软计算为开展移动机器人的智能研究提供了新的手段和挑战。本文以一种全方位移动机械手为背景，结合中国科学院百人计划项目“智能控制方法及应用研究”和科技部国际科技合作重点项目“智能机器人的脑功能开发”，展开软计算方法在基于行为控制结构和感知器的移动机器人自治导航领域的研究。 首先对一类智能机器人一移动机器人的相关问题进行了介绍，综述了智能控制在移动机器人体系结构领域的研究进展以及软计算方法在基于感知器的移动机器人自治导航领域的研究和应用，并介绍了本文的选题背景和内容安排。 其次，基于模块化思想，搭建了全方位移动机械手的控制系统框图。设计了一种新的以行为模型为基础的混合式体系结构，分析了行为协调模块的设计要点，并给出了两个说明性实例。 第三，从改进通常的网络结构、节点功能和推理机制出发，提出了一种扩展型神经模糊推理网络，该网络可以弥补原有网络的不精确推理和信息损失。针对基于训练数据的学习问题，分别设计了基于Mamdani模型的离线和在线以及基于包含确定度的Mamdani模型的三阶段学习算法。复杂系统模糊辨识仿真验证了网络结构和学习算法的有效性，并成功地应用于移动平台墙壁跟踪导航控制器的设计。 第四，针对扩展型神经模糊控制器的基于非训练数据的学习问题，建立了一类基于强化学习的神经模糊控制系统。考虑将强化学习转化为基于训练数据学习的实现思路，设计了神经模糊控制系统的在线学习算法。并同时建立了基于强化学习的径向基函数网络控制系统。移动平台的避障仿真验证了控制系统结构和学习算法的有效性。 第五，设计了三个复合行为导航仿真实验，验证了前述章节提出的体系结构、神经模糊控制系统结构和学习算法应用于基于感知器的移动机器人在未知环境中自治导航的有效性。 最后，总结了全文的研究成果，并展望了可以进一步开展的工作。