煤矿井下环境探测机器人的任务是代替工人进入潜在危险区域采集和传输井下环境信息,为矿山煤炭安全生产及救援部门提供决策依据。移动机器人要在结构复杂的矿井环境中完成探测任务首先必须具有良好的避障能力,因此研究煤矿井下环境探测机器人路径规划十分重要。本文首先对未知环境中移动机器人如何实现路径规划进行了研究。确定了移动机器人结构模型,并进行了运动学分析。用MATLAB提供的模糊逻辑工具箱构造了以三个方位的距离及一个导向角为输入、以速度与转向角增量为输出的模糊控制器。将机器人探测到的障碍物距离信息取小融合后输入到控制系统的模糊控制器,实现对机器人的模糊控制的模拟。模糊控制器的设计过程对专家经验有很大的依赖性,而且缺乏自适应环境的能力。而Takagi-Sugeno模糊神经网络有很强的自学、自适应能力,它可以通过训练优化自身性能。本文对大量的左、前、右三方位的距离信息、导向角以及期望输出的速度与转向角增量样本对模糊神经网络进行离线训练。从而提高系统的适应能力。应用MATLAB编写仿真程序,对基于Takagi-Sugeno模糊神经网络的路径规划算法进行了仿真,对不同数量和排列形式的障碍物路径规划结果符合要求,验证了算法的合理性与普遍性。