随着机器人技术的不断进步,机器人完成复杂任务的需求也越来越多,路径规划的优化问题成为当前机器人研究领域的热点之一。机器人从起始点向目标点运动过程中,在有障碍物的环境空间中,如何选择一条最优或近似最优的安全无碰撞路径是路径规划研究的关键。本文首先对传统粒子群优化算法进行了深入研究,剖析了传统粒子群算法存在早熟收敛、易陷入局部最优值和粒子越界等缺点,提出了一种非线性动态调整惯性权重的粒子群算法,使粒子在迭代后期具有跳出局部最优的能力,对粒子存在的早熟收敛问题进行相关改进,针对粒子迭代初期易发生越界现象采用了边界连接策略的约束方法,应用Matlab7.0仿真软件的常用粒子群优化函数对其进行了实验测试,验证了改进算法的可行性；其次针对智能机器人路径规划实际工作环境的特点,利用栅格法建立空间环境模型,将栅格法与粒子群算法进行融合,在路径长度的基础上引入安全度和平滑度指标,建立随迭代过程动态调整路径长度的适应度评价函数,对传统粒子群算法、经典粒子群算法和改进粒子群算法的智能机器人路径规划进行了仿真实验对比,验证了改进算法的优越性；最后采用WIM-RR轮式智能机器人平台对改进粒子群算法的智能机器人路径规划进行了实际应用,再次验证了改进算法的有效性。