爬壁机器人由于其作业环境的特殊性,已经成为机器人技术发展的热点之一。而除锈爬壁机器人以其绿色环保、除锈效果好等优点,在船舶壁面除锈等领域具有重要的应用价值。一般来说,除锈爬壁机器人工作量很大,自动化改进需求迫切,但在壁面定位、路径规划、自动控制等方面的研究还不满足应用要求。除锈爬壁机器人工作过程中的变负载特性,给其运动控制带来了困难。不同船型壁面的障碍物形式和分布不同,如何在各种环境中实现自定位和障碍物定位,以及规划运动路径等都是需要解决的问题。因此,本文针对除锈爬壁机器人的定位、路径规划、控制系统及控制算法等方面的关键性技术进行了深入的研究。论文提出了一种爬壁机器人定位信息融合模型,模型采用两级融合算法实现机器人定位。第一级融合实现了爬壁机器人在壁面的自定位；第二级融合实现了障碍物的定位。融合算法提高了爬壁机器人的定位精度,解决了爬壁机器人的自主定位和障碍物定位问题。提出了一种基于障碍物检测传感器的生物激励神经网络动态路径规划方法。建立了障碍物检测传感器的检测数学模型,利用数学模型动态局部地建立环境信息,实时规划出爬壁机器人的运动路径,解决了环境模型建模不准或未知情况下的动态路径规划问题。提出一种运动情况模板搜索和匹配的路径规划方法,首次将爬壁机器人的运动状态受限问题引入到路径规划算法中,实现在路径规划的基础上判断爬壁机器人下一点运动的方向和角度,拓展了路径规划在条件受限的移动机器人领域的应用。论文主要结构如下：第一章,提出了论文研究的背景和意义,对国内船用壁面清洗类机器人的研究现状进行分析,综述了目前机器人定位和路径规划的研究现状,在此基础上提出了本文的主要研究内容。第二章,建立除锈爬壁机器人机械系统的静力学和动力学模型,通过仿真分析确定除锈爬壁机器人的磁吸附力和驱动力。在此基础上,分析除锈爬壁机器人机械系统的关键部件,最终通过试验验证了除锈爬壁机器人的负载能力,为后面的研究提供理论基础。第三章,根据除锈爬壁机器人在船舶壁面除锈的定位要求,选取了除锈爬壁机器人相对位置和障碍物位置检测传感器,建立了除锈爬壁机器人的定位模型和各个传感器观测模型,为融合过程的实现奠定了基础。融合模型采用两级融合方式,融合模型数据处理分别采用扩展kalman滤波算法和加权平均值法,并仿真分析了融合定位精度。第四章,针对从一块已除锈完的区域运动到下一块要除锈区域的路径规划问题,提出利用生物激励的神经网络算法作为点到点路径规划算法。在算法中引入障碍物检测传感器,实现动态规划的运动路径。提出了基于运动情况模板搜索和匹配的生物激励神经网络路径规划方法。最后通过仿真和试验证明,改进算法能很好地解决管路限制的问题,满足实际的路径规划需求。第五章,针对区域除锈的完全遍历路径规划问题进行研究。通过在完全遍历路径规划总规划方式的基础上,集成启发式搜索算法和模板法完成了路径搜索；通过实验发现完全遍历路径规划的覆盖效率不高,因此提出了基于动力学反演控制方法,从轨迹跟踪控制的角度考虑提高遍历清洗的覆盖率,仿真结果表明,利用此方法可以提高遍历清洗的覆盖率。最后开展了综合路径规划试验研究,结果表明除锈爬壁机器人能实现自主定位和路径规划功能。第六章,对论文的研究内容进行总结,并展望了该研究课题的后续研究方向。