路径规划是机器人运动规划的主要研究内容之一。路径规划的任务是使机器人在作业环境中寻求一条从起点到终点的最优路径。现有路径规划的研究中,通常将环境分为可通过和不可通过两类区域。对应于常用的栅格建模法,即自由栅格和障碍栅格。然而,在移动机器人执行任务的现实世界环境中,并非只包括“自由”和“障碍”两类属性单一的区域,许多区域模糊地介于二者之间。同样是自由栅格,由于环境特征(如地形等)不同,通过的代价也可能不同;同样是障碍栅格,有些在任务执行时可以也应该突破的,有些则是必须避开的。本文基于移动机器人作业环境特征的模糊特性,提出广义障碍的概念,进一步研究了广义障碍环境下移动机器人路径规划的建模及规划算法,主要研究内容和结论如下:(1)针对移动机器人作业环境特征的模糊特性,给出了广义障碍的定义与建模方法。基于特殊地形的特征参数,通过模糊隶属度函数获得这类障碍的通过代价;通过栅格建模法建立广义障碍模型。(2)对静态环境下的特殊地形与破障任务,提出了广义障碍下混合势场蚁群算法的离线规划算法。利用人工势场法改进蚁群算法相关要素;并结合群智能优化算法的迭代特点,提出一种种群迭代的交叉优化策略。(3)对未知动态环境,提出了一种广义障碍下生物激励神经网络的在线规划算法。移动机器人以虚拟目标作为寻优依据并利用滚动优化方式;采用直觉模糊集与多属性决策方法建立动态障碍的威胁评估模型;并且提出一种导向扫描的神经元激励传递方式,较好地传递神经元激励。(4)对广义障碍建模方法以及规划算法进行了仿真试验验证。在Matlab2014b平台上使用编程语言搭建了用于路径规划仿真的可视化界面,并进行了相关的试验分析。试验结果表明与传统障碍模型进行的路径规划相比,本文提出的广义障碍下的离线路径规划算法得到的路径更短更平滑,也能得到更合理更优的规划路径;本文提出的广义障碍下在线路径规划算法可有效规避不同速度的动态障碍物,在未知动态障碍物动机的环境下具有更好的规划能力。