随着机器人学和控制理论的发展，机器人开始广泛应用于社会的各个领域。近年来，越来越多的研究者开始研究如何让机器人改变人类的日常生活，比如服务机器人、巡逻保安机器人等。本文以自行研制开发的全自主机器人AIM为平台，针对巡逻保安机器人的若干关键技术问题进行了比较深入的研究，论文的主要内容如下：　　 第一，针对巡逻保安机器人系统中传感器技术的发展趋势和各种传感器的优缺点，自主研制开发了一种基于DSP(Digital Signal Processing)技术的非视觉传感器数据采集系统。该系统以DSP TMS320LF2407A为核心，集成了超声波传感器、红外测障传感器、红外测距传感器和方位传感器等模块，通过多传感器信息融合，可以弥补超声波传感器的“盲区”问题和多次反射问题，本系统通过串口或者USB(Universal Serial Bus)进行通讯。　　 第二，研究了未知环境下基于行为的巡逻保安机器人导航策略。巡逻保安机器人在未知环境下的行为分为基于模糊理论的避障行为、基于模糊理论的跟随行为和基于视觉特征的目标跟踪行为。基于模糊理论的避障和跟随行为将障碍物根据大小进行分类，对小的障碍物进行避障，对大的障碍物则按照其轮廓线进行跟随，从而避免了在比较复杂的U形环境中的循环问题。基于视觉特征的目标跟踪行为对环境中的线型目标和自然目标通过不同的算子进行跟踪。通过行为的协调，对不同的行为进行仲裁，共同完成导航的任务。　　 第三，根据火灾的特征与燃烧产物，设计了一种基于多传感器信息融合的火灾探测系统。该系统以DSP TMS320LF2407A为处理器，包括一氧化碳传感器模块、温度传感器模块和紫外火焰传感器模块。紫外火焰传感器可以很好地区分闪燃火和阴燃火，一氧化碳传感器和温度传感器能够对闪燃火和阴燃火产生不同的反应。该火灾探测系统在燃烧室中对各种实验标准火以及干扰源进行了灵敏度和可靠性测试。　　 第四，基于灰色理论的火灾预测算法和基于改进神经网络的火灾探测算法研究。　　 基于灰色理论的火灾预测算法通过建立C0传感器和温度传感器的GM(1，1)灰预测模型来预测火灾，在建模序列的数目和预测周期选取合适的前提下，灰预测模型能够较好地提前预测火灾的发展趋势，能够不同程度地缩短报警时间，且不会对干扰源形成误报警。　　 基于神经网络的火灾探测算法采用BP网络来探测火灾，缩短了报警时间，并不会误报警。　　 第五，人机交互与远程控制方法研究。实现了基于IEEE802.11和共享策略的远程操纵机器人系统。该系统主要由3部分组成：无线局域网、机器人端和主控端。无线局域网采用基于IEEE802.11b有中心的网络拓扑结构，自主网络机器人通过无线接入点(AP)与有线网络相连接。机器人端实时地监控环境信息，采用基于灰色理论与改进神经网络的火灾探测算法探测火灾，采用基于行为的导航算法进行导航，并通过无线通讯模块接收来自主控端的控制指令，同时将各传感器的状态、图像等环境信息送回主控端，供主控端进行监控。主控端除了接收来自机器人端的信息外，还通过无线网络，以键盘、鼠标和操纵杆等方式，远程操纵机器人。　　 最后对论文中的工作进行了总结，并讨论了可在其基础上进行的拓展工作。