一种基于多源异构数据融合与动态建立知识图谱方法

一种基于多源异构数据融合与动态建立知识图谱方法，属于智能机器人系统领域。首先，进行多源异构数据融合，构建分布式卡尔曼滤波网络，分别针对不同传感器设计滤波器，实现数据时空对齐；采用改进D‑S证据理论进行冲突检测与消解，通过置信度评估模型动态调整融合权重；其次，构建动态知识图谱，建立包含环境实体、时空关系、概率推理的三层图谱结构；设计事件触发式增量更新算法，当环境变化度超过阈值时启动局部重构，引入LSTM记忆网络来增强时序推理能力；最后，构建基于动态知识图谱的强化学习模型，设计多目标奖励函数，最后训练至模型收敛。本发明通过EKF/UKF组合滤波定位误差降低，通过冲突消解机制，降低多传感器数据空间对齐误差，能够提升全向移动机器人在复杂动态环境中的执行效率和应对能力。