机器人是一个十分复杂的控制系统,具有时变、强耦合和非线性的动力学特征。由于测量和建模的不精确,再加上负载的变化以及外部扰动的影响,实际上无法得到机器人的精确、完整的运动模型。所以在控制过程中必须考虑机器人模型中大量不确定因素的存在,使得我们对机器人的控制变得复杂起来。移动机器人的避障问题是机器人运动规划中的一个重要方向,是机器入学领域研究的重要问题之一。本文针对移动机器人模型的特殊性,从路径规划和避障问题的物理意义和实现方法出发,利用机器人探测系统的工作获得的环境中特征点的相关信息,采用了一种基于模糊神经网络(FNN)的移动机器人实时避障的控制方法。模糊神经网络控制既实现了移动机器人的运动控制和对环境障碍物的自动识别,又可以使移动机器人调整和修正控制系统参数,实现了移动机器人自主避障的控制要求。本文利用了模糊控制的感知和推理能力而将模糊控制作为主控制器,利用BP神经网络的学习、记忆能力来创建并训练模糊控制中的隶属函数。这样既可使模糊控制具有自学习的能力,又可赋予神经网络推理归纳的能力,同时还可以消除人的主观因素对于控制参数的影响,从而使移动机器人能够实时、快速、有效地躲避行进过程中的障碍物,并增强了移动机器人的智能性。本文在计算机MATLAB平台上对基于模糊神经网络的移动机器人避障算法进行了软件仿真,验证了研究的有效性。