随着科学技术的不断进步,移动机器人的智能化水平也越来越高,如今,移动机器人已经在诸多领域得到广泛应用。路径规划是移动机器人研究领域的核心内容之一,是其智能化水平的重要体现。本文从移动机器人的安全有效性出发,面向复杂多变的工作环境,对机器人的路径规划问题进行了深入的研究。首先,针对特定环境中,人工势场法存在的目标不可达与局部极小值问题,将模糊控制与人工势场法融合,设计了一种模糊人工势场算法。利用人工势场法对机器人局部环境进行建模,将得到的斥力和目标体、障碍物与机器人之间的夹角作为模糊控制器的输入,针对特定的情况,制定专家经验规则,得到模糊控制器输出的偏转角,该偏转角与人工势场法的引力角相加得到机器人最终的运动方向。实验验证模糊人工势场算法有效地解决了人工势场法存在的不足,在多静态障碍物环境中通过与栅格法和遗传算法对比,验证了算法的性能。然后,利用所设计的模糊人工势场算法,生成供神经网络监督学习用的训练数据集。同时,设计一种新的可扩展神经网络,搭建神经网络模型,利用模糊人工势场算法生成的数据集对神经网络模型进行训练。最后,在搭建的动态复杂仿真环境中进行实验,并与动态窗口法和蚁群算法对比验证,实验结果表明,所训练的神经网络模型具备较好的性能。进一步地,针对移动机器人动态复杂工作环境中存在的未知不确定障碍物与高速逼近的紧急障碍物,结合设计的神经网络模型,在慎思/反应复合式机器人体系结构下设计实时决策系统。实时决策系统根据机器人遇到的特定情况,对障碍物进行分类,针对不同类型的障碍物分别决策出机器人的运动方向与运动速度,达到对环境中所有障碍物的有效躲避,提高了机器人的安全性。最后,搭建针对性的动态复杂环境,验证了实时决策系统的性能,并在同样的复杂环境中与动态窗口法、蚁群算法和设计的神经网络模型进行对比验证,实验结果表明实时决策系统具有更好的安全性能。最后,搭建移动机器人实验平台进行实验验证。选用RikiRobot机器人来搭建实验平台,并搭建针对性的实验环境。实验结果表明机器人可以有效地避开环境中设置的所有类别障碍物,安全到达目标位置。实验验证了本文所提出的路径规划算法的有效性以及其在实际应用中的可行性。