为解决护理机器人大小便监测采用单一传感器准确性不高而引发误报或漏报的问题,提出了一种BP神经网络和改进的D-S证据理论相结合的多传感器数据融合监测算法,并通过采集的湿度、温度和氨气浓度数据对融合模型进行仿真验证。首先利用BP神经网络对测量数据进行特征级监测,而后用BP网络的输出结果和训练误差获得D-S证据理论的基本信度分配,针对D-S证据理论无法解决证据之间的冲突问题,引入矛盾系数改进D-S证据理论实现决策级的融合监测。仿真结果表明该方法降低了监测的不确定性,实现了异类信息的互补,提高了智能护理机器人排便监测的准确性和可靠性。