近年来,机器人技术经过稳步发展已然十分成熟,适应于各种应用场景的机器人不断被开发出来,其中移动机械臂凭借其优良的稳定性和极强的场景适应性受到国内外科研工作者的广泛青睐。移动机械臂着重面向室内环境应用,既可以扩展机械臂的工作空间,又可以实施抓取动态目标物质,能够在仓储物流、侦察排爆领域发挥巨大的作用。如何实现移动机器人安全和平滑的自主导航以及机械臂灵活抓取目标是关键,因此探究移动机械臂的联合运动规划具备重大应用价值。本文着重探究移动机器人的分层路径规划算法,同时探索机械臂抓取运动规划,其研究内容如下:首先,探究并改进了传统的全局路径规划A*算法。针对传统A*算法存在扩展搜索范围大、路径容易发生碰撞的问题,提出创新优化方法:引入自适应搜索距离的思想,代替其固定搜索距离,以提升搜索效率;改进其评价函数,添加防碰距离函数,将增大容易碰撞节点的代价,使得路径尽可能远离危险节点。再经过仿真对比,结果验证了改进算法可以显著提高搜索效率、减少碰撞概率。其次,探究并充实了传统的局部路径规划DWA算法。关于传统DWA算法困在“U”形障碍物区域,预测轨迹过于超前以及评价函数固定权重无法适应复杂场景下的应用需求的问题,提出创新优化方法:采用动态预测时间步数,来获取可靠的预测运行轨迹;引入动态速度评价函数权重,以提升DWA算法选择最优轨迹的能力,改善经过稠密障碍物区域的性能;若使DWA算法脱离“U”形障碍物区域,则与A*算法融合,实行分层运动规划。然后,探究并完成了移动机械臂的抓取运动规划。以机械臂的运动学为根基,阐述移动机械臂协同运动规划的两种情形。建立模拟地图后,先对移动机器人进行融合路径规划仿真,完成分层路径规划。结果验证了融合算法的搜索效率、碰撞概率和路径追踪误差明显优于独立算法。再研究机械臂抓取运动规划,拟选用RRT算法规划机械臂工作路径,接着进行轨迹插补。使得移动机械臂系统协同完成既定任务,结果证明移动机械臂系统在复杂室内环境下自主导航和抓取实物协同运动符合预期。最后,设计实验室障碍物环境,在机器人操作系统（Robot Operating System,ROS）中,选用自适应搜索距离的改进A*算法和改进DWA算法进行自主导航实验,紧接着进行机械臂抓取运动规划实验,最终完成移动机械臂协同运动规划,抓取目标物体。结果表明改进后的融合路径规划算法使得移动机器人快速抵达指定位置,并且提升车、臂协同运动的性能,实现移动机械臂在实验室场景中出色完成既定任务。本课题对于移动机械臂系统的运动规划与抓取任务,仍然需要补充与完善其重要环节。一是机械臂的运动规划结果具有随机性,计划改进采样策略,减少采样盲目性,并结合A*算法思想增加距离长度优化指标。二是移动机械臂的协同运动仅是初步运用,其分离求解效率不高,计划探究并实现其灵活、高效的整体运动规划。