移动机器人路径规划是机器人研究领域的一个重要内容,本文针对部分环境信息已知以及存在未知静态障碍物的情况,提出了一种移动机器人混合路径规划的方法。该方法首先采用粒子群算法直接作用于改进编码的环境模型中进行全局规划,得到一条合适的路径,然后,依靠这条路径,采用模糊神经网络算法进行局部避障规划,保证了移动机器人在实时避开未知静态障碍物的同时,尽量沿着原规划好的全局路径运行。论文首先在进行全局路径规划时,采用传统方法链接图法来进行环境建模,通过改进编码方法,使得粒子群算法能直接作用于环境模型中求得合适的路径,并继续使用粒子群算法对此路径进行优化从而得到最优的路径,同时,加入随机因子有效避免了粒子群算法陷入局部极值点。仿真结果表明,与传统方法相比,本文所提的方法不仅大大的减少了算法的复杂性和提高了算法的效率性,而且加快了收敛速度,能在较短的时间内寻找到最优路径。其次在进行局部路径规划时,使用了一种用于局部路径规划的模糊神经网络结构,并进行了学习训练。在此基础上,又对移动机器人的环境信息以及传感器的功能进行了模拟处理,使得能在仿真实验中比较真实的反应出实际情况,在不同环境信息中的仿真实验表明了此方法具有较强的鲁棒性和有效性。最后提出了一种混合路径规划的方法,把全局路径规划出的最优路径各个路径节点作为局部路径规划时移动机器人行走的目标点,这样能使机器人较快的寻找到局部最优点,并且能够沿着已经规划好的全局路径向终点移动,大大减少了规划时间,节约了成本,仿真实验验证了这种方法的可行性。