在自然界，有许多生物，根据空气中的化学信息或者说气味来寻找配偶、发现猎物、搜寻食物、躲避天敌等。此外，由于全球空气污染越来越严重，人类频频受到有害、有毒气体泄漏事故的侵扰，研究在艰苦恶劣的环境下，采用机器人代替人类进行毒品检测、火灾搜救、地震救援等研究工作具有重要的科学与现实意义。目前，机器人化学羽流追踪的研究已成为了该领域研究的热点，并取得了重要的研究进展。但对羽流追踪的自主行为建模方法研究较少，使得羽流追踪效果和源定位精度仍不十分理想。　　为解决该问题，本论文在国家自然科学基金项目（编号：61164012）的资助下，针对化学羽流追踪机器人自主行为建模的Petri网方法开展研究，其主要研究工作有:1）针对机器人化学羽流追踪不同阶段采用不同的策略并建立其模型。由于羽流追踪机器人行为决策具有复杂性、耦合、异步、并发及模糊性特点，本论文提出采用模糊 Petri网对化学羽流自主追踪过程进行行为建模。2）为了提高Petri网建模效率与准确性，建立了知识与Petri网的映射模型，设计了模糊Petri网自动建模算法。3）由于自主追踪终端行为与交互逻辑的复杂性及不确定性，本论文提出混合 Petri网（HPN），并将所提出的HPN对机器人终端行为进行建模，以六自由度的串联机器人p uma560为验证对象，通过Matlab Robotics工具箱以羽流自主追踪的终端为例验证了所建立的混合PN模型正确性。4）由于仿真验证与真实环境的验证结果仍存在偏差，在实际物理环境下对所提出的羽流追踪方法进行了进一步验证。使用浓度传感器、ESP8266无线通信芯片、超声波传感器和 ArduinoUNO控制器搭建了羽流追踪实验平台，依据所建立的模糊 Petri网模型，在Windows运行环境下，利用ArduinoIDE开发平台进行编程调试，最终验证了本文所用的Petri网模型的正确性和可实施性。5）在羽流追踪实验过程中，发现移动机器人平台由于传动机构存在回程间隙，使其在进行行为切换时存在误差，为了解决该问题，本论文探究了驱动轮主控的方法，给出驱动主控制逻辑图。　　通过该方法，不仅为减少移动机器人普遍存在的回程误差的影响提供一种适用方法，还实现了羽流追踪行为执行过程的精准性。