煤炭开采过程中经常会发生瓦斯爆炸、透水、冒顶等灾害,使用机器人对灾害矿井环境进行探测,可以防止矿井次生灾害对被困矿工及救护队员造成危害,为高效救援工作创造条件。灾后矿井环境复杂,垮落的顶板会阻碍机器人在巷道中行进,为了使机器人能够快速进入矿井深部探测危险环境信息,开展机器人的路径规划研究具有重要的意义。本课题受到“十三五”国家重点研发计划项目“煤矿灾变环境信息侦测和存储技术及装备”(2016YFC0801808)的支持。主要工作内容如下:首先,使用栅格法对移动机器人工作环境进行建模。由于凹形障碍物会导致路径规划算法早熟收敛,对栅格地图中的凹形障碍物进行腐蚀和膨胀预处理,将凹形障碍物转化为规则的矩形障碍物,避免算法陷入局部最优陷阱。其次,应用粒子群算法进行机器人全局路径规划。针对基本粒子群算法进行路径规划时出现早熟收敛,路径质量差等问题,本文提出将全局搜索能力较强的模拟退火算法与粒子群算法相结合,通过在简单环境与复杂环境中进行仿真实验,证明改进后的粒子群算法可以跳出局部最优解,路径质量得到提高。接着,应用改进蚁群算法进行机器人局部路径规划。针对基本蚁群算法避障能力差,收敛速度慢等缺点,本文提出了一种改进蚁群算法。该算法在路径选择概率公式中引入障碍物排斥权重和增加新的路径启发因子,改善了避障能力;优化路径中局部和全局信息素的更新方式,提高了算法的收敛速度和路径质量;对迭代过程中的蚂蚁个体进行非线性寻优,提高了全局搜索能力。然后应用线性预测模型对动态障碍物的轨迹进行预测,针对不同的碰撞类型采用相应的避障策略。仿真实验证明,改进的蚁群算法较基本蚁群算法更有效的避开障碍物且规划出的路径更优。最后,本文提出了将粒子群算法与改进的蚁群算法相融合的混合路径算法。首先应用改进的粒子群算法进行全局路径规划,移动机器人沿着全局最优路径移动,遇到障碍物时应用改进蚁群算法进行避障,避障后继续沿着全局最优路径移动。通过仿真证明,移动机器人可以有效的避开临时添加静态和动态障碍物,到达目标点。