目前，越来越多的移动机器人已应用到物料自动传输、危险场合下的自动作业以及服务业等。这些应用对移动机器人的导航能力提出了更高的要求，在涉及导航技术的诸多方面中，路径识别和路径跟踪能力是移动机器人智能化水平的重要标志。而限制其识别能力和路径跟踪速度及精度的关键是控制策略及控制算法的实时性和稳定性。为此，本论文对移动机器人的路径识别和跟踪理论及方法进行了较为系统深入的研究。本论文的主要工作包括： （1）分析和介绍了TIT-Ⅰ型移动机器人的体系结构和控制原理。 （2）由于模糊控制和神经网络不需要输入输出之间的精确数学描述，而且具 有高度的鲁棒性和容错性，因此是提高非线性控制算法实时性的有效方 法。本论文在介绍模糊控制基本原理的基础上，指出传统查询模糊控制 表方法的不足并首次提出基于线性插值的改进方法。对比实验表明改进 效果非常明显，并且在模糊控制理论上进行了合理的解释。训练神经网 络使其收敛是应用神经网络必不可少的步骤，本论文通过实验的方法探 讨了影响Bp神经网络收敛的因素，对神经网络的训练具有指导意义。 （3）以墙作为移动机器人进行路径识别和路径跟踪的对象，仅利用最少的3 组超声传感器，综合利用神经网络、模糊控制技术以及感知-规划-执行 的思想实现了路径的快速可靠识别和稳定精确跟踪。 （4）以TIT-Ⅰ型移动机器人为基础，采用面向对象的思想，利用可视化的编 程工具（VC++），开发了非常接近实际的移动机器人路径识别和路径跟踪 的仿真平台。最后对本论文提出的路径识别和路径跟踪控制方案在TIT- Ⅰ型移动机器人上进行了实验验证。