自主避障是移动机器人完成各项任务的前提条件，也是机器人技术领域的研究热点。随着传感器技术及智能控制的发展，移动机器人避障尝试了许多新的器件和控制算法，取得了一定的成果，但也存在不足，因此，进一步研究机器人避障系统具有深远的意义。
　　课题分析了大量有关机器人避障系统设计文献，归纳分析了各自存在的优缺点，并在此基础上选择了合适的传感器和避障算法，设计了机器人避障系统，重点做了以下几个方面研究:
　　(1)总结了移动机器人避障发展现状及趋势，分析了智能控制算法在机器人避障中的应用。
　　(2)归纳了当前机器人避障常用传感器的优缺点，比较了应用于机器人避障的典型智能控制算法;分析了模糊神经网络控制算法的硬件实现条件和超声波传感器测距系统的要求，选定具有并行处理能力的FPGA芯片作为处理器。
　　(3)建立了基于FPGA的超声波传感器测距系统，设计了超声波发射及接收模块硬件电路，测距系统中加入温度补偿模块，避免温度对超声波测距的影响;在回波信号的检测上采用时间周期法，有效区分了回波与干扰信号。
　　(4)采用CCD和超声波传感器相结合的方法，获取障碍的距离和方位信息，解决了移动机器人避障中存在的绕道问题;针对机器人特定的环境因素，对图像进行了灰度化、平滑滤波、边缘检测、二值化等处理，得到只含障碍物边缘信息的黑白图像;提出了一种基于梯形区域的图像边缘坐标提取法;选取机器人室内环境图像，用MATLAB仿真观察了图像处理后的效果。
　　(5)采用T-S模糊神经网络算法对超声波传感器和CCD图像数据进行融合;建立了机器人环境障碍物模型，确定避障策略，设计出模糊控制器;用大量样本数据训练网络，并用MATLAB仿真虚拟环境下的避障情况，验证了课题避障方案的可行性。