移动机器人技术的广泛应用是20世纪全球科技领域最伟大的成就之一。随着移动机器人技术的发展和人类社会需求的变化，移动机器人的应用逐渐从传统的工业领域向服务领域拓展。近年来，越来越多的现代传感技术在移动服务机器人中的广泛应用，使得移动服务机器人在各个方面正更多地代替着人类的工作。移动服务机器人是一个多学科交叉的综合性研究领域，其研究内容多、领域广，主要涉及机械结构设计与优化、传感技术、控制技术、信息交互技术等。自主导航控制是移动服务机器人一个最基本的需求，而运动规划则是解决移动服务机器人自主导航问题的三大核心技术之一。因此，开展运动规划的研究将对移动服务机器人的进一步发展具有重要意义。　　 本论文面向控制学科的前沿研究方向——移动服务机器人自主导航，针对移动服务机器人在复杂多变的室内环境中运动的特点，基于多传感器信息融合、模糊神经网络、机器学习、图论等基础理论，从避障控制、完全覆盖路径规划、自主归航等方面开展运动规划算法研究，研究提出了基于多传感器测距数据一致性检验的模糊神经网络避障运动规划算法、基于凸顶点分块模型的完全覆盖路径规划算法和基于红外传感器的自主归航运动规划算法。算法的有效性在美国Pionner3移动研究平台及家庭智能清洁机器人平台中的仿真实验中得到了验证。主要研究成果具体包括以下四个方面：　　 ①建立了移动服务机器人运动学和动力学模型。分析了移动服务机器人在全局和局部参考坐标系中位姿的映射关系；建立了双轮差分式移动服务机器人、导向驱动轮式移动服务机器人的运动学模型；讨论了移动服务机器人的机动性、自由度和完整性问题；分析了作用于移动服务机器人上的力、质量、加速度、力矩、惯量和角加速度之间的关系。　　 ②提出了基于多传感器测距数据一致性检验的模糊神经网络避障运动规划算法。本算法通过多传感数据一致性检验的判断准则，对超声波传感器所感知的障碍物与移动服务机器人之间的距离信息进行一致性检验，消除单一数据的不确定性。在移动服务机器人避障运动规划中，通过提出模糊推理避障控制策略，将模糊控制的鲁棒性同生理学上的“感知—动作”行为相结合，为移动服务机器人在未知环境中的运动规划提供了一种较为有效的解决思路。针对模糊控制过分依赖先验专家知识的缺点，提出了模糊神经网络避障控制模型与自组织动态学习算法，实现了避障控制规则的动态抽取，提高了运动规划的环境变化适应性。　　 ③提出了基于凸顶点分块模型的完全覆盖路径规划算法。本算法在分析比较Trapezoidal分块模型和Boustrophedon分块模型的优缺点之后，提出了凸顶点分块环境几何模型，该模型既能够有效地控制分块数目，又能够使每个分块的边界趋于规范化，满足运动规划的完备性，便于局部完全覆盖路径规划。在理论上证明凸顶点分块拓扑图中存在完全覆盖最短遍历路径的基础之上提出了最短遍历路径深度搜寻算法，该算法的结果路径在距离和覆盖测度上趋于更优。　　 ④提出了基于红外传感器的自主归航运动规划算法。本算法通过提出的基于红外接近觉传感器沿墙导航控制算法，实现移动服务机器人在不同沿墙状态间的转移，自主地返回到标识目标位置的红外线传感器信标周围；基于提出的红外导引对接策略，达到移动服务机器人在复杂室内环境中自主归航的目的。本规划算法所需处理芯片和环境感知模块成本更低，实时性更强。　　 本文系统地开展了移动服务机器人室内运动规划研究，提出了三个相关算法，仿真、实验结果充分证明了各个算法的有效性。进一步的研究将从以下两个方面改进移动服务机器人运动规划算法的优良性。①研究基于视觉传感器的图像处理、模式识别等技术手段改进移动服务机器人对于动态障碍物的避障能力和自主归航的迅速性。②研究多移动服务机器人运动规划算法，进一步提高完全覆盖路径规划算法的覆盖效率。