近年来,机器人在军工产业、工业生产上的应用越来越广泛,很多科研人员投入大量的精力去研究它,让它更加满足人们的各种技术需求。在实时环境中,机器人进行路径规划时是否遇到障碍是研究机器人范畴的重要方面。尤其是在未知的、有障碍的环境中,根据一定的准则在空间中探索出一条从起始状态到目标状态的最优或者次优的无碰撞的路径已经越来越受到科研人员的关注。在讨论机器人路径轨迹进行规划之前,本文先建立了多关节机械臂的D-H参数模型,对它的运动学原理进行分析,建立了机器人的运动学方程。对机器人运动学正解和逆解进行了研究。对机器人在不同空间中的轨迹规划算法进行了研究,包括了关节空间和笛卡尔空间。本文首先介绍RBF神经网络算法对已知曲线进行曲线拟合得到轨迹,通过实验表明其对于机器人轨迹规划具有良好的实用性。但是由于其在进行训练时所选取的权值和阈值都是随机选取的,本文使用PSO算法对RBF算法的权值和阈值进行优化,将优化后的结果代入到神经网络中进行结果输出判断,通过实验表明用PSO算法优化后的RBF曲线的预测误差更小,得到的曲线更接近与实际曲线,并且其响应时间也相对缩短。对机器人有障碍时的路径规划进行了研究。针对几种典型的避障算法包括可视图法、人工势场法、GA算法、模糊控制逻辑等进行分析研究,将这几种算法简单应用到机器人避障中。本文主要使用遗传算法对有障碍路径进行路径规划。包含了椭球包络体包络障碍以及碰撞检测,对机械臂末端与椭球体之间距离进行讨论,判断是否发生碰撞,并对避障算法进行了实现。本文实现了基于路径规划的仿真系统,主要包含了运动学模块、轨迹规划模块、避障路径规划模块。利用上述算法分别对各个模块进行仿真实现,实验结果表明机器人能够很好的避开障碍,满足用户的需求。