近年来,我国每年发生数万起火灾事故,严重影响人们的正常生产生活。随着机器人技术的迅速发展,机器人因其智能、高效等优点受到各行各业的青睐,在复杂的火灾环境中,机器人可以代替救援人员完成危险任务,不仅可以有效保护救援人员生命安全,还能提高救援的效率。因此研究移动机器人参与火灾救援具有重要的研究意义。本文主要针对机器人在火灾救援现中的路径规划与灭火剂选取两个方面进行研究,主要工作如下:（1）对火灾救援主要内容分析,研究了火灾救援的路径规划算法,尤其是蚁群算法,研究了本体模型、逻辑推理,SWRL规则技术。（2）为了解决在火灾救援中考虑多因素的移动机器人最优路径规划问题,提出一种基于改进蚁群算法的救援路径规划方法。方法通过改进全局信息素更新策略,考虑影响移动机器人到达待救援点时间的路径长度、转弯次数、坡度大小等主要因素,并根据多因素综合指标来分配各路径上的信息素量,指引蚂蚁走向最优路径。通过仿真算例并与同类方法对比,结果表明,该方法在考虑多因素后性能有较大提升,具有较好的全局搜索能力和收敛速度,提高了移动机器人在火灾救援中的效率。（3）针对机器人在火灾现场中的灭火剂选取问题,提出了一种基于本体知识推理的灭火剂选取方法。首先根据基础案例和实验数据来构建本体模型;然后从语义和数值特征项进行相似性度量,建立基础案例与实验数据之间的关联;最后基于本体和语义网规则语言制定本体通用、语义特征、数值特征三类选取规则,实现多源数据灭火剂选取知识推理。实验表明,方法通过相似性度量可以消除基础案例与实验数据间的语义差异,同时利用语义网规则语言进行推理,可指导机器人在火灾救援中选取合适的灭火剂方案,为面向多源数据的灭火剂智能选取提供了新思路。论文工作可以为机器人在火灾救援中的路径规划和灭火剂选取提供参考,提高救援效率。