智能机器人以其工作效率高、灵活机动、安全稳定等优势,已成为当前工业界、服务业等劳动强度高,工作环境危险恶劣的最佳替代选择。尤其随着以智能制造为主导的工业4.0的不断推进,智能机器人的研究、生产已迫在眉睫。通过在传统机器人上合理安装传感器,可以使机器人具有感知环境的能力,使机器人根据环境变化实时作出相应的反应,实现机器人的有效自我控制。本文面向多传感器融合的智能机器人的研究与设计,按照一体化的设计思路,对传感器数据与处理,数据融合和机器人控制等关键技术开展研究,具体工作如下:针对传感器采集的数据量大,冗余度高,没有纠检错能力等问题,重点考虑对传感器采集的数据进行处理和提取,并对提取得到的数据进行野值检测和剔除,提高数据的有效性和可靠性。针对单一传感器采集的数据单一,不能够全面反应环境信息,而且稳定性不高的问题,文中采用多传感器对环境信息进行数据采集,并对预处理的数据进行融合,通过对不同性质,多变的信息进行复合推理,以产生1+1>2的效果,从而增强控制器的控制能力。针对在实际工作中需要机器人精度要求高,反应速度块的问题,即要求较快的收敛速度,高的稳定性和更少的计算开销。因此提出基于蚁群优化(ACO)算法的路径规划。将路径规划转化为惩罚函数优化,通过蚁群优化(ACO)算法寻求全局优化。对于包含障碍限制和路径信息长度的适应函数,通过蚁群优化(ACO)算法最终得到安全和最短的路径。研究结果表明本文所采用的多传感器信息融合控制能实时感知周围环境的变化,实时调整机器人的路径规划,有效提高机器人的可靠性和工作的有效性。