资源问题是当今人类面临的亟待解决的问题之一,因此开采深海底丰富矿产资源具有重要的意义。深海履带机器人作为深海采矿系统的重要组成部分,用于在6000米深海底采集金属结核,作业矿区存在很多未知状况,因此要想采矿作业正常运行且保证高效率的采矿,必须设计稳定的测障避障系统,以保证深海履带机器人在行走作业时能实时避障。本文中,主要针对基于DSP的深海履带机器人测障避障系统进行了研究。设计了基于多超声波传感器的测距系统,使用10个超声波传感器分别探测机器人前方180度范围内的障碍物信息。针对传感器信息的不确定性,利用BP网络进行数据融合,对各个方向上多传感器探测的障碍物距离输入到网络中,得到更为准确的距离信息提供给机器人以采取避障决策。提出了基于遗传模糊算法的深海履带机器人局部避障规划。根据深海履带机器人避障系统要求,设计了经遗传算法优化的模糊控制器用于完成机器人的实时局部避障。主要是引入改进的遗传算法,离线学习模糊控制规则,并利用特定的适应度函数对机器人动作进行评估,经过优化获取传统模糊控制所不具备的学习能力,实现了深海履带机器人的实时局部避障且路径最短要求。最后设计了基于DSP的测障避障系统软硬件,采用具有高速处理能力的DSP作为主控制器大大提高了系统的运行速度。在Delphi环境下,分别对传统的模糊算法控制和经遗传算法优化的模糊控制进行了算法实现和仿真,仿真结果表明优化后的模糊控制具有更好的避障效果,能更好的满足避障路径最短要求。