近年来,随着我国工业化进程的持续推进,对电力的需求量也随之增加,电力工业随之得到快速发展。在电力系统中,无论是社会总用电量还是总装机容量都在快速增长。作为电力系统的枢纽站,变电站的安全稳定运行对整个电力系统的正常运行都至关重要,为保障变电站的正常运行,运行人员会定时定点对变电站进行巡检,但传统的人工巡检却存在诸多缺点,因此近年来在人工智能技术的支撑下,变电站巡检机器人应运而生。路径规划是机器人在巡检过程中最重要的技术之一,在近年也有了较快的发展。但传统的路径规划方法各有优劣,本文中变电站巡检机器人的路径规划算法的选取是根据变电站内的实际环境和需要而做出的选择,并对选取的算法进行改进,主要工作如下:首先,本文详细分析了变电站的环境特点。路径规划的前提是对工作空间的环境进行分析,以及对工作空间的地图模型创建。本文使用基于激光雷达传感器的机器人对环境进行地图建模实验,对地图中的特定形状障碍物进行“膨化”或者“填平”处理,通过对栅格地图进行一些简化,完成变电站环境的整体地图建模,为巡检机器人的路径规划提供具体且准确的环境数据。然后,本文选用了蚁群算法和人工势场算法对机器人进行路径规划,并对以上算法进行了改进。本文对所使用的蚁群算法、人工势场算法的原理和适用规则进行了介绍;针对蚁群算法在初始搜索阶段的“盲目搜索”以及在全局搜索中效率低下的问题,本文提出了将人工势场法的合力方向简化为方向因子加入启发信息中,使算法在初始阶段能够有更大的概率向着目标点的方向运动;将转移概率进行调整,随迭代次数的增加对蚂蚁的转移概率进行合理的调整;将蚁群算法的单向搜索改为双向搜索提高搜索效率,通过20×20、30×30的栅格环境仿真对比,可以看出改进后的算法在迭代次数和最小路径都有明显提高。最后,本文针对人工势场法的目标不可达和路径不光滑等问题,提出了修改斥力场函数方法,使机器人在目标点有较大障碍物等情况下可以顺利到达目标点;当机器人陷入局部最小点时,可根据障碍物尺寸设定机器人的运动方向,帮助机器人走出“陷阱”;利用B样条曲线对规划出的曲折、不光滑的路径进行平滑处理,通过仿真结果可得到光滑完整的路径。