本文重点对机器人的路径规划方法进行了分析与研究。所谓路径规划,就是使机器人能够完成在复杂的环境中,自主地寻找从当前位置到目标位置的一条无碰撞、最优路线的工作。路径规划一直都是机器人方向重要的研究领域之一,也逐渐成为人工智能方面的重要研究方向。本文首先介绍了机器人的定义,发展过程,目前应用情况和本课题的研究意义,并且从路径规划的国内外研究现状和目前常用方法两个方面做了详细的介绍,并对这些方法进行了比较,为本文后续选择规划方法提供了理论依据。接着,本文以自主设计的搬运机器人为背景,首先对它的运动学模型进行了分析,并对搬运机器人的关键技术做了介绍。通过介绍可以初步了解它的行走和旋转是如何实现的,还阐述了环境内同一点是如何在全局路径规划坐标系和局部路径规划坐标系下转换的,以及机器人如何通过上位机和下位机协同作业来完成识别物体、避障等工作,为算法能够应用到该机器人上提供了理论和硬件上的支持。随后,本文针对传统的全局规划方法和局部规划方法的缺陷,分别提出了一种改进的基于能量守恒的A*算法,它消除了启发函数对评价函数的影响,并且加入了平滑处理部分,更加适用于全局路径规划;以及一种改进的人工势场法,通过对斥力场和引力场函数进行改进,使其解决了传统算法存在的问题,而且更能适用于复杂的动态环境。并对两种改进方法分别进行了仿真分析,验证了算法改进的可行性以及必要性。最后,本文根据单独使用全局路径规划方法或局部路径规划方法时存在的不足,提出了一种混合算法,算法首先利用改进A*算法进行规划,得到初始路径,而后依次以初始路径的各个拐点为子目标点,应用改进人工势场法进行局部路径规划,得到最终路径。并通过仿真分析,证明了将两种算法混合使用的合理性和必要性。通过分析和仿真验证,本文提出的改进A*算法和改进人工势场法相结合的混合算法,可以应用到绝大多数场合,而且与目前常用的各种算法相比,该混合算法可以为机器人提供更优的路径。