环境感知、行为决策和动作执行是智能机器人体系结构的主要内容。行为决策是实现机器人行为协调和控制的基础,是机器人智能的决定因素。巡逻机器人是能够完成巡逻监控任务的一种自主移动机器人,本文以巡逻机器人为背景进行行为决策研究。论文首先分析了巡逻机器人的国内外研究现状,针对智能机器人行为决策研究的特点,提出了一种基于粗糙集和多重决策表的行为决策框架,其决策表分为高级行为实现决策表和导航行为决策表。其次,分析了巡逻机器人的运行环境,建立了以拓扑地图为基础的三层环境模型:全局模型、局部模型和即时模型。在该模型中,道路检测具有举足轻重的作用,结合粗糙集理论在特征学习方面的特点,提出了基于粗糙集理论的非结构化道路检测算法,并通过实验验证了其较强的适应性和可靠性。再次,设计了一种基于行为的任务控制体系结构,建立了基于多重决策表的行为决策模型,重点研究了基于多重决策表的高级行为实现方法和导航行为决策方法。在行为实现方法中,以巡逻机器人定点察看任务中的目标监控行为为例,阐述了基于有限状态粗糙集的决策知识获取方法和基于知识库的行为实现方法;在导航行为决策方法中,首先确定机器人在巡逻任务中的路段巡逻状态、转换关系,并依据领域知识和实验数据创建机器人巡逻有限状态机,然后提取有限状态机的状态转换条件,形成粗糙集决策信息系统的规则集,并通过属性约简和规则提取算法,获得简化的行为决策规则,构成行为决策知识库。最后,进行了目标监控行为的模拟实验和导航行为决策的实际实验。数据分析表明这种目标监控行为的实现方法的有效性。在实际场景的导航实验中,利用获取的决策知识库进行了导航,巡逻机器人具有很快的响应能力并能迅速有效的完成巡逻任务。实验验证了该决策系统的有效性,在整个巡逻机器人系统中具有重要的作用。