智慧工厂和物流仓储行业中的机器人面临着非结构环境变化、复杂整机技术构成、动态运行工况以及人因等多重不确定性因素影响,感知信息难以准确建模评估,同时自主行为控制复杂,无法适应高强度和高可靠性运行安全需求。为保证仓储机器人在非结构环境中信息感知的准确性和可靠性,提高仓储机器人自主作业能力和环境适应性,开展非结构环境仓储机器人的避障信息感知和行为不确定性处理研究具有重大意义。论文以全向轮运动的仓储机器人为对象,在明晰其结构组成和功能实现的基础上,首先辨识并分析非结构环境中不确定信息的来源、干扰因素、表现形式以及在整机系统中的传递过程,考虑不同环境因素对传感器测量性能的影响,优化传感器观测模型,估计环境障碍位置;在此基础上,对不同测量条件下的多传感器测量数据进行融合处理,消除测量信息的误差、冗余和矛盾,降低信息的不确定性和不一致性,为避障行为控制提供较为准确的测距信息;最后研究仓储机器人在非结构环境下的避障行为控制。论文主要研究内容如下:(1)从外界环境和机器人系统角度出发,分析总结感知不确定信息的表征与传播,进行不同环境因素影响下超声波传感器观测建模与障碍物位置估计。结合仓储机器人的运行环境和工作特点,总结了影响传感器工作性能的干扰因素与传播过程。重点关注传感器测量信息的随机不确定性,进行概率量化,并建立典型测量条件下的传感器观测模型,通过模型抽样为后文多传感器信息融合提供数据支持。最后考虑测量不确定性下环境障碍位置估计。(2)在环境感知中不确定信息分析的基础上,进行动态和静态观测条件下多传感器测量数据融合算法的改进研究。针对非结构环境下多传感器系统测量数据的不确定性和不一致性等问题,进行多传感器测量数据预处理和融合。针对测量数据的不一致性问题,采用基于稳健统计理论的分布图法进行数据预处理,优化了该算法中间次序统计量的计算过程;针对测量数据的不确定性问题,在优化隶属函数的基础上,采用改进的模糊贴近度描述同类型传感器间的测量数据接近程度,并进行融合处理,同时利用测量数据在卡尔曼滤波前后的差值来优化不同类型传感器间融合权值的分配问题;最后在动态和静态观测条件下,进行优化算法的验证。(3)在测量数据融合基础上,结合环境障碍分布特点,进行机器人模糊避障。针对非结构环境建模的复杂性以及仓储机器人避障行为控制的不确定性等问题,借助模糊控制处理不确定信息的优势以及环境适应性强的特点,对仓储机器人进行避障行为控制。首先分析了环境障碍分布特点,建立了麦克纳姆轮底盘的运动学模型;然后在环境障碍分类的基础上,进行模糊控制器的设计与优化;最后在不同环境障碍分布下进行机器人避障仿真。