避障路径规划是移动机器人导航的基本环节之一，其主要任务就在移动机器人所处的环境中按照某一性能指标搜索一条从起始点到目标点的最优或近似最优的无碰路径。对于环境已知条件下的离线全局路径规划方法，已经取得大量成果。基于传感器的局部路径规划的移动机器人在未知环境中的避障路径规划，取得的成果还不是很多。针对局部障碍物静态未知环境下移动机器人避障路径规划，本课题做了如下的探讨和研究：　　 文章首先阐述了避障路径规划的国内外研究现状，并分析了目前在移动机器人路径规划中比较热点的几种算法；其次，研究了移动机器人的体系结构和轮式结构，从数学的角度对移动机器人运动学模型和动力学模型进行了研究和推导；再次，深入研究了基于T-S(Takagi-Sugeno)模糊神经网络的移动机器人避障路径规划算法，提出了用RBP神经网络改进T-S模糊神经网络，并用K-means聚类进行模糊规则数的确定，将改进后的T-S模糊神经网络应用到移动机器人避障路径规划中，并进行训练，通过训练的结果分析可知，改进后的算法训练速度更快，权值的收敛性更好。最后，在VC++6.0中进行了移动机器人避障路径规划仿真程序设计，仿真结果表明，采用改进后的T-S模糊神经网络能够使移动机器人在局部静态未知环境下，选择一条合理的路径实现安全避障。