随着计算机和人工智能技术的发展，机器人的应用已经从传统的工业制造领域发展到了军事民用海洋勘探月球和火星探测等方面这些应用领域已经不再是简单的结构化的环境，而是一些极端的或者复杂多变的环境，在这种情况下就对机器人的性能提出了更高的要求目前的机器人的智能化水平已经无法满足上述复杂环境的要求，需要自主性更强，实时性更好的机器人传统的机器人控制机理都是基于认知推理方式的，这种控制机理不能满足这种极端环境或者复杂多变的环境，应该从机器人控制机理上对机器人学习方式进行改进而关于情感智能的研究已经取得了一定的成果，所以将人工情感引入到机器人智能控制中逐渐成为人工智能领域一个新的研究方向本文针对传统的机器人学习算法进行研究，将情感的因素加入到机器人学习算法中，提出了基于人工情感的机器人学习框架，并用于改进CMAC网络学习算法遗传算法和强化学习算法，提高了机器人的综合性能首先，对CMAC网络学习算法遗传算法和强化学习算法进行分析，并结合人类大脑处理信息的原理提出将情感因素引入到机器人学习中的思路，建立了基于人工情感的机器人学习框架，为后面分别针对CMCA网络学习算法遗传算法和强化学习算法的改进作基础其次，针对自然情感的特点进行深入研究，根据情感建模的知识分别建立了基于欧氏空间的模型和基于认知推理的情感模型，并通过仿真实验验证了前两种模型的有效性，证明了可以将人工情感模型应用于机器人智能控制中去在此基础之上建立了基于模糊推理的情感模型，应用于后面的仿真实验中最后，在Matlab环境下，设置机器人生存实验和机器人导航实验，分别对基于CMAC网络的改进算法基于遗传算法的改进算法和基于强化学习的改进算法进行仿真实验仿真实验结果验证了基于人工情感的机器人学习框架设计的合理性和这种改进算法提高机器人整体性能的可行性