近年来自然灾害频发,其中既有地震、海啸等自然因素,也有由于人类的行为导致大型火灾、化工毒气泄露等灾难。在这些灾难发生后需要搜救工作人员紧急进入灾害现场,此时搜救人员的生命安全受到威胁,并且工作效率不高。因此,智能搜救机器人技术应用于灾后搜救工作成为目前机器人技术的研究热点。智能搜救机器人的路径规划方法是相关领域的重点研究内容之一。路径规划关键技术主要包括两点:1)规划一条无碰撞、距离最短、安全性较高的路径;2)如何能够获得所在的环境信息并建立模型。针对路径规划中的两个方面,本文首先分析了智能规划路径算法,研究了粒子群算法在路径规划问题上的缺陷,包括粒子群算法易陷入局部最优、陷入死循环导致路径规划时间过长、无法找到最短的路径。针对以上缺点,本文提出了两种改进方法:1)通过自适应调节的对数函数递减惯性改变权重;2)遗传算法中的变异因子优化粒子群中个体速度值。将改进后的算法与基本粒子群算法进行对比仿真。仿真实验表明:粒子群寻优的速率变快、与最优值最接近。其次,本文分析了目前成熟的环境模型及其构建方法,最后确定应用栅格法作为环境模型的构造方法。由于搜救环境中地图信息已经被严重破坏,因此本文通过滚动窗口方法进行局部环境构图,从而进行环境建模。此时栅格法中栅格大小由障碍物大小、搜救机器人的直径、障碍物的面积占总面积大小等综合信息决定,在此基础上改变了滚动窗口方法中的启发式算法。为了规划出无碰撞、最短、安全性系数最高的路径,本文在适应度函数上增加了安全因子。通过仿真分析,提出的算法可以更有效地规划出要求路径。最后本文将改进后的算法融合到搜救环境中,进行了测试实验。将算法应用到机器人小车,通过建立测试场景,验证了算法的可行性和有效性。通过不断增加搜救环境的复杂度,测试改进算法的可行性,改进算法的搜索时间相比于对比算法平均降低了45.9%、改进算法的路径长度相比于对比算法平均降低了10.9%。为现实生活的灾难环境中搜救机器人路径规划提供了新的思路。