机器人技术的产生,对工业、生活等各个领域产生了深远的影响。智能机器人的相关技术也一直是科学界的研究热点。我国科学家对机器人的定义是:“机器人是一种自动化的机器,所不同的是这种机器具备一些与人或生物相似的智能能力,如感知能力、规划能力、动作能力和协同能力,是一种具有高度灵活性的自动化机器”。移动机器人,是指在一定的已知或未知环境中,能够通过传感器获取环境信息,自主导航,完成特定工作的一类机器人。自主导航技术是移动机器人的关键技术,也是移动机器人智能化的重要体现。导航系统一般由环境建模(Map-Learning)、自主定位(Self-Positioning)、路径规划(Path Planning)和障碍闪避(Obstacle Avoidance)等四个部分组成。其中环境建模和自主定位之间,存在着精度上相互依赖的关系,路径规划和障碍闪避之间存在着某些任务上的重叠。路径规划技术,是导航技术的核心部分之一,高效准确的路径规划技术,对于提高机器人的性能意义重大。本文的研究内容主要包括以下几个方面:(1)本文首先通过仿真实验,对传统路径规划方法和智能路径规划方法进行了研究,分析各种方法的性能和优缺点,给出了路径规划问题的一般描述,并阐述本文中利用传统方法和智能方法相结合,组成融合型智能方法的解决问题思路。(2)本文提出了一种基于DSTAR算法和人工神经网络的融合型智能路径规划方法。方法中,采用了慎思/反应式体系结构,将DSTAR算法作为全局路径规划器,以神经网络处理局部路径规划和障碍闪避。(3)通过3D仿真实验对本文提出的方法和传统DSTAR方法作出了比较。从路径长度、更新的信息量、计算路径花费的总时间、以及发生重新规划的次数等四个维度来进行量化分析的结果表明,本文提出的方法有效的规避了传统DSTAR算法在处理大规模未知地图时出现的问题,具有正确性和有效性。