路径规划是移动机器人技术研究中的核心问题,是实现智能化和自主化的关键。机器人为了实现在工作环境下自主地工作就必须具有感知工作环境和规划控制自身运动的能力。移动机器人的感知就是利用自身携带的传感器来感知工作环境信息;而机器人规划控制自身运动就是指其在遇到具体障碍物时能根据传感器感知的数据信息,利用运动控制规则来控制自身的运行速度和运行方向,也就是路径规划。本文中先分别分析了神经网络和遗传算法各自在移动机器人路径规划方面的应用.神经网络一般是用来对移动机器人的感知数据进行信息融合,以建立其所处工作环境的地图,而遗传算法在工作环境全局已知时具有良好的路径规划表现,但在面对未知环境时往往无能为力。为此,本文最后提出了一种将神经网络和遗传算法结合起来用以实现未知环境中移动机器人路径规划的方法。该方法中,移动机器人的工作环境被假定为二维的,障碍物的形状、数目和位置任意,规划路径由二维工作空间中的一系列点组成。移动机器人的运动控制规则由神经网络来决定,先利用自身前端配置的五个传感器来感知其所处的未知环境,然后将感知的障碍信息及目标点的距离方位信息作为神经网络的输入,神经网络的权值训练通过遗传算法进化完成,最后将经过训练的神经网络的输出作为移动机器人的运动作用力,实现在未知障碍环境中的运动路径规划。仿真实验结果表明采用这种路径规划方法,我们的移动机器人不仅能有效地躲避障碍物,还能够不断地向着靠近目标点的方向运动并最终到达目标点,从而完成未知环境中的路径搜索任务。