在移动机器人导航中,实现机器人自身的准确定位是一项最基本、最重要的功能,也是移动机器人研究中备受关注、富有挑战性的一个重要研究主题。本文的研究工作就是围绕着移动机器人自主定位进行的。然而,机器人的定位是以环境地图为基础的,而环境地图的创建又需要精确的定位。在未知环境中,这是一个既矛盾又相关的过程。为了实现真正意义上的自主导航,必须把机器人定位和环境地图创建作为一个问题来解决,使机器人具有同时定位与地图创建(SLAM)的能力。本文在山东省自然科学基金课题“新型智能导游机器人(Y2002G18)”和山东省科技攻关项目“多语种智能导游机器人(031080124)”的支持下,对移动机器人定位和SLAM进行了研究。针对传统方法的不足,提出改进的机器人定位和SLAM方法,以提高移动机器人自主探测未知环境的能力。具体研究内容包括以下几方面:1、通过分析观测噪声统计特性对扩展卡尔曼滤波算法性能的影响,提出一种基于观测噪声模糊自适应调整的扩展卡尔曼滤波定位方法。该方法利用模糊逻辑和协方差匹配技术对观测噪声协方差R进行自适应调整,以克服观测噪声统计特性不确定的影响,实现定位算法性能的在线改进。同时采用一种传感器故障诊断和修复算法来监测传感器状态,提高算法的鲁棒性。将该方法用于观测噪声统计特性未知情况下的机器人定位,不仅可以降低观测噪声先验信息不完备的影响,而且能够防止滤波器发散和提高机器人定位的精度。2、针对普通粒子滤波算法容易受到样本贫化的影响,而且需要大量的样本才能取得较好定位效果的问题,提出一种进化粒子滤波定位方法。将进化计算中选择、交叉和变异操作引入粒子滤波算法,对样本进行优化,使样本向后验密度分布取值较大的区域运动,从而更好地表达系统的后验密度。同时改善样