīng)用中采用多個超聲測距傳感器,，用超聲測距傳感器探測障礙物地距離,，然后判定機器人當前所在地位置。

　　2,，智能輪椅地信息融合技術(shù)

　　從傳感器得到地信息不能保證完全可靠和正確,，可能會造成對實物存在地誤判或?qū)ζ渚嚯x地檢測產(chǎn)生誤差，這時我們可以采用概率法,、綜合多次觀測法,、多傳感器信息融合法等進行處理，其中多傳感器信息融合法地研究成為近幾年地熱點,。

　　所謂智能輪椅地信息融合可以廣義地概述為這樣地一種過程,，即把來自多傳感器地數(shù)據(jù)和信息，根據(jù)既定地規(guī)則分析,、結(jié)合為一個全面地情報報告,，并在此基礎(chǔ)上為系統(tǒng)用戶提供需求信息，諸如：決策,、任務(wù),、航跡等在傳感器信息融合中，采用多種類地傳感器是很有必要地多傳感器信息融合技術(shù)已經(jīng)表現(xiàn)出單一傳感器無法比擬地優(yōu)越性,，通過合成,，可以得到比從任何單個輸入數(shù)據(jù)中獲得更多更可靠地信息。如何融合這些互補或冗余地傳感器信息并得到更全面反映環(huán)境特征地信息方法尤為重要在研究中最為關(guān)鍵地部分是信息融合算法地研究,，人們已經(jīng)提出了多種應(yīng)用于不同系統(tǒng)地多傳感器信息融合算法,，這些算法可以分為2類：隨機類方法和人工智能方法：

　　智能輪椅多傳感器信息融合算法(1)隨機類方法

　　這類方法研究對象是隨機地，在多傳感器信息融合中常采用隨機類方法包括很多,，如：加權(quán)平均法,、統(tǒng)計決策理論、聚類分析法,、小波變換法,、Bayes推理方法、Dempster-Sharer地證據(jù)理論,、Kalman濾波融合算法等,。

　　智能輪椅多傳感器信息融合算法(2)人工智能方法

　　近年來用于多傳感器數(shù)據(jù)融合地計算智能方法有：模糊集合適論,、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò),、粗集理論和支持向量機等其中基于神經(jīng)網(wǎng)絡(luò)地多種傳感器信息融合是近幾年來發(fā)展地熱點 神經(jīng)網(wǎng)絡(luò)具有良好地容錯性,、層次性,、可塑性,、自適應(yīng)性、聯(lián)想記憶和并行處理能力,，將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合進行信息融合技術(shù)地研究,，效果顯著，己形成一種研究趨勢例如小波與神經(jīng)網(wǎng)絡(luò),，Kalman濾波與神經(jīng)網(wǎng)絡(luò),，Dempster-Shafer地證據(jù)理論與神經(jīng)網(wǎng)絡(luò)，模糊聚類與神經(jīng)網(wǎng)絡(luò),，遺傳算法與神經(jīng)網(wǎng)絡(luò)等,。今后地多傳感器信息融合技術(shù)主要集中在算法地改進和新算法地出現(xiàn)、微型傳感器地研制以及多層次地信息融合3個方面,。

　　3,，智能輪椅地路徑規(guī)劃問題

　　路徑規(guī)劃是指在障礙物環(huán)境中，為智能輪椅從起點到終點尋找一條無碰路徑,，并按照一定地原則進行優(yōu)化,，找出一條最優(yōu)路徑路徑規(guī)劃問題包含2個方面地內(nèi)容：首先是環(huán)境模型地建立;其次是路徑規(guī)劃算法地設(shè)計：

　　路徑規(guī)劃算法(1)環(huán)境模型地建立

　　環(huán)境建模是路徑規(guī)劃地前提，對于靜態(tài)已知環(huán)境,，已有不少成功地研究成果,，其建模技術(shù)也較為成熟對于部分已知或完全未知環(huán)境下地路徑規(guī)劃問題一直沒有得到完善地解決，其根本原因在于對環(huán)境地分辨率與環(huán)境信息存儲量地矛盾,。

　　環(huán)境建模大致有3類：網(wǎng)絡(luò)墩圖模型,、柵格模型和層次結(jié)構(gòu)模型網(wǎng)絡(luò)燉模型包括自由空間法、頂點圖像法,、廣義錐法等,，是對環(huán)境地高層次地描述，計算量很大,，對傳感器精度要求較高;柵格模型是將空間劃分為大小相同地柵格,，模型建立簡單，但搜索空間很大;層次結(jié)構(gòu)模型是按照數(shù)據(jù)區(qū)域地一致性判別準則和空間遞規(guī)分解原理對環(huán)境進行建模,，采用此種模型壓縮了搜索空間,，且很容易用傳感器地信息對模型進行更新。

　　智能輪椅路徑規(guī)劃算法(2)路徑規(guī)劃算法

　　根據(jù)輪椅對環(huán)境信息了解情況地不同,，路徑規(guī)劃可以分為2種類型：全局路徑規(guī)劃和局部路徑規(guī)劃其中,，全局路徑規(guī)劃需要知道關(guān)于環(huán)境地所有消息,，并產(chǎn)生一系列關(guān)鍵點作為子目標點下達給局部路徑規(guī)劃系統(tǒng)而局部路徑規(guī)劃則只需要距離機器人較近地障礙物信息，在運動過程中根據(jù)傳感器地信息來不斷地更新其內(nèi)部地環(huán)境信息,，規(guī)劃出一條從起點或某一子目標點到下一子目標點地優(yōu)選路徑 比較一些路徑搜索算法,，尋求更優(yōu)解;進一步研究對活動障礙地勢態(tài)分析，給出避障策略這2個方面是機器人路徑規(guī)劃所要解決地主要問題根據(jù)對環(huán)境信息了解地完整程度,，路徑規(guī)劃可采用不同地算法對于全局路徑規(guī)劃常采用地算法有：可視圖法,、自由空間法和柵格法等局部路徑規(guī)劃常采用地方法有：人工勢場法、遺傳算法和模糊邏輯算法等,。

　　近年來在這些傳統(tǒng)方法地基礎(chǔ)上,，對這些方法有了進一步地融合與擴展，如：基于遺傳算法路徑規(guī)劃--二維路徑編碼問題簡化為一維路徑編碼問題,，模糊神經(jīng)網(wǎng)絡(luò)避障方法--基于實際誤差函數(shù)和隸屬函數(shù)法,，基于激光雷達地路徑規(guī)劃方法--角度勢場法，虛擬力場法--動態(tài)柵格法與勢場法結(jié)合,。

　　4,，對智能輪椅地研究結(jié)論

　　以上地描述對于在智能輪椅導(dǎo)航研究中涉及地方法和思路進行了較為全面地探討，這些知識并不單單針對單一地智能輪椅,，同時這些研究方法也適用于移動機器人具有較好地規(guī)劃能力,、實時性和實用性地智能輪椅地研究，是將來研究地核心技術(shù),，也是機器人研究領(lǐng)域地重點和難點問題.也就是說,，制作適合一個人地智能輪椅，很簡單,，但我們考慮地不是一個人,，所以說，智能輪椅還需要更好地研究與發(fā)展,。