随着自动化技术和人工智能技术的发展与应用领域不断扩大,多任务、复杂未知环境下机器人承担任务的复杂性、作业稳定性、作业柔性和作业效率等要求逐步提高,使得寻求机器人智能算法、机器人协调与协作方法的研究日益引起国内外学术界的兴趣和关注。结合现代物流实验室全方位自主移动机器人,在现有硬件设施的基础上,开发机器人控制体系,完善移动机器人智能控制研究的实验平台,对于课题组开展机器人相关研究具有重要理论和实际意义。　　本文在实验室现有的全方位自主移动机器人的硬件基础上,根据智能控制系统的一般结构,从自主行为的角度研究移动机器人混合式体系结构中行为的设计、行为的协调和行为之间的转换关系等问题,在分析了智能机器人功能需求与数据流的基础上,设计了包含控制层、协调层与慎思层的三层混合式体系结构,实现了层与层之间的数据传输,构建了移动机器人实验平台的控制体系结构。　　采用模糊控制算法,设计了机器人导航中的紧急行为、趋向目标行为、避障行为和沿墙走行为,为使多个反应式行为协调一致的完成任务,设计了行为融合算法,实现了行为间的协调控制。行为融合算法采用优先级法和动态权值法相结合的方式,紧急行为具有最高的优先级,以保证机器入不会处于危险状况;避障行为和趋向目标行为采用动态权值法进行融合,实现了平面移动机器人导航,计算机仿真结果显示机器人能够较好地完成导航任务。　　设计了基于Q学习方法的导航控制算法,对相应的状态空间进行划分,设计了离散奖赏回报和连续奖赏回报相结合的奖赏回报函数,进而将离线导航算法转变为在线的智能算法,通过计算机仿真验证了该控制算法的可行性。并对两种算法在不同环境下的仿真结果进行对比分析,结果表明两种算法都能完成导航任务,而基于Q学习的在线智能控制算法能够得到更加平滑的运动轨迹。