不言而喻,人们在煤矿井下作业具有危险,煤矿井下瓦斯浓度多,技术和监管不及时,和国民日益对煤矿需求的增长,促使煤矿开采过程中事故经常发生,因而不仅给人们带来了危害,而且严重的影响着行业的健康发展。因此,研发出良好效果的煤矿井下工作面巡检机器人成为煤炭行业发展的重要基础,它能替代救援人员进入煤矿井下探测井下气体浓度。同时将信息实时地传输到地面,为快速、准确地开展煤矿工作提供了保障。如今,煤矿井下巡检机器人的探索已成为科研工作的重点。工作面巡检机器人能够在环境恶劣的煤矿井下完成探测任务地图构建和路径规划能力是基础,因此研究发展创新煤矿井下工作面巡检机器人的地图构建和路径规划及其重要。首先本论文对工作面巡检机器人建立运动学模型和运动学控制模型,然后对已知环境中移动机器人如何实现地图构建进行了介绍,运用扩展卡尔曼滤波的SLAM算法在煤矿井下环境中进行地图构建,运用改进的扩展卡尔曼滤波的SLAM算法进行了优化。同时运用混合优化的蚁群算法,即运用混合优化的蚁群算法,结合目标吸引改进启发信息、信息素分配机制的改进、舍弃部分蚂蚁的改进策略综合为一体,对蚁群算法进行改进。结果提高路了路径规划的速度,解决了收敛速度慢等问题。最后,运用MATLAB对运动控制模型进行仿真跟踪。运用MATLAB对地图构建进行仿真,得到改进后的卡尔曼滤波的SLAM算法比改进前卡尔曼滤波的SLAM算法更加精准。运用MATLAB对改进的蚁群算法进行仿真分析,当改变参量时,得到蚁群算法经过更加精确,速度更快。该论文有图33幅,表4个,参考文献70篇。