自主移动机器人是机器人研究领域的前沿研究方向,自主移动机器人因其运动的灵活性和对环境的适应性而得到了广泛的应用。导航是自主移动机器人的核心技术。导航是指机器人建立精确的环境模型,实现自身的定位,按照一定的约束条件规划移动路径,实现从起始位置到目标位置的无碰撞运动。自主导航主要解决三个问题：地图创建、定位和路径规划。因此研究自主移动机器人的路径规划算法具有理论和现实的意义。本论文对自主移动机器人路径规划算法进行了研究,全文工作主要分为以下几个方面。论文首先介绍了自主移动机器人的研究背景和意义,简要介绍了国内外典型的自主移动机器人,综述了自主移动机器人导航的关键技术和研究热点。介绍了两种经典的路径规划算法——人工势场法和A*算法,详细阐述了生物激励神经网络路径规划算法,并分析了该算法的环境建模原理和路径决策方法。在生物激励神经网络算法中,当环境中存在沿着边界以及夹在障碍物之间的短路径时,由于这些路径点的相邻位置点数量少或包含障碍物的位置点过多,激励输入会偏小,目标点对这些路径点的影响减弱,因此活性值偏小,会出现路径错判问题。同时,生物激励神经网络算法生成的路径不够平滑。为了解决这些问题,本文提出了改进型生物激励神经网络算法。在环境建模部分,改进型算法对边界附近和障碍物之间的位置点引入了假想的可传播正活性值的相邻位置点,增大了激励输入,增强了目标点活性值对此类区域的传播作用,使得这些点的活性值增大。此外,在路径决策方法中加入了转角因素。对改进型生物激励神经网络算法进行了静态和动态环境的仿真实验,实验证明改进型算法有效地解决了路径错判问题,同时平滑了路径。改进型算法在时间消耗上略有增加,但在路径长度、转向次数以及总的转动角度几个指标上相对于生物激励神经网络算法有较大的优势。为了验证改进型生物激励神经网络算法在实际环境中可用,设计了导航试验。移动平台采用Pioneer移动机器人,传感器采用低成本激光测距仪RPLidar,软件系统使用机器人操作系统ROS。实验过程中使用了一个预先创建好的环境先验地图,机器人从起始位置出发,在移动的过程中能够根据传感器的实时数据更新局部地图并估计自身的位置,避开了环境中的障碍物最终抵达目标位置。实验结果证实了本文提出的算法在实际环境中切实可行。