移动机器人野外工作时,难以避免各种故障发生。其中机器人视觉系统作为其主要感知外界环境的方式,当其发生视觉受污甚至视觉损坏时,机器人可能因为无法正确感知外界环境而导致其瘫痪,无法正常工作。为此,本文主要研究机器人在应急情况下的基于案例推理(CBR)的偶然性规划设计,使其具备功能降级的持续感知能力和能适应崎岖路面的运动控制。并提出一种应用神经网络控制机器人牵引力通过崎岖路面的控制方法。在一台具有自清洁能力的地面自适应轮式移动机器人平台之上,设计基于案例推理(CBR)的机器人故障偶然性规划,并建立偶然性规划方案设计。建立机器人平台运动学模型,并针对机器人避障需求提出了基于子目标点的避障算法。为实现机器人具备降级的环境感知能力,将用于测量接地角的二维激光雷达结合驱动轮舵机以实现三维地形感知建模的特殊行为策略,并根据雷达数据进行障碍物识别和地面模型构建。三维近地感知目的:地面障碍物识别;地形表面可视化建模;构建地形数字高程图(DEM)。针对机器人崎岖路面的通过性问题,提出了基于神经网络的牵引力控制策略。根据激光雷达构建的地形数字高程图,利用姿态与力分布仿真估计算法,得到在此扫描地形下的机器人姿态与力分布仿真数据。将仿真数据作为神经网络的学习样本,建立了机器人牵引力控制网络模型。并提出一种基于二维激光雷达的速度检测算法。以研究的机器人平台作为实验对象,进行地形扫描感知实验,构建地面模型。在对称曲面、非对称曲面、崎岖路面进行机器人牵引力网络控制实验,通过分析电机驱动器反馈的驱动轮电机的电流、转速数据以及IMU反馈的航向角数据,验证了牵引力网络控制方法的可行性。