进行启动、制动和耦合运动时，塔机结构都会承受强烈冲击振动，使塔机运输达到精确位置具有很大难度，而塔机定位是灵活、高效控制塔机的一大前提。传感器信息融合能检测并精确估计出每一时刻机臂、小车与负载到达位置，定位结果能及时且精确地反馈给塔机控制系统，对提高生产效率、降低事故发生的可能性具有重要意义。本文在对塔机结构分析的基础上，借鉴国内外研究现状和发展趋势，进行了基于多传感器信息融合的塔机定位系统的研究。具体研究内容分为三部分：第一，通过对塔式起重机的运行结构分析，利用简单的变量关系建立了理想的塔式起重机的线性化动力学模型、状态方程以及检测方程。引进联邦Kalman滤波，建立基于联邦Kalman滤波的塔机定位系统，并进行了分配系数随噪声变动的联邦Kalman滤波的改进，极大克制噪声影响，以实现对塔机线性系统的精确定位。第二，深入分析塔机复杂运行结构，发现线性定位仅针对可直接检测变量。为了解决这一问题，建立了合适的塔机非线性动力学模型，引进以Uncented变换为基础的Uncented Kalman Filtering (UKF)，并将联邦Kalman滤波与UKF滤波相结合，减少了数据的大量丢失，避免了Jacobian矩阵的复杂计算，定位精度得到提高。第三，由于塔机负载具有复杂的三维运动特性，定位难度大。引入最小二乘法，将其与Kalman滤波相结合，实现了负载的三维定位。进行双层最小二乘法的改进，对三坐标数据进行单独的Kalman滤波，运算量大大减少，负载定位精度显著提高。对上述定位方法都进行了仿真研究，仿真结果表明了它们的正确性和有效性。