软体驱动器作为软体机器人核心动力部件,天然的柔软特性造成软体驱动器运动信息难以准确测量。实现软体驱动器角度信息的准确测量对软体机器人的运动控制具有重要的研究意义。测量软体驱动器的角度常采用视觉传感器、惯性传感器和曲率传感器。视觉传感器测量易受到障碍物遮挡、工作区域及环境光线等因素影响。惯性传感器测量易受软体驱动器内嵌气道膨胀的影响,曲率传感器测量则存在迟滞和漂移等问题。因此,为了提高软体驱动器角度测量的精度,有必要对传感器测量方案进一步深入研究。本文根据以上三类传感器测量软体驱动器角度易受到迟滞、遮挡、气道膨胀的影响,设计基于惯性传感器、曲率传感器和视觉传感器的软体驱动器角度感知系统。即曲率传感器感知软体驱动器本体弯曲变化,姿态模块感知软体驱动器末端角度变化,视觉传感器感知软体驱动器弯曲变化的图像信息。基于多传感器数据融合方法,为实现软体驱动器高精度角度测量提供平台。针对接触式传感器测量软体驱动器角度易受到迟滞、气道膨胀影响,本文首先采用惯性传感器和曲率传感器测量软体驱动器角度数据。基于模糊推理与卡尔曼滤波结合的算法实现惯性传感器和曲率传感器数据融合,减少了接触式传感器测量软体驱动器角度受漂移和气道膨胀影响。基于BP神经网络和长短时记忆网络分别融合曲率传感器和惯性传感器,减少了接触式传感器测量软体驱动器角度受迟滞和气道膨胀影响。研究结果表明:长短时记忆网络能够更好的提高接触式传感器测量软体驱动器角度精度。针对视觉遮挡问题,本文采用惯性传感器、曲率传感器和高清摄像头测量软体驱动器角度数据。基于支持向量机、长短时记忆网络、k-means聚类以及BP神经网络分别融合高清摄像头和最优接触式传感器融合值,实现了视觉遮挡数据识别。通过卡尔曼滤波方法实现接触式传感器补偿视觉传感器遮挡的角度数据。研究结果表明:支持向量机能够取得更好的融合效果。